PyInstaller打包后运行报错：无法导入GenerationMixin，求解决方案

问题根源 #

这个错误要么是transformers版本更新后，GenerationMixin的导入路径发生了变化，要么是PyInstaller打包时没把相关模块完整收集，还有可能是模型加载方式存在兼容性问题。

具体解决办法 #

1. 修正导入路径（针对版本变动） #

先确认你使用的transformers版本：

• 新版本的transformers中，GenerationMixin已经迁移到transformers.generation.utils路径下。如果代码里直接写了from transformers.generation import GenerationMixin，改成：

  from transformers.generation.utils import GenerationMixin
  

• 要是你通过模型类间接用到这个类，确认mT5模型是否用官方指定的MT5ForConditionalGeneration类加载，这个类的兼容性更强。

2. 让PyInstaller完整打包transformers模块 #

PyInstaller经常无法自动识别transformers的动态导入模块，需要手动指定：

• 在打包命令中添加--hidden-import参数，明确补充缺失的模块：

  pyinstaller --hidden-import=transformers.generation.utils --hidden-import=transformers.models.mt5 --hidden-import=transformers.models.mt5.modeling_mt5 --hidden-import=transformers.models.mt5.tokenization_mt5 你的脚本名.py
  

• 或者创建一个hook-transformers.py文件，内容如下：

  from PyInstaller.utils.hooks import collect_submodules
  
  hiddenimports = collect_submodules('transformers')
  

  然后打包时指定这个hook文件所在的目录：

  pyinstaller --additional-hooks-dir=. 你的脚本名.py
  

3. 更换更兼容的模型加载方式 #

用torch.load直接加载t5_summary.pt容易出现版本兼容问题，建议改用transformers官方的保存和加载方法：

• 微调完成后，用save_pretrained保存模型和分词器：

  model.save_pretrained("./fine_tuned_mt5")
  tokenizer.save_pretrained("./fine_tuned_mt5")
  

• 加载时用from_pretrained方法：

  from transformers import MT5ForConditionalGeneration, MT5Tokenizer
  tokenizer = MT5Tokenizer.from_pretrained("./fine_tuned_mt5")
  model = MT5ForConditionalGeneration.from_pretrained("./fine_tuned_mt5")
  

  这种方式能适配不同版本的transformers，还能避免模型格式不兼容的问题。

4. 锁定transformers版本 #

如果是版本不匹配导致的问题，把transformers版本固定为你微调模型时使用的版本，比如：

pip install transformers==4.30.2  # 替换成你训练时的具体版本号

然后重新打包，确保打包环境和训练环境的依赖版本完全一致。

内容的提问来源于stack exchange，提问作者Emir-Liu