部署深度学习APP的经历
最近，接到一个部署深度学习APP的需求，这个APP使用torch、monai和pydicom等库构建了一个识别CT图像中皮下脂肪、内脏脂肪和骨骼肌，输入是CT图像，输出是识别的图像和相关数据。接手的时候，核心的算法已经制作完成，仅是需要我构建GUI并将其部署到某种途径上，实现其应用。
一、Docker
背景知识：
Docker是一种容器化技术，其中最核心的概念是Docker镜像（Docker image）和Docker容器（Docker container）。Docker镜像是一个只读的模板，它包括了软件运行所需要的所有文件和配置。可以把Docker镜像理解为一个“应用程序的代码库”，它可以被用来创建多个Docker容器。Docker镜像使用“分层”的方式构建，每个分层都是一个文件系统的修改，因此Docker镜像的构建和推送可以大大加速。Docker容器是Docker镜像的运行实例，也就是容器化的应用程序。每个Docker容器包含了一个完整的运行时环境，包括应用程序、运行时库、系统工具和系统环境变量等。Docker容器可以被创建、启动、停止、删除等，它的生命周期跟随着应用程序的需要而改变。Docker容器中的文件系统是“可写”的，所以应用程序可以在容器内进行修改和保存数据。总的来说，Docker镜像是应用程序的静态部分，而Docker容器是应用程序的动态部分。Docker镜像可以被共享、推送、拉取，而Docker容器是可以运行、停止和删除的。
Docker 的分享应该不是问题，但是用户的机器上需要安装docker等支持软件，还是比软件复杂一些。
部署过程：
1.使用的是pysimplegui 来构建的用户界面。输入是图片的路径，输出是标记的图片和计算的指标（数字）。
2. 安装并设置X11 图形服务器，windows的是xming和VcXsrv，后者是免费的，下载安装即可，设置上情况保持默认即可，有一个需要注意的地方是需要勾选“Disable access control”，允许其他软件连接。
3. 安装docker并制作image：撰写Dockerfile （没有后缀），requirements.txt 将需要安装的python库都安装到里面, 然后就能打包。
4. 运行image，运行的时候需要额外的参数，以便使docker 于X11连接，实现图形显示。
部署结果：
软件可以运行，中文显示为乱码，尺寸较大8G，运行流畅。
顺利程度：
非常顺利
二、streamlit cloud
背景知识：
Streamlit是一个基于Python的开源框架，可以帮助数据科学家快速地搭建数据应用程序。Streamlit不需要编写HTML、CSS或JavaScript，因为它提供了一个Python库，可以让用户通过编写Python代码来构建数据应用程序。Streamlit还提供了一个简单易用的Web界面，可以让数据科学家直接在浏览器中查看和使用他们的应用程序。
Streamlit可以用于快速原型设计或生成交互式仪表板。它的特点是易于学习、易于使用、快速调试和交互式应用开发。Streamlit的应用范围非常广泛，可以用于构建数据分析、机器学习、自然语言处理、计算机视觉等各种类型的应用程序。
部署过程
对照官网的说明文档，建立github文件夹，添加requirements.txt写明需要导入的库，因为之前有一些基础（曾经部署过一个简单的APP），几乎没有遇见什么问题，编译过程也非常快，期间落了一个itk库，仅修改了requirements.txt，重新打开APP即可，最终成功在本地运行并部署到streamlit cloud上。
部署结果
运行速度可以，编译迅速，容易维护修改，也便于传播。
顺利程度
非常顺利
三、打包成本地运行的软件
1. pyinstaller
背景知识
PyInstaller是一个用于将Python应用程序打包成单个可执行文件的工具。它可以自动检测应用程序所依赖的库和模块，并将它们全部打包进可执行文件中，从而使得应用程序在不同的机器上运行时不需要再安装依赖项。PyInstaller支持Windows、Linux和Mac OS X等平台，并支持各种Python版本（包括Python 2和Python 3）。
使用PyInstaller可以轻松地将Python编写的应用程序打包成单个可执行文件，这使得应用程序的部署和分发变得更加方便。另外，PyInstaller还支持各种高级功能，如加密、压缩、自定义图标、自定义启动脚本等。因此，在开发和分发Python应用程序时，PyInstaller是一个非常有用的工具。
部署过程
pyinstaller 是最先接触的一个python打包软件，之前也有过成功打包的经验。使用conda新建立一个新的虚拟环境，安装必要的库并保证程序在本地可运行。打包。
部署结果
打包过程虽然可以完成，但是库导入的问题，软件不能启动，连个影都没有，可以通过concole来观察哪里报错，编译时间较长，最后遇到一个不能解决的问题。
顺利程度
未完成，已经放弃
2. nuitka
背景知识
Nuitka是一种用于Python的优化编译器，它将Python代码转换为本地C代码，并通过C编译器将其编译为本地可执行文件。这使得Python程序的性能得到大幅提升，通常可以比原始Python代码快3到5倍。而且，由于生成的代码是本地C语言，因此它可以与任何C/C++库集成，并且可以通过静态链接或动态链接库的方式进行部署。
除了增强Python程序的性能和可扩展性之外，Nuitka还提供了对Python 2.6，2.7，3.2，3.3，3.4，3.5，3.6，3.7和3.8的完全支持。此外，它还支持Python的标准库和第三方库，可以与其它Python工具和框架无缝集成，如Django，Flask，NumPy等。由于其高性能和易用性，Nuitka正成为越来越多Python开发者的选择。
部署过程
类似于pyinstaller，命令行中几个需要注意添加的参数， 导入外部文件的命令，像图片，模型，自己编写的库（.py）；导入某些库的命令，可以根据错误提示进行； tk-inter plugin，这里使用pysimple构建的GUI，需要导入这个。
部署结果
成功打包软件，大小约4G。
顺利程度
基本顺利，没有遇到不明所以的问题。
总结，python打包多数途径都很靠谱。
