Pyinstaller打包未使用tensorflow却报hidden import未找到如何处理

问题原因 #

该问题确实是你引入的第三方依赖库内部调用TensorFlow导致的。
多数数据科学类库会将TensorFlow设为可选依赖，代码中通常用try: import tensorflow + except ImportError的兼容逻辑实现：运行时如果环境没有装TensorFlow就走备用实现，完全不影响功能。但PyInstaller的静态导入扫描机制会识别到所有写在代码里的导入语句，不管运行时是否真的会执行，因此会弹出大量TensorFlow模块未找到的警告。
你提到的sklearn、nltk、gensim三个库均存在这类可选TensorFlow导入的实现：比如gensim的部分深度学习相关的词向量模块、sklearn的可选神经网络扩展、nltk的预训练深度学习模型封装都有相关逻辑。

定位具体调用位置的方法 #

• 方法1：使用Python导入日志过滤
  运行脚本时开启导入调试模式，直接过滤TensorFlow相关导入记录即可看到触发导入的上层文件：

python -v 你的脚本文件名.py 2>&1 | grep tensorflow

• 方法2：扫描依赖库源码中的导入语句
  直接在Python环境的第三方库安装目录（site-packages）下，搜索包含TensorFlow导入的代码文件：

# Linux/macOS 环境执行
grep -r "import tensorflow" 你的Python环境路径/lib/python3.x/site-packages/{sklearn,nltk,gensim}

# Windows PowerShell 环境执行
Get-ChildItem -Path "你的Python环境路径\Lib\site-packages" -Recurse -Include *.py | Select-String -Pattern "import tensorflow"

• 方法3：使用PyInstaller的导入调试日志
  给PyInstaller打包命令增加--debug=imports参数，打包过程会输出所有导入的扫描链路，搜索TensorFlow相关条目就能看到触发扫描的依赖模块。

冗余警告解决方法 #

如果你确认脚本运行全程不会用到TensorFlow相关功能，这些警告本身不会影响最终打包程序的运行，可以直接忽略。如果需要消除警告，可以在PyInstaller的spec配置文件中，将TensorFlow相关模块全部加入排除列表：

a = Analysis(
    # 原有配置保持不变
    excludes=['tensorflow', 'tensorflow.*'],
    # 原有配置保持不变
)

内容的提问来源于stack exchange，提问作者Cindy