本篇文章給大家分享的內容是python3將python程式碼打包成exe檔的方法,有需要的朋友可以參考一下
基本配置:
# #Anaconda 3 4.2.0(python3.5)注意:
1、程式碼存放至全英文目錄下;2、電腦管家之類的安全軟體暫時關閉(因為發佈出來的exe文件屬於可執行文件,電腦管家可能會認為發佈出來的文件為病毒,自動刪除)具體操作步驟如下:
1、寫好的python程式碼,存放至全英文的目錄下: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、透過命令列,依照pyinstallerpip install pyinstaller3、命令列打包檔案
先切換路徑至python程式碼所在目錄,執行語句:#pyinstaller -F -w xxx.py4、
等待打包完成,會產生一個build資料夾和一個dist資料夾,exe可執行檔就在dist資料夾裡,如果程式引用有資源,則要把資源檔案放在這個exe正確的相對目錄下。
5、執行exe檔。
有時執行檔會出錯,此時需要拷貝下圖所示的資料夾到exe檔所在目錄
運行成功!
相關推薦:Python打包資料夾的方法小結(zip,tar,tar.gz等)
以上是python3將python程式碼打包成exe檔的方法的詳細內容。更多資訊請關注PHP中文網其他相關文章!

Python适合数据科学、Web开发和自动化任务,而C 适用于系统编程、游戏开发和嵌入式系统。Python以简洁和强大的生态系统著称,C 则以高性能和底层控制能力闻名。

2小時內可以學會Python的基本編程概念和技能。 1.學習變量和數據類型,2.掌握控制流(條件語句和循環),3.理解函數的定義和使用,4.通過簡單示例和代碼片段快速上手Python編程。

Python在web開發、數據科學、機器學習、自動化和腳本編寫等領域有廣泛應用。 1)在web開發中,Django和Flask框架簡化了開發過程。 2)數據科學和機器學習領域,NumPy、Pandas、Scikit-learn和TensorFlow庫提供了強大支持。 3)自動化和腳本編寫方面,Python適用於自動化測試和系統管理等任務。

兩小時內可以學到Python的基礎知識。 1.學習變量和數據類型,2.掌握控制結構如if語句和循環,3.了解函數的定義和使用。這些將幫助你開始編寫簡單的Python程序。

如何在10小時內教計算機小白編程基礎?如果你只有10個小時來教計算機小白一些編程知識,你會選擇教些什麼�...

使用FiddlerEverywhere進行中間人讀取時如何避免被檢測到當你使用FiddlerEverywhere...

Python3.6環境下加載Pickle文件報錯:ModuleNotFoundError:Nomodulenamed...

如何解決jieba分詞在景區評論分析中的問題?當我們在進行景區評論分析時,往往會使用jieba分詞工具來處理文�...


熱AI工具

Undresser.AI Undress
人工智慧驅動的應用程序,用於創建逼真的裸體照片

AI Clothes Remover
用於從照片中去除衣服的線上人工智慧工具。

Undress AI Tool
免費脫衣圖片

Clothoff.io
AI脫衣器

AI Hentai Generator
免費產生 AI 無盡。

熱門文章

熱工具

EditPlus 中文破解版
體積小,語法高亮,不支援程式碼提示功能

記事本++7.3.1
好用且免費的程式碼編輯器

SecLists
SecLists是最終安全測試人員的伙伴。它是一個包含各種類型清單的集合,這些清單在安全評估過程中經常使用,而且都在一個地方。 SecLists透過方便地提供安全測試人員可能需要的所有列表,幫助提高安全測試的效率和生產力。清單類型包括使用者名稱、密碼、URL、模糊測試有效載荷、敏感資料模式、Web shell等等。測試人員只需將此儲存庫拉到新的測試機上,他就可以存取所需的每種類型的清單。

MinGW - Minimalist GNU for Windows
這個專案正在遷移到osdn.net/projects/mingw的過程中,你可以繼續在那裡關注我們。 MinGW:GNU編譯器集合(GCC)的本機Windows移植版本,可自由分發的導入函式庫和用於建置本機Windows應用程式的頭檔;包括對MSVC執行時間的擴展,以支援C99功能。 MinGW的所有軟體都可以在64位元Windows平台上運作。

ZendStudio 13.5.1 Mac
強大的PHP整合開發環境