windows10使用cuda11搭建pytorch深度学习框架——vscode配置pyqt5+简单制作页面+打包全过程

这里记录一下想要将我们的深度学习代码封装
如何在windows上实现

由于我比较习惯python
所以相对于qt师兄给我们推荐了pyqt以及pyinstaller
这两个一个做页面
一个来封装代码
所以这里记录一下学习过程

先来安装 看如何在vscode里使用pyqt
查看这篇博文

然后具体操作的步骤可以查看这个博客
各种步骤可以跟着学习

把程序终端输出的内容输出到我设计的GUI界面

我参考了这篇博客
这篇博客的方法超级简单

首先需要在编译生成的GUI界面加上这段代码

def printf(self, mes):            
	self.output.append(mes)  # 在指定的区域显示提示信息            
	self.cursot = self.output.textCursor()            
	self.textBrowser.moveCursor(self.cursot.End)            
	QtWidgets.QApplication.processEvents()

然后在主程序里调用就可以了

Ui_MainWindow.printf(self,str(i/10)+'     %.2f'%(time()-tic))

但是需要注意数据必须都是str格式的
否则会报错

把程序错误内容输出到我设计的GUI界面

主要参考了这篇博客

主要是添加了这几部分代码
首先是外面的函数

def exceptOutConfig(exctype, value, tb):    
	print('My Error Information:')    
	print('Type:', exctype)    
	print('Value:', value)    
	print('Traceback:', tb)
class EmittingStr(QtCore.QObject):    
	textWritten = QtCore.pyqtSignal(str)  # 定义一个发送str的信号
  
	def write(self, text):        
		self.textWritten.emit(str(text))

然后是在主类中

	sys.stdout = EmittingStr(textWritten=self.outputWritten)        
	sys.stderr = EmittingStr(textWritten=self.outputWritten)
   def outputWritten(self, text):        
    	cursor = self.output.textCursor()        
    	cursor.movePosition(QtGui.QTextCursor.End)       
    	cursor.insertText(text)        
    	self.output.setTextCursor(cursor)        
    	self.output.ensureCursorVisible()

最后是if _name_中

if __name__ == "__main__":    
	sys.excepthook = exceptOutConfig    
	app = QApplication(sys.argv)    
	myWin = MyMainWindow()    
	myWin.show()    
	sys.exit(app.exec_())    

就会有报错信息啦

为按钮添加悬停变化

这里我主要参考了这篇博客
讲的非常详细
直接看就好啦
对我来说
就是为每一个控件添加了下面的代码

pyinstaller 封装成exe文件

封装可以直接搜索就有啦
只是我的程序比较大 要稍微多等等
有了exe文件之后报错

这篇博客可以解决

ImportError: ERROR: recursion is detected during loading of “cv2” binary extensions. Check OpenCV installation.

我是参考了这篇博客
卸载重装了opencv-python更换成了4.5的版本
就可以运行啦

虽然成功运行啦
但是还是有运行速度慢，exe太大了的问题

运行速度太慢，程序太大

如何解决这个问题
目前参考了这篇文章

因此我总结一下我的方法
首先是使用下面的语句进行打包

pyinstaller -D -w act_deepl.py

这样生成的虽然不是一个exe文件，但启动速度非常快，包的大小为4.9G

pyinstaller -F -w act_deepl.py

这样生成的是一个exe文件，但是启动速度超级慢，包的大小是2.5G
这俩有利有弊吧

然后尝试使用Enigma Virtual Box打包exe
但是失败了
这个软件出来的包无法在电脑上运行
不知道为什么

所以最可靠的方法就只有新建一个虚拟环境
只安装我们需要的包然后打包最后删除该虚拟环境了
无法避免生成一个大包了

打包总结

打开anaconda的prompt
激活安装了pyinstall的虚拟环境

conda activate torch

进入打包的程序路径

cd C:\Users\Administrator\Desktop\Deepl

开始打包成一个文件夹

pyinstaller -D -w act_deepl.py