python3将python代码打包成exe文件的方法
本篇文章给大家分享的内容是python3将python代码打包成exe文件的方法,有需要的朋友可以参考一下
基本配置:
Anaconda 3 4.2.0(python3.5)
注意:
1、代码存放至全英文目录下;
2、电脑管家之类的安全软件暂时关闭(因为发布出来的exe文件属于可执行文件,电脑管家可能会认为发布出来的文件为病毒,自动删除)
具体操作步骤如下:
1、写好的python代码,存放至全英文的目录下:
import keras from keras.models import Sequential import numpy as np import pandas as pd from keras.layers import Dense import random import matplotlib.pyplot as plt from tensorflow.examples.tutorials.mnist import input_data from tkinter import filedialog import tkinter.messagebox #这个是消息框,对话框的关键 file_path = filedialog.askdirectory() mnist = input_data.read_data_sets(file_path, validation_size=0) #随机挑选其中一个手写数字并画图 num = random.randint(1, len(mnist.train.images)) img = mnist.train.images[num] plt.imshow(img.reshape((28, 28)), cmap='Greys_r') plt.show() x_train = mnist.train.images y_train = mnist.train.labels x_test = mnist.test.images y_test = mnist.test.labels #reshaping the x_train, y_train, x_test and y_test to conform to MLP input and output dimensions x_train = np.reshape(x_train, (x_train.shape[0], -1)) x_test = np.reshape(x_test, (x_test.shape[0], -1)) y_train = pd.get_dummies(y_train) y_test = pd.get_dummies(y_test) #performing one-hot encoding on target variables for train and test y_train=np.array(y_train) y_test=np.array(y_test) #defining model with one input layer[784 neurons], 1 hidden layer[784 neurons] with dropout rate 0.4 and 1 output layer [10 #neurons] model=Sequential() model.add(Dense(784, input_dim=784, activation='relu')) keras.layers.core.Dropout(rate=0.4) model.add(Dense(10,input_dim=784,activation='softmax')) # compiling model using adam optimiser and accuracy as metric model.compile(loss='categorical_crossentropy', optimizer="adam", metrics=['accuracy']) # fitting model and performing validation model.fit(x_train, y_train, epochs=20, batch_size=200, validation_data=(x_test, y_test)) y_test1 = pd.DataFrame(model.predict(x_test, batch_size=200)) y_pre = y_test1.idxmax(axis = 1) result = pd.DataFrame({'test': y_test, 'pre': y_pre}) tkinter.messagebox.showinfo('Message', 'Completed!')
2、通过命令行,按照pyinstaller
pip install pyinstaller
3、命令行打包文件
先切换路径至python代码所在目录,执行语句:
pyinstaller -F -w xxx.py
4、等待打包完成,会生成一个build文件夹和一个dist文件夹,exe可执行文件就在dist文件夹里,如果程序引用有资源,则要把资源文件放在这个exe正确的相对目录下。
5、运行exe文件。
有时运行文件会出错,此时需要拷贝下图所示的文件夹至exe文件所在目录
运行成功!
相关推荐:
Python打包文件夹的方法小结(zip,tar,tar.gz等)
以上是python3将python代码打包成exe文件的方法的详细内容。更多信息请关注PHP中文网其他相关文章!

热AI工具

Undresser.AI Undress
人工智能驱动的应用程序,用于创建逼真的裸体照片

AI Clothes Remover
用于从照片中去除衣服的在线人工智能工具。

Undress AI Tool
免费脱衣服图片

Clothoff.io
AI脱衣机

Video Face Swap
使用我们完全免费的人工智能换脸工具轻松在任何视频中换脸!

热门文章

热工具

记事本++7.3.1
好用且免费的代码编辑器

SublimeText3汉化版
中文版,非常好用

禅工作室 13.0.1
功能强大的PHP集成开发环境

Dreamweaver CS6
视觉化网页开发工具

SublimeText3 Mac版
神级代码编辑软件(SublimeText3)

PHP主要是过程式编程,但也支持面向对象编程(OOP);Python支持多种范式,包括OOP、函数式和过程式编程。PHP适合web开发,Python适用于多种应用,如数据分析和机器学习。

PHP适合网页开发和快速原型开发,Python适用于数据科学和机器学习。1.PHP用于动态网页开发,语法简单,适合快速开发。2.Python语法简洁,适用于多领域,库生态系统强大。

Python更适合初学者,学习曲线平缓,语法简洁;JavaScript适合前端开发,学习曲线较陡,语法灵活。1.Python语法直观,适用于数据科学和后端开发。2.JavaScript灵活,广泛用于前端和服务器端编程。

VS Code可以在Windows 8上运行,但体验可能不佳。首先确保系统已更新到最新补丁,然后下载与系统架构匹配的VS Code安装包,按照提示安装。安装后,注意某些扩展程序可能与Windows 8不兼容,需要寻找替代扩展或在虚拟机中使用更新的Windows系统。安装必要的扩展,检查是否正常工作。尽管VS Code在Windows 8上可行,但建议升级到更新的Windows系统以获得更好的开发体验和安全保障。

VS Code 可用于编写 Python,并提供许多功能,使其成为开发 Python 应用程序的理想工具。它允许用户:安装 Python 扩展,以获得代码补全、语法高亮和调试等功能。使用调试器逐步跟踪代码,查找和修复错误。集成 Git,进行版本控制。使用代码格式化工具,保持代码一致性。使用 Linting 工具,提前发现潜在问题。

PHP起源于1994年,由RasmusLerdorf开发,最初用于跟踪网站访问者,逐渐演变为服务器端脚本语言,广泛应用于网页开发。Python由GuidovanRossum于1980年代末开发,1991年首次发布,强调代码可读性和简洁性,适用于科学计算、数据分析等领域。

在 VS Code 中,可以通过以下步骤在终端运行程序:准备代码和打开集成终端确保代码目录与终端工作目录一致根据编程语言选择运行命令(如 Python 的 python your_file_name.py)检查是否成功运行并解决错误利用调试器提升调试效率

VS Code 扩展存在恶意风险,例如隐藏恶意代码、利用漏洞、伪装成合法扩展。识别恶意扩展的方法包括:检查发布者、阅读评论、检查代码、谨慎安装。安全措施还包括:安全意识、良好习惯、定期更新和杀毒软件。
