|
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
复制代码 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/
复制代码 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
复制代码 放入之后的目录结构如下:- D:\work\YiJianBaPu\python310>tree /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
复制代码 随后在项目的根目录执行命令:- .\python310\python.exe .\python310\get-pip.py
复制代码 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: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
复制代码 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
复制代码 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-packages>tree
- Folder PATH listing for volume 新加卷
- Volume serial number is 9824-5798
- D:.
- ├───noisereduce
- │ ├───spectralgate
- │ │ └───__pycache__
- │ ├───torchgate
- │ │ └───__pycache__
- │ └───__pycache__
复制代码 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
复制代码 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:
[code]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 [00:01 |
本帖子中包含更多资源
您需要 登录 才可以下载或查看,没有账号?立即注册
x
|