### 如何使用 PyInstaller 打包自定义训练的 YOLO 模型 #### 使用 PyInstaller 的基本流程 PyInstaller 是一种用于将 Python 脚本打包成独立可执行文件的强大工具。对于需要将自定义训练的 YOLO 模型与其他资源一起打包的情况，可以通过调整 `.spec` 文件来实现完整的功能支持。 以下是关于如何使用 PyInstaller 将自定义训练的 YOLO 模型打包的具体说明： 1. **准备环境** 确保安装了必要的依赖项以及 PyInstaller 工具。如果尚未安装 PyInstaller，可通过以下命令完成安装： ```bash pip install pyinstaller ``` 2. **创建初始 spec 文件** 运行以下命令生成默认的 `.spec` 文件： ```bash pyinstaller your_script.py ``` 默认情况下，这会生成 `your_script.spec` 文件，并将其存储在当前工作目录中[^3]。 3. **修改 spec 文件以包含模型和其他资源** 如果您的脚本依赖于外部文件（如 ONNX 或 PT 格式的模型文件），则需要手动编辑 `.spec` 文件中的 `datas` 字段。例如： ```python a = Analysis(['your_script.py'], pathex=['.'], binaries=[], datas=[('path/to/your_model.onnx', '.')], # 添加模型路径 hiddenimports=[], hookspath=[], runtime_hooks=[], excludes=[]) ``` 上述代码片段表示将 `path/to/your_model.onnx` 复制到最终的可执行文件根目录下[^2]。 4. **重新构建可执行文件** 修改完成后，通过以下命令重新构建可执行文件： ```bash pyinstaller your_script.spec ``` 构建过程结束后，您可以在指定的输出目录中找到已打包的 EXE 文件及其关联资源。 5. **测试与调试** 测试生成的 EXE 文件是否能够正常加载模型并运行推理任务。如果遇到任何错误，请检查日志输出或返回至 `.spec` 文件进一步调整配置参数。 #### 示例代码展示 假设我们有一个名为 `yolo_inference.py` 的脚本，其主要逻辑如下所示： ```python import onnxruntime as ort import numpy as np def load_model(model_path): session = ort.InferenceSession(model_path) return session if __name__ == "__main__": model_path = "./model.onnx" session = load_model(model_path) input_data = np.random.rand(1, 3, 640, 640).astype(np.float32) outputs = session.run(None, {"input": input_data}) print(outputs) ``` 要将该脚本连同 `model.onnx` 一同打包，则按照前述方法操作即可。 --- ###