前提概要
最近的暑期课程需要实现一个人脸检测，并做成有图形用户界面的软件，和队友商量后，决定我将核心部件——人脸检测封装成一个命令行工具。于是乎，我就有了将PyTorch项目打包成可执行文件的应用需求，关于Python打包，常用的工具包有Pyinstaller和Nuitka。由于Nuitka给我感觉更佳，于是乎，这篇文章就探讨如何将比较大的PyTorch项目打包成可执行文件。
当然，pytorch本身提供了一套成熟的部署方案，但是最近没时间去学
Nuitka的安装
具体安装过程可以看看这篇文章：Python打包exe的王炸-Nuitka 。
安装完后，打开命令行，输入：
$nuitka -h
如果可以跳出nuitka的相关参数信息，那就说明安装成功了。
打包PyTorch项目
前排提示，请确保你的numpy的版本为1.16.*，否则，最终的软件会报错：
ImportError: numpy.core.multiarray failed to import
为了一些不必要的麻烦，你可以通过脚本将项目缩成一个文件，在确保这单个Python文件可以运行后，开始我们的打包过程，我的人脸检测文件名为F_Detection.py。由于nuitka的参数比较多，所以我打算通过Python脚本来运行nuitka，我们在同目录下新建一个文件build.py，内容如下：
import os
def __main(main : str):
parameters = [
'--mingw64', # 使用gcc编译器来编译得到的C和C++源文件
'--standalone', # 构建独立软件，也就是将于系统有关的运行库和Python运行时打包
'--show-progress', # 展示打包过程
'--show-memory', # 打印打包时的内存占用
'--nofollow-imports', # 不打包import语句导入的包（因为nuitka自动导入的库有问题，后面我们会手动导入，这样成功率更高）
'--plugin-enable=pylint-warnings',
'--output-dir=dist' # 存放构建结果的文件夹
]
param_str = " ".join(parameters)
command = "nuitka {} {}".format(param_str, main)
os.system(command)
__main("F_Detection.py")
运行该文件，打包过程就会开始。打包过程中，控制台截图如下。
10秒之内就能打包完成。打开存放构建结果的dist文件夹，内容如下：
其中的F_Detection.dist就是最终的结果，完成后面的操作后，F_Detection.dist就是一个独立的软件包了。而F_Detection.build中则存放了构建过程中python转成的C源文件，你可以删掉。下面我们通过trial and error的方法来补充软件包缺失的第三方库依赖。
我们在./dist/F_Detection.dist下打开命令行，输入.\F_Detection：
提示缺少pywin32_bootstrap，打开我们的Python解释器的目录，也就是这个：
找到了吗？然后我们去找这个依赖，打开./Lib/site-packages，你所有安装的第三方库的Python源码都在这个文件夹下，这也是我们在补充构建软件的第三方库是频繁光顾的地方，请记住它的位置。
然后找到./win32/lib/pywin32_bootstrap.py，把它复制粘贴到F_Detection.dist中。然后继续：
发现这次是torch缺了，那么我们就去site-packages里把torch搬过来：
我们继续试图运行：
一样的，将你的版本为1.1.6.*的numpy包从site-packages拷贝到软件包中。继续：
原来是少了typing_extensions.py，这是python3.7的新特性，我还是加一下吧，这个文件就在site-packages中，拷贝之。继续尝试：
拷贝cv2，继续：
pytorch的模型文件没有加进来，拷贝一下model.pth到软件包中，继续：
成功了，程序成功返回了bounding box。将F_Detection.dist改个名字（如果你愿意），那么一个可以在Windows操作系统上分发的软件包就制作完成啦。
总结
不要太相信Nuitka的自动打包参数（PyQt5的还可以的），试了一些以后发现，最稳妥的打包方式就是用最基础的打包参数（记住一定要加入--nofollow-imports参数）打包后，自己手动搬运第三方库以及第三方依赖（比如图片，模型文件，数据库文件）