之前我们介绍了如何使用嵌入式 Python3 环境给项目制作一键整合包，在使用嵌入式 Python 环境时，通常是作为另一个应用程序的一部分，而Python3虚拟环境是为了在开发过程中隔离项目所需的 Python 环境。虚拟环境允许我们在同一台计算机上的不同项目中使用不同的 Python 版本和软件包，而不会相互干扰。
本次我们利用Python3自带的虚拟环境(venv)功能来给项目制作一键整合包。
创建虚拟环境
首先确保本地环境已经安装好了Python3开发环境，如果没有，请移步：一网成擒全端涵盖，在不同架构(Intel x86/Apple m1 silicon)不同开发平台(Win10/Win11/Mac/Ubuntu)上安装配置Python3.10开发环境，囿于篇幅，这里不再赘述。
随后在克隆自己的项目，用于打包，这里我们以Bert-vits2-2.3的项目为例子：
git clone https://github.com/v3ucn/Bert-vits2-V2.3
AI 代码解读
随后进入项目的根目录：
cd Bert-vits2-V2.3
AI 代码解读
正常流程下我们会直接执行pip install -r requirements.txt在当前环境下安装依赖。
但是我们现在不使用当前开发环境，而是使用虚拟环境。
首先创建一个虚拟环境的工作目录：
mkdir venvAI 代码解读
随后进入venv目录
cd venv
AI 代码解读
创建独立的虚拟环境：
python -m venv .AI 代码解读
该命令python -m venv <目录位置> 可以创建一个独立的Python3运行环境。venv目录里面有python3、pip3等可执行文件，实际上是链接到Python系统目录的软链接。
此时，执行激活命令就可以进入该虚拟环境venv:
E:\work\Bert-vits2-2.3\venv>.\Scripts\activate
(venv) E:\work\Bert-vits2-2.3\venv>
AI 代码解读
可以看到，当前命令行的前缀有一个(venv)代表我们现在处于虚拟环境之中。
注意该虚拟环境和当前系统的Python3环境是隔离的。
我们也可也执行命令退出虚拟环境venv:
(venv) E:\work\Bert-vits2-2.3\venv>.\Scripts\deactivate.bat
E:\work\Bert-vits2-2.3\venv>
AI 代码解读
通过deactivate命令可以推出虚拟环境。
用虚拟环境venv给项目安装依赖
创建好了虚拟环境之后，我们就可以给当前的项目(Bert-vits2-2.3)安装依赖了：
.\venv\Scripts\pip.exe install -r .\requirements.txt
AI 代码解读
注意，这里所有的依赖文件都会安装到虚拟环境目录，即venv。
如果愿意，也可以执行命令来升级虚拟环境的pip软件：
.\venv\Scripts\python.exe -m pip install --upgrade pip
AI 代码解读
完成依赖的安装以后，可以执行命令来查看项目的依赖列表：
E:\work\Bert-vits2-2.3>.\venv\Scripts\pip.exe list
Package Version
------------------ ------------
certifi 2023.11.17
charset-normalizer 3.3.2
colorama 0.4.6
coloredlogs 15.0.1
filelock 3.13.1
flatbuffers 23.5.26
ftfy 6.1.3
humanfriendly 10.0
idna 3.6
imageio 2.33.1
Jinja2 3.1.2
lazy_loader 0.3
MarkupSafe 2.1.3
mpmath 1.3.0
networkx 3.2.1
numpy 1.23.5
onnx 1.14.0
onnxruntime-gpu 1.16.2
opencv-python 4.7.0.72
packaging 23.2
Pillow 9.5.0
pip 23.0.1
protobuf 4.23.2
pyreadline3 3.4.1
PyWavelets 1.5.0
regex 2023.12.25
requests 2.31.0
scikit-image 0.21.0
scipy 1.11.4
setuptools 65.5.0
sympy 1.12
tifffile 2023.12.9
tk 0.1.0
torch 2.0.1+cu118
torchaudio 2.0.2+cu118
torchvision 0.15.2+cu118
tqdm 4.66.1
typing_extensions 4.9.0
urllib3 2.1.0
wcwidth 0.2.12
AI 代码解读
也可以通过pip的show命令来查看依赖的具体位置：
E:\work\Bert-vits2-2.3>.\venv\Scripts\pip.exe show numpy
Name: numpy
Version: 1.23.5
Summary: NumPy is the fundamental package for array computing with Python.
Home-page: https://www.numpy.org
Author: Travis E. Oliphant et al.
Author-email:
License: BSD
Location: e:\work\Bert-vits2-2.3\venv\lib\site-packages
Requires:
Required-by: imageio, onnx, onnxruntime-gpu, opencv-python, PyWavelets, scikit-image, scipy, tifffile, torchvision
AI 代码解读
可以看到，这里numpy库就已经被安装到了e:\work\Bert-vits2-2.3\venv\lib\site-packages目录。
随后，我们执行项目中的脚本就可以用虚拟环境来执行，如：
.\venv\Scripts\pip.exe webui.py
AI 代码解读
如果不想通过命令执行，也可以编写bat脚本：
@echo off
chcp 65001
call venv\python.exe webui.py
@echo 启动完毕，请按任意键关闭
call pause
AI 代码解读
至此我们就完成了Bert-vits2-2.3虚拟环境依赖的安装，只需把Bert-vits2-2.3目录压缩，就拿到了一个Bert-vits2-2.3项目的整合包。
嵌入式embed和虚拟环境venv区别
嵌入式embed Python 通常用于将 Python 解释器嵌入到其他应用程序中，以便在应用程序中执行 Python 代码。这种方法常见于需要在应用程序中动态执行脚本或扩展功能的情况。例如，游戏开发中的脚本系统、自定义插件或扩展功能的实现，都可能会使用嵌入式 Python。嵌入式 Python 的优势在于它的轻量级和灵活性，可以根据应用程序的需求进行定制，不需要包含完整的 Python 安装。
虚拟环境venv则用于在同一台计算机上管理多个 Python 项目的依赖关系。每个项目可以有自己独立的虚拟环境，这样可以避免不同项目之间的依赖冲突和版本问题。虚拟环境的应用场景包括：在开发多个项目时，每个项目可以有自己独立的依赖包和 Python 版本；在部署应用程序时，可以确保部署环境与开发环境一致；在测试和维护项目时，可以隔离不同项目的依赖，方便管理和维护。
结语
嵌入式 Python 适用于需要将 Python 作为应用程序的一部分嵌入到其他系统中的场景，而虚拟环境适用于需要在同一台计算机上管理多个 Python 项目的场景。两者在项目开发中有着不同的应用目的和优势，但在整合包制作领域，二者都可以完美实现项目整合包的制作和更新。
