PyInstaller打包PaddleOCR工具体积过大，如何优化？

一、定位不必要的大型依赖项 #

• 分析PyInstaller打包日志：执行打包命令时添加--log-level DEBUG参数，例如pyinstaller --log-level DEBUG your_script.py。日志会完整记录所有被打包的模块、文件路径及体积，重点关注几GB级的目录（如paddle、paddleocr下的冗余子文件夹），对比代码实际调用的功能，标记未使用的模块。
• 生成代码依赖树：使用pydeps工具（本地运行，无需联网）生成代码的依赖关系图，命令为pydeps your_script.py --output dot，可视化后可直观看到哪些依赖是代码未实际调用的，这些就是优先排除的对象。
• 检查打包后文件结构：在onedir模式下，打开生成的dist文件夹，按文件大小排序，定位体积最大的文件/目录。比如PaddleOCR默认会打包多个预训练模型，若仅用到其中一个，可直接删除未使用的模型文件后重新打包。

二、生成可靠的PyInstaller Spec文件 #

• 从默认Spec文件逐步优化：先通过pyinstaller your_script.py生成基础spec文件，不要直接使用AI生成的版本，手动修改以下部分：
  1. 排除冗余模块：在Analysis段的excludes参数中添加明确未使用的依赖。例如无需GPU支持时，排除paddle.fluid.core_avx、paddle.fluid.cuda等GPU相关模块；仅用文字识别功能时，排除paddleocr.tools.infer_det等检测模块。
  2. 补全缺失模块：运行打包后的程序，记录报错的缺失模块，逐个添加到hiddenimports列表，避免一次性批量添加导致冗余。
  3. 手动指定资源文件：通过datas参数仅打包所需的预训练模型，例如datas=[('path/to/your/used_model', 'paddleocr/ppocr/utils/')]，替代PyInstaller自动打包所有模型的行为。
• 2025年可用的辅助工具：
  • PyInstaller-Analyzer：可扫描代码实际调用的依赖，自动生成包含合理excludes和hiddenimports的初始spec文件，减少手动排查工作量。
  • PaddleOCR定制化Spec模板：社区针对PaddleOCR打包场景推出的开源模板，默认排除冗余模型与GPU依赖，可直接基于模板适配自身代码。

三、额外体积优化技巧 #

• 精简预训练模型：删除paddleocr/ppocr/utils/下未使用的检测、方向分类模型，或在代码中明确指定仅加载所需模型。
• 合理使用UPX压缩：UPX对PaddleOCR核心二进制文件（如.so、.dll）压缩可能导致运行错误，建议仅压缩非核心Python模块与资源文件。
• 使用干净虚拟环境：在仅安装代码必需依赖（如paddleocr、pyinstaller）的虚拟环境中打包，避免PyInstaller混入无关系统依赖。

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