[GazeTracking] 依赖项管理 | Docker化执行环境

第4章：依赖项管理

欢迎回来

在第3章：视线数据获取中，我们学会了如何从GazeTracking侦探那里获取有价值的信息，比如用户是在向左看还是向右看，或者瞳孔的精确坐标。

但想象一下，刚为车购置了一套精美的新工具包，里面有扳手、螺丝刀和各种小工具。然而在开始修理前，需要确认工具箱里是否备齐了所有正确的工具。万一缺少关键扳手怎么办？根本无法工作！

我们的GazeTracking项目也是如此。它基于Python构建，但高度依赖其他专业软件"工具"（称为库或包）来实现其魔法。例如：

• OpenCV（开源计算机视觉库）：用于摄像头交互和图像显示
• Dlib：用于稳健的人脸和眼睛检测
• NumPy：高效处理数值数据和图像数组

没有这些特定工具，GazeTracking根本无法运行，就像试图不用锤子建造房屋

本章将全面介绍依赖项管理。这是确保GazeTracking项目拥有正常运行所需外部工具和Python库的过程，它定义了需要什么，并提供安装这些内容的指导或配置。

核心概念：备齐所有工具

依赖项管理主要解决一个问题：当你获取像GazeTracking这样的Python项目时，如何自动获取它运行所需的其他软件组件。

可以将其视为食谱的食材清单：

1. 食谱：你的GazeTracking项目代码
2. 食材清单：列出GazeTracking所需所有其他Python库的特殊文件
3. 厨师助手：像pip或conda这样的"包管理器"，读取食材清单并为你获取所有内容

没有食材，食谱就无法烹饪

关键概念

让我们分解依赖项管理的核心概念。

什么是依赖项？

在编程中，依赖项就是项目运行所需的其他软件。如果GazeTracking使用OpenCV