直播视频软件哪个好,邵阳seo,浙江做网站的公司,wordpress 视频站模板下载我们知道Python是一门解释型语言#xff0c;项目运行时需要依赖Python解释器#xff0c;并且有时候需要安装项目中对应的三方依赖库。对于专业的Python开发者来说#xff0c;可以直接通过pip命令进行安装即可。但是如果是分发给其他的Windows用户#xff0c;特别是不熟悉Py…我们知道Python是一门解释型语言项目运行时需要依赖Python解释器并且有时候需要安装项目中对应的三方依赖库。对于专业的Python开发者来说可以直接通过pip命令进行安装即可。但是如果是分发给其他的Windows用户特别是不熟悉Python的人来说这样过于繁琐。因此最好的办法是连同Python解释器和Python项目打包在一起通过嵌入式一键整合包解决项目的分发问题。
本次我们以一键扒谱的项目为例子演示如何将项目直接打包为一键整合包方便其他用户运行使用。
嵌入式Python处理
首先克隆我们自己的项目
git clone https://github.com/v3ucn/YiJianBaPu.git正常流程是通过pip安装项目的依赖。
但现在我们不直接通过pip安装依赖而是通过嵌入式的安装包。
进入Python官方的下载页面
https://www.python.org/downloads/windows/下载Windows embeddable package (64-bit)安装包注意是embeddable版本的并不是传统安装包同时版本也需要和开发项目的Python版本吻合 随后将其解压到项目的根目录并且下载get-pip.py文件放入到刚刚解压的安装包内下载地址
https://bootstrap.pypa.io/get-pip.py放入之后的目录结构如下
D:\work\YiJianBaPu\python310tree /f
Folder PATH listing for volume 新加卷
Volume serial number is 9824-5798
D:. get-pip.py libcrypto-1_1.dll libffi-7.dll libssl-1_1.dll LICENSE.txt pyexpat.pyd python.cat python.exe python3.dll python310.dll python310.zip python310._pth pythonw.exe select.pyd sqlite3.dll unicodedata.pyd vcruntime140.dll vcruntime140_1.dll winsound.pyd _asyncio.pyd _bz2.pyd _ctypes.pyd _decimal.pyd _elementtree.pyd _hashlib.pyd _lzma.pyd _msi.pyd _multiprocessing.pyd _overlapped.pyd _queue.pyd _socket.pyd _sqlite3.pyd _ssl.pyd _uuid.pyd _zoneinfo.pyd随后在项目的根目录执行命令
.\python310\python.exe .\python310\get-pip.py
注意这里的python.exe并不是本地开发环境的Python而是嵌入式解释器的Python。
此时我们的目录中多出两个文件夹Lib和Scripts
D:\work\YiJianBaPu\python310tree
Folder PATH listing for volume 新加卷
Volume serial number is 9824-5798
D:.
├───Lib
│ └───site-packages
│ ├───pip
│ │ ├───_internal
│ │ │ ├───cli
│ │ │ │ └───__pycache__
│ │ │ ├───commands
│ │ │ │ └───__pycache__
│ │ │ ├───distributions
│ │ │ │ └───__pycache__
│ │ │ ├───index
│ │ │ │ └───__pycache__
│ │ │ ├───locations
│ │ │ │ └───__pycache__
│ │ │ ├───metadata
│ │ │ │ ├───importlib
│ │ │ │ │ └───__pycache__
│ │ │ │ └───__pycache__
│ │ │ ├───models
│ │ │ │ └───__pycache__
│ │ │ ├───network
│ │ │ │ └───__pycache__
│ │ │ ├───operations
│ │ │ │ ├───build
│ │ │ │ │ └───__pycache__
│ │ │ │ ├───install
│ │ │ │ │ └───__pycache__
│ │ │ │ └───__pycache__
│ │ │ ├───req
│ │ │ │ └───__pycache__
│ │ │ ├───resolution
│ │ │ │ ├───legacy
│ │ │ │ │ └───__pycache__
│ │ │ │ ├───resolvelib
│ │ │ │ │ └───__pycache__
│ │ │ │ └───__pycache__
│ │ │ ├───utils
│ │ │ │ └───__pycache__
│ │ │ ├───vcs
│ │ │ │ └───__pycache__
│ │ │ └───__pycache__
│ │ ├───_vendor
│ │ │ ├───cachecontrol
│ │ │ │ ├───caches
│ │ │ │ │ └───__pycache__
│ │ │ │ └───__pycache__
│ │ │ ├───certifi
│ │ │ │ └───__pycache__
│ │ │ ├───chardet
│ │ │ │ ├───cli
│ │ │ │ │ └───__pycache__
│ │ │ │ ├───metadata
│ │ │ │ │ └───__pycache__
│ │ │ │ └───__pycache__
│ │ │ ├───colorama
│ │ │ │ ├───tests
│ │ │ │ │ └───__pycache__
│ │ │ │ └───__pycache__
│ │ │ ├───distlib
│ │ │ │ └───__pycache__
│ │ │ ├───distro
│ │ │ │ └───__pycache__
│ │ │ ├───idna
│ │ │ │ └───__pycache__
