1.1 使用需求

这次也是由于项目需要，要将python的代码转成exe的程序，在找了许久后，发现了2个都能对python项目打包的工具——pyintaller和nuitka。

这2个工具同时都能满足项目的需要：

隐藏源码。这里的pyinstaller是通过设置key来对源码进行加密的；而nuitka则是将python源码转成C++（这里得到的是二进制的pyd文件，防止了反编译），然后再编译成可执行文件。

方便移植。用户使用方便，不用再安装什么python啊，第三方包之类的。

1.2 使用感受

2个工具使用后的最大的感受就是：

pyinstaller体验很差！

一个深度学习的项目最后转成的exe竟然有近3个G的大小（pyinstaller是将整个运行环境进行打- 包），对，你没听错，一个EXE有3个G！

打包超级慢，启动超级慢。

nuitka真香！

同一个项目，生成的exe只有7M！

打包超级快（1min以内），启动超级快。

Nuitka的安装及使用

2.1 nuitka的安装

直接利用pip即可安装：pip install Nuitka

下载vs2019(MSVS)或者MinGW64，反正都是C++的编译器，随便下。

2.2 使用过程

对于第三方依赖包较多的项目（比如需要import torch,tensorflow,cv2,numpy,pandas,geopy等等）而言，这里最好打包的方式是只将属于自己的代码转成C++，不管这些大型的第三方包！

以下是我demo的一个目录结构（这里使用了pytq5框架写的界面）：

├─utils//源码1文件夹├─src//源码2文件夹├─logo.ico//demo的图标└─demo.py//main文件

使用以下命令（调试）直接生成exe文件：

nuitka --standalone --show-memory --show-progress --nofollow-imports --plugin-enable=qt-plugins --follow-import-to=utils,src --output-dir=out --windows-icon-from-ico=./logo.ico demo.py

这里简单介绍下我上面的nuitka的命令：

--standalone：方便移植到其他机器，不用再安装python

--show-memory --show-progress：展示整个安装的进度过程

--nofollow-imports：不编译代码中所有的import，比如keras，numpy之类的。

--plugin-enable=qt-plugins：我这里用到pyqt5来做界面的，这里nuitka有其对应的插件。

--follow-import-to=utils,src：需要编译成C++代码的指定的2个包含源码的文件夹，这里用,来进行分隔。

--output-dir=out：指定输出的结果路径为out。

--windows-icon-from-ico=./logo.ico：指定生成的exe的图标为logo.ico这个图标，这里推荐一个将图片转成ico格式文件的网站（比特虫）。

--windows-disable-console：运行exe取消弹框。这里没有放上去是因为我们还需要调试，可能哪里还有问题之类的。

经过1min的编译之后，你就能在你的目录下看到：

├─utils//源码1文件夹├─src//源码2文件夹├─out//生成的exe文件夹 ├─demo.build └─demo.dist └─demo.exe//生成的exe文件├─logo.ico//demo的图标└─demo.py//main文件

当然这里你会发现真正运行exe的时候，会报错：no module named torch,cv2,tensorflow等等这些没有转成C++的第三方包。这里需要找到这些包（我的是在software\python3.7\Lib\site-packages下）复制（比如numpy,cv2这个文件夹）到demo.dist路径下。

至此，exe能完美运行啦！

加入知识星球【我们谈论数据科学】

提供100节专属Pandas数据分析视频教程

600+ 小伙伴一起学习！