Tkinter程序IDE运行正常，PyInstaller打包为exe后多线程异常GUI卡顿

• 重复加载模型带来的IO开销：predictImage方法每次执行推理都会重新加载一次ONNX模型，模型加载属于重IO+重计算操作。PyInstaller打包后程序的资源读取效率远低于IDE原生Python环境，IDE下的文件系统缓存会掩盖这个问题，打包后每次加载模型都会阻塞全局解释器锁(GIL)，拉流、GUI渲染线程都会跟着卡住。
• 共享变量无锁竞争：VideoCapture类的self.frame、self.ret是拉流线程、GUI渲染线程、推理线程的公共共享变量，没有加线程锁就直接读写，多线程同时操作会引发内存访问冲突。PyInstaller打包后的线程调度逻辑和原生Python存在差异，会放大这个问题导致GUI完全冻结。
• CPU资源抢占：ONNX推理默认会占用全部CPU核心，没有做线程数限制的话会抢占拉流和GUI线程的CPU资源，导致画面卡顿。
• 单文件打包的额外开销：如果使用--onefile参数打包，程序每次启动都需要把全部资源解压到临时目录，读取模型、动态库的效率会进一步降低。

1. 全局只加载一次模型，避免重复IO
   把模型加载逻辑从predictImage方法移到类初始化阶段，程序启动时只加载一次，复用实例做推理：

# 类初始化方法中新增模型加载逻辑
def __init__(self, xmlDict=None, *args, **kwargs):
    # 原有初始化逻辑保留
    self.onnxModel = ImageModel.load(self.xmlDict['ModelPath'])

# 修改predictImage方法，移除重复加载逻辑
def predictImage(self, imageName):
    result = self.onnxModel.predict_from_file(imageName)
    return result

2. 给共享变量加线程锁，避免竞争
   在VideoCapture类中新增线程锁，所有读写self.frame、self.ret的位置都要加锁：

# VideoCapture类__init__方法中新增锁
def __init__(self, xmlDict=None, width=None, height=None, fps=None):
    # 原有初始化逻辑保留
    self.lock = threading.Lock()

# process方法中给帧赋值逻辑加锁
def process(self):
    while self.running:
        ret, frame = self.vid.read()
        if ret:
            frame = cv2.resize(frame, (self.width, self.height))
            if self.convert_pillow:
                frame = cv2.cvtColor(frame, cv2.COLOR_BGR2RGB)
                frame = PIL.Image.fromarray(frame)
        # 加锁赋值共享变量
        with self.lock:
            self.ret = ret
            self.frame = frame
        # 恢复拉流频率控制，减少不必要的CPU占用
        time.sleep(1 / self.fps)

# 新增线程安全的读帧方法，外部所有读取帧的逻辑都调用这个方法
def get_frame(self):
    with self.lock:
        if self.ret:
            # 返回副本避免外部修改原始帧
            return True, self.frame.copy()
        return False, None

3. 限制推理线程数，避免CPU占用过高
   如果你的ImageModel底层使用ONNXRuntime推理，加载模型前设置线程数，限制推理占用的CPU核心数：

import onnxruntime as ort
# 全局设置推理线程数，可根据CPU核心数调整，一般设为2-4即可
sess_opt = ort.SessionOptions()
sess_opt.intra_op_num_threads = 2
sess_opt.inter_op_num_threads = 2
ort.set_default_session_options(sess_opt)

# 再执行模型加载
self.onnxModel = ImageModel.load(self.xmlDict['ModelPath'])

4. 调整PyInstaller打包参数

• 优先使用--onedir参数打包成目录形式，比单文件打包IO效率高30%以上
• 如果必须用--onefile单文件打包，不要把模型文件打包进exe内部，将模型放在exe同目录下作为外部资源读取，避免走打包后的虚拟文件系统
• 打包时添加--noconsole参数（GUI程序），避免控制台输出占用额外资源

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