│ │ │ ├───msgpack
│ │ │ │ └───__pycache__
│ │ │ ├───packaging
│ │ │ │ └───__pycache__
│ │ │ ├───pkg_resources
│ │ │ │ └───__pycache__
│ │ │ ├───platformdirs
│ │ │ │ └───__pycache__
│ │ │ ├───pygments
│ │ │ │ ├───filters
│ │ │ │ │ └───__pycache__
│ │ │ │ ├───formatters
│ │ │ │ │ └───__pycache__
│ │ │ │ ├───lexers
│ │ │ │ │ └───__pycache__
│ │ │ │ ├───styles
│ │ │ │ │ └───__pycache__
│ │ │ │ └───__pycache__
│ │ │ ├───pyparsing
│ │ │ │ ├───diagram
│ │ │ │ │ └───__pycache__
│ │ │ │ └───__pycache__
│ │ │ ├───pyproject_hooks
│ │ │ │ ├───_in_process
│ │ │ │ │ └───__pycache__
│ │ │ │ └───__pycache__
│ │ │ ├───requests
│ │ │ │ └───__pycache__
│ │ │ ├───resolvelib
│ │ │ │ ├───compat
│ │ │ │ │ └───__pycache__
│ │ │ │ └───__pycache__
│ │ │ ├───rich
│ │ │ │ └───__pycache__
│ │ │ ├───tenacity
│ │ │ │ └───__pycache__
│ │ │ ├───tomli
│ │ │ │ └───__pycache__
│ │ │ ├───truststore
│ │ │ │ └───__pycache__
│ │ │ ├───urllib3
│ │ │ │ ├───contrib
│ │ │ │ │ ├───_securetransport
│ │ │ │ │ │ └───__pycache__
│ │ │ │ │ └───__pycache__
│ │ │ │ ├───packages
│ │ │ │ │ ├───backports
│ │ │ │ │ │ └───__pycache__
│ │ │ │ │ └───__pycache__
│ │ │ │ ├───util
│ │ │ │ │ └───__pycache__
│ │ │ │ └───__pycache__
│ │ │ ├───webencodings
│ │ │ │ └───__pycache__
│ │ │ └───__pycache__
│ │ └───__pycache__
│ ├───pip-23.3.1.dist-info
│ ├───pkg_resources
│ │ ├───extern
│ │ │ └───__pycache__
│ │ ├───_vendor
│ │ │ ├───importlib_resources
│ │ │ │ └───__pycache__
│ │ │ ├───jaraco
│ │ │ │ ├───text
│ │ │ │ │ └───__pycache__
│ │ │ │ └───__pycache__
│ │ │ ├───more_itertools
│ │ │ │ └───__pycache__
│ │ │ ├───packaging
│ │ │ │ └───__pycache__
│ │ │ ├───platformdirs
│ │ │ │ └───__pycache__
│ │ │ └───__pycache__
│ │ └───__pycache__
│ ├───setuptools
│ │ ├───command
│ │ │ └───__pycache__
│ │ ├───config
│ │ │ ├───_validate_pyproject
│ │ │ │ └───__pycache__
│ │ │ └───__pycache__
│ │ ├───extern
│ │ │ └───__pycache__
│ │ ├───_distutils
│ │ │ ├───command
│ │ │ │ └───__pycache__
│ │ │ └───__pycache__
│ │ ├───_vendor
│ │ │ ├───importlib_metadata
│ │ │ │ └───__pycache__
│ │ │ ├───importlib_resources
│ │ │ │ └───__pycache__
│ │ │ ├───jaraco
│ │ │ │ ├───text
│ │ │ │ │ └───__pycache__
│ │ │ │ └───__pycache__
│ │ │ ├───more_itertools
│ │ │ │ └───__pycache__
│ │ │ ├───packaging
│ │ │ │ └───__pycache__
│ │ │ ├───tomli
│ │ │ │ └───__pycache__
│ │ │ └───__pycache__
│ │ └───__pycache__
│ ├───setuptools-68.2.2.dist-info
│ └───_distutils_hack
│ └───__pycache__
└───Scripts随后修改python310._pth文件将内容改成下面这样
python310.zip
. # Uncomment to run site.main() automatically
import site至此嵌入式解释器就配置好了。
嵌入式安装依赖
此后当我们需要安装依赖时必须用嵌入式的解释器进行安装
.\python310\python.exe -m pip install noisereduce -t E:\work\YiJianBaPu\python310\Lib\site-packages上面的命令展示如何嵌入式安装依赖库noisereduce。
这里需要注意的时解释器必须是嵌入式解释器.\python310\python.exe同时通过-t参数来指定三方库的位置也就是说必须安装到项目的目录中而不是系统的默认开发环境目录。
安装成功后我们必须可以在项目的目录下可以找到这个库
D:\work\YiJianBaPu\python310\Lib\site-packagestree
Folder PATH listing for volume 新加卷
Volume serial number is 9824-5798
D:.
