生产中的最小（轻量版）PyTorch 和 Numpy 包答案

【问题标题】：Minimal (light version) PyTorch and Numpy packages in production生产中的最小（轻量版）PyTorch 和 Numpy 包
【发布时间】：2020-08-11 06:52:12
【问题描述】：

我正在将一个模型投入生产，我需要事先通过 VeraCode Scan 扫描所有依赖项（Pytorch 和 Numpy）。

我注意到大部分缺陷来自 Pytorch 和 numpy 中的测试脚本和 caffe2 模块。

有什么方法可以只构建/安装我在应用程序中使用的这些包的一部分吗？（例如，我不会在应用程序中使用 testing 和 caffe2，所以我的 PyTorch / Numpy 源代码中不需要它们）

【问题讨论】：

【解决方案1】：

1。 PyInstaller

您可以使用pyinstaller 打包您的应用程序。此工具使用 Python 和依赖项打包您的应用程序，并仅使用您需要的部分（简化，实际上很难准确跟踪您的包，因此还会捆绑其他一些东西）。

此外，您可能会遇到一些怪癖和变通方法，以使其与 pytorch 和 numpy 一起工作，因为这些依赖关系非常重（尤其是 pytorch）。

numpy 和 pytorch 在功能方面非常相似（因为 PyTorch 试图与之兼容）因此也许你只能使用它们，这将进一步简化整个事情

根据您应用程序的其他部分，您可以使用 PyTorch's C++ frontend 在 C++ 中编写它（至少是神经网络），它自 1.5.0 发布以来是稳定的。

走这条路将允许您静态编译 PyTorch 的 .cpp 源代码（因此所有依赖项都链接），这允许您使用相对较小的二进制大小（与 PyTorch 的 1GB+ 相比，30Mb），但需要很多工作的。

【讨论】：

感谢@Szymon 的出色回应！看起来 PyInstaller 与 FastAPI 有一些问题。它适用于 Flask，但使用 FastAPI 时出现错误。我在这里发布另一个问题：stackoverflow.com/questions/61491358/…，如果您能看一下，我将不胜感激。