如何将使用Kivy与Tensorflow的Python脚本打包为.exe文件？

我之前也踩过Kivy+TensorFlow打包的各种坑，折腾了PyInstaller和cx_Freeze才找到靠谱的配置方法，下面这套流程亲测能顺利打包你提到的图像识别Kivy应用：

一、优先推荐：PyInstaller 正确配置方案 #

PyInstaller其实是打包这类应用最稳定的工具之一，你之前遇到的pywrap_tensorflow导入错误，本质是PyInstaller没自动收集全TensorFlow的深层依赖，不是单纯加路径就能解决的。按以下步骤操作：

1. 生成PyInstaller配置文件
   先别直接打包，先生成可编辑的spec文件：

   pyi-makespec --onefile main.py
   

   这会在当前目录生成main.spec，我们要修改这个文件补全依赖配置。

2. 修改spec文件的核心配置
   打开main.spec，找到Analysis部分，替换成以下内容：

   a = Analysis(
       ['main.py'],
       pathex=['venv\\Lib\\site-packages', 'venv\\Lib\\site-packages\\tensorflow_core'],
       binaries=[],
       datas=[
           ('venv\\Lib\\site-packages\\kivy\\data', 'kivy\\data'),
           ('venv\\Lib\\site-packages\\kivy\\fonts', 'kivy\\fonts'),
           ('venv\\Lib\\site-packages\\kivy\\images', 'kivy\\images')
       ],
       hiddenimports=['tensorflow_core', 'tensorflow_core.python', 'tensorflow_core._api.v2', 'kivy.weakmethod', 'kivy.uix.behaviors'],
       hookspath=[],
       hooksconfig={},
       runtime_hooks=[],
       excludes=['tensorflow.python.tests', 'tensorflow.tools', 'tensorflow.examples'],
       win_no_prefer_redirects=False,
       win_private_assemblies=False,
       cipher=None,
       noarchive=False,
   )
   

   重点说明：

   • hiddenimports：手动补上PyInstaller自动漏掉的模块，包括TensorFlow的核心子模块和Kivy的weakmethod（就是你用cx_Freeze时遇到的缺失模块）
   • pathex：明确指向虚拟环境的依赖目录，确保TensorFlow的所有底层文件都能被扫描到
   • datas：打包Kivy的资源文件（字体、图片、数据），否则运行exe时会报资源缺失
   • excludes：排除TensorFlow的测试、工具、示例模块，既减少打包体积，又避免不必要的依赖冲突

3. 用修改后的spec文件打包
   执行命令：

   pyinstaller main.spec
   

   打包完成后，dist文件夹里的main.exe就是可以直接运行的程序。

二、cx_Freeze 修正方案（备选） #

如果你更习惯用cx_Freeze，只需要修改setup.py来补全Kivy和TensorFlow的依赖：

1. 修正后的setup.py代码

   import sys
   from cx_Freeze import setup, Executable
   
   # 手动指定需要包含的模块，补上Kivy和TensorFlow的缺失依赖
   includes = ['kivy.weakmethod', 'kivy.uix.behaviors', 'tensorflow_core', 'tensorflow_core.python']
   # 排除TensorFlow的冗余模块，缩小包体积
   excludes = ['tensorflow.python.tests', 'tensorflow.tools']
   # 添加Kivy的资源文件，否则运行时会找不到字体、图片
   include_files = [
       ('venv\\Lib\\site-packages\\kivy\\data', 'kivy\\data'),
       ('venv\\Lib\\site-packages\\kivy\\fonts', 'kivy\\fonts'),
       ('venv\\Lib\\site-packages\\kivy\\images', 'kivy\\images')
   ]
   
   # Windows下指定GUI模式，避免运行exe时弹出控制台窗口
   base = None
   if sys.platform == 'win32':
       base = 'Win32GUI'
   
   executables = [Executable("main.py", base=base)]
   
   setup(
       name="main",
       version="0.1",
       description="TensorFlow Image Recognition Kivy App",
       includes=includes,
       excludes=excludes,
       include_files=include_files,
       executables=executables
   )
   

2. 执行打包命令

   python setup.py build
   

   打包完成后，build目录下的子文件夹里会有可执行文件和对应的依赖库。

三、通用避坑指南 #

• 用干净的虚拟环境：一定要在独立的虚拟环境中安装Kivy和TensorFlow，避免全局环境的依赖版本冲突，导致打包失败
• 版本匹配很重要：建议使用Kivy 2.x和TensorFlow 2.x的稳定版本，比如Kivy 2.1.0 + TensorFlow 2.10.0，太新的版本可能存在打包工具兼容问题
• 先跑通脚本再打包：打包前务必确保main.py在虚拟环境中能正常运行，排除代码本身的错误，再进行打包操作

内容的提问来源于stack exchange，提问作者Sasandra30