├───noisereduce
│ ├───spectralgate
│ │ └───__pycache__
│ ├───torchgate
│ │ └───__pycache__
│ └───__pycache__如此依赖和解释器就紧密结合在一起了换台机器并不需要安装也可以直接启动。
一键启动
现在我们来编写一键启动脚本launch.bat文件
echo off
chcp 65001
echo 开始运行
call .\python310\python.exe -m spleeter separate -p spleeter:2stems -o ./output ./test.mp3
call .\python310\python.exe ./infer.py --model ./ckpt/model_ckpt_steps_104000_simplified.ckpt --wav ./output/test/vocals.wav
echo 处理完毕请按任意键
call pause这里chcp命令用来声明编码防止中文提示乱码。
call用来执行脚本注意解释器必须使用项目内置的嵌入式解释器.\python310\python.exe
随后双击执行脚本launch.bat程序返回
Active code page: 65001
开始运行
INFO:spleeter:File ./output\test/vocals.wav written succesfully
INFO:spleeter:File ./output\test/accompaniment.wav written succesfully
accumulate_grad_batches: 1, audio_sample_rate: 44100, binarization_args: {num_workers: 0, shuffle: True}, binarizer_cls: preprocessing.MIDIExtractionBinarizer, binary_data_dir: data/some_ds_fixmel_spk3_aug8/binary,
clip_grad_norm: 1, dataloader_prefetch_factor: 2, ddp_backend: nccl, ds_workers: 4, finetune_ckpt_path: None,
finetune_enabled: False, finetune_ignored_params: [], finetune_strict_shapes: True, fmax: 8000, fmin: 40,
freezing_enabled: False, frozen_params: [], hop_size: 512, log_interval: 100, lr_scheduler_args: {min_lr: 1e-05, scheduler_cls: lr_scheduler.scheduler.WarmupLR, warmup_steps: 5000},
max_batch_frames: 80000, max_batch_size: 8, max_updates: 10000000, max_val_batch_frames: 10000, max_val_batch_size: 1,
midi_extractor_args: {attention_drop: 0.1, attention_heads: 8, attention_heads_dim: 64, conv_drop: 0.1, dim: 512, ffn_latent_drop: 0.1, ffn_out_drop: 0.1, kernel_size: 31, lay: 8, use_lay_skip: True}, midi_max: 127, midi_min: 0, midi_num_bins: 128, midi_prob_deviation: 1.0,
midi_shift_proportion: 0.0, midi_shift_range: [-6, 6], model_cls: modules.model.Gmidi_conform.midi_conforms, num_ckpt_keep: 5, num_sanity_val_steps: 1,
num_valid_plots: 300, optimizer_args: {beta1: 0.9, beta2: 0.98, lr: 0.0001, optimizer_cls: torch.optim.AdamW, weight_decay: 0}, pe: rmvpe, pe_ckpt: pretrained/rmvpe/model.pt, permanent_ckpt_interval: 40000,
permanent_ckpt_start: 200000, pl_trainer_accelerator: auto, pl_trainer_devices: auto, pl_trainer_num_nodes: 1, pl_trainer_precision: 32-true,
pl_trainer_strategy: auto, raw_data_dir: [], rest_threshold: 0.1, sampler_frame_count_grid: 6, seed: 114514,
sort_by_len: True, task_cls: training.MIDIExtractionTask, test_prefixes: None, train_set_name: train, units_dim: 80,
units_encoder: mel, units_encoder_ckpt: pretrained/contentvec/checkpoint_best_legacy_500.pt, use_buond_loss: True, use_midi_loss: True, val_check_interval: 4000,
valid_set_name: valid, win_size: 2048
| load model from ckpt\model_ckpt_steps_104000_simplified.ckpt.
100%|████████████████████████████████████████████████████████████████████████████████████| 2/2 [00:0100:00, 1.88it/s]
处理完毕请按任意键
Press any key to continue . . .可以看到执行结果和传统终端执行的结果是一致的。
区别是使用者并不需要本地配置Python环境只需要下载项目的整合包即可。
结语
通过嵌入式打包可以把Python程序和解释器、依赖库一并打包分发给非专业用户由此就提高了这部分用户群体的使用体验最后奉上打包后的整合包以飨众乡亲
链接https://pan.baidu.com/s/1HN3LAusdtofwqtb4gnSwvQ?pwd72yq
