Heroku部署深度学习Flask应用成功但OpenCV报错导致应用错误求助

1. 修复libGL.so.1依赖缺失导致的cv2导入报错 #

报错核心原因是标准版本的opencv-python包含GUI相关组件，依赖系统的libGL图形库，而Heroku默认运行环境未预装该依赖。优先选择以下无侵入方案：

• 替换依赖包：将requirements.txt中的opencv-python替换为opencv-python-headless，该版本为服务器环境定制，剔除了所有GUI相关依赖，不会触发libGL缺失报错，同时可减少数十MB的依赖体积。
• 若必须使用标准版本opencv，可在项目根目录新增名为Aptfile的文件，写入以下内容：

libgl1-mesa-glx
libglib2.0-0

再运行命令heroku buildpacks:add --index 1 heroku-community/apt添加apt构建包，部署时会自动安装所需系统依赖。

2. 修复slug超出300MB软限制问题 #

深度学习依赖、模型文件是slug体积超标的核心原因，可通过以下方式逐层压缩：

• 精简依赖包：优先使用CPU版的深度学习框架，去掉CUDA相关冗余组件，可减少至少200MB的体积；移除requirements.txt中部署不需要的依赖，例如jupyter、matplotlib、本地调试工具等。
• 忽略冗余文件：在项目根目录新增.slugignore文件，将不需要部署的文件/目录加入列表，示例配置：

*.pyc
__pycache__
dataset/
train_logs/
test_images/
local_venv/
.git/

• 轻量化模型：将打包在项目内的模型文件转为量化、剪枝后的精简版本，可缩小50%以上的体积；也可将模型存储到第三方对象存储服务，应用启动时动态拉取，不将模型打入slug包。

验证流程 #

1. 本地测试修改依赖后的代码可正常运行，无导入报错
2. 提交所有修改后的配置文件到代码仓库
3. 重新触发Heroku部署，确认构建日志slug体积降至300MB以内，运行日志无进程崩溃报错即可正常访问应用

内容的提问来源于stack exchange，提问作者Adarsh Wase