python算法打包成接口供其他语言调用

1 普通python程序单机版:

1.1 pyinstaller进行打包

打包前先试试能不能跑通。因为要用到传参,
所以要用
import sys
sys.argv[1] 获取第一个参数
安照这个的第4种方法打包:
https://blog.csdn.net/qq_42063091/article/details/82418630
(1)先配置好,如果要接收参数,用sys.argv[1]接收参数
(2)在Anancnda Prompt中激活自己的环境
conda activate
(3)cd到要打包程序的目录
(4)使用pyinstaller进行打包,一般会成功
在这里插入图片描述
在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

可能会遇到问题:RecursionError: maximum recursion depth exceeded
https://blog.csdn.net/xiqi4145/article/details/103875917

import sys
sys.setrecursionlimit(1000000)

1.2 测试exe文件能不能用

参考下面3个文献:
https://blog.csdn.net/qq_42063091/article/details/82423221
https://bbs.csdn.net/topics/390649524

https://blog.csdn.net/weixin_42731241/article/details/94597447
(1)打开命令行
(2)cd 到exe所在目录
(3)命令行,文件名和参数,参数默认以空格分开

2 python算法打包成网页版:

https://www.zhihu.com/tardis/sogou/ans/1934417332

3 tensorflow打包

用cpu的,参考这个,不要用GPU版本的
http://www.10qianwan.com/articledetail/604917.html

https://blog.csdn.net/wubingwei12/article/details/85061752?utm_medium=distribute.pc_relevant.none-task-blog-2%7Edefault%7ECTRLIST%7Edefault-2.no_search_link&depth_1-utm_source=distribute.pc_relevant.none-task-blog-2%7Edefault%7ECTRLIST%7Edefault-2.no_search_link
https://blog.csdn.net/monk1992/article/details/97128360

3.1 重新建立一个环境

3.6的python环境

3.2 安装cpu版本的tensorflow

就这两步,按这个来,不要自己瞎弄,试了好多次都是错的,就这个是对的
在这里插入图片描述

3.3 安装其它依赖包

安装cv2,注意必须要把vpn关了,否则连不上服务器

pip install opencv-python

3.4 注意修改python文件中的路径

将读取文件名改成获取参数

# 原来的
input_images_path = input("请输入文件路径:")
begin_time = time.time()
im = gdal.Open(input_images_path)
# 打包时需要修改的
try:
    # 代码行
    path = str(sys.argv[1])
except Exception as err:
    # 捕捉异常
    input_images_path = "There is a problem with the path"
    print(input_images_path)
else:
    # 代码运行正常
    input_images_path = path
    
im = gdal.Open(input_images_path)

3.5 用pyinstaller 打包和前面流程一样

参考这个https://blog.csdn.net/qq_42063091/article/details/82418630
-F是打包成一个文件,也可以打包成多个文件
在这里插入图片描述

3.6 注意事项

(1)模型权重参数需要放到和exe同一文件夹下,否则运行的时候找不到这个文件就会报错。
(2)这里面的spec会import几个特殊的包,请大家注意hiddenimports字段。有时候运行会出错,提示没有什么模块,百度一下,一般是hiddenimports里面添加了这个模块后重新打包
(3)打包可能出现问题,更多情况是在运行的时候出现问题,慢慢解决就行了
(4)tensorflow一定要用CPU版本的
(5)训练文件可以用GPU环境,生成权重文件,因为训练文件最后不参与exe文件的执行,只有预测文件会在exe中参与执行,所以最后的运行文件一定要用cpu环境。当然为了怕出错,最好都在cpu环境下运行

cd H:\01HTutorWork\3GF2\3Code\dabao\dabao4\rs_unt_predict\dist

unet_predict_remote4cha.exe H:\01HTutorWork\3GF2\3Code\case\anli3_bn\bn7501_1.tif

import sys
sys.setrecursionlimit(1000000)

unet_predict_remote4cha.exe G:\anli5_bn\bn75_3.tif

参考文献

python脚本传递参数 - 考鸡蛋 - 博客园
https://www.cnblogs.com/lijunjiang2015/p/7689492.html

  • 2
    点赞
  • 30
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
鉴于您提的引用内容,将Yolov5打包库的过程可以按照以下步骤进行: 1. 创建动态链接库文件:根据中提的文档,您可以使用特定的方法将Yolov5源码封装动态链接库(DLL)的形式。这样可以方便其他平台调用该库文件。 2. Yolov5的改进和优化:Yolov5是对Yolov4的改进型,其在算法上做了一些优化,提高了检测性能和准确度。其中一个特点是权重文件非常小,适合在配置较低的移动设备上运行,并提高速度。针对Yolov5的最新版本(Version7),可以在中获取更多详细信息。 3. 参考代码和思路:在将Yolov5封装库的过程中,可以参考中提的代码和思路。这篇文章描述了将Yolov7的detect.py转换为API接口其他Python程序调用的方法。由于Yolov5和Yolov7的程序有些差异,您可能需要根据情况进行一些修改。 总之,将Yolov5打包库可以通过创建动态链接库文件,并参考适用的代码和思路来完。这样可以方便其他平台调用Yolov5检测功能的库文件。<span class="em">1</span><span class="em">2</span><span class="em">3</span> #### 引用[.reference_title] - *1* [Yolov5 动态链接库DLL导出(tensorrt版本——C++调用)](https://blog.csdn.net/yezlin/article/details/127687068)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v92^chatsearchT3_1"}}] [.reference_item style="max-width: 50%"] - *2* *3* [封装 YoloV5 detect.py Python 库以 python 程序使用](https://blog.csdn.net/qq_17790209/article/details/129094886)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v92^chatsearchT3_1"}}] [.reference_item style="max-width: 50%"] [ .reference_list ]

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

晓码bigdata

如果文章给您带来帮助,感谢打赏

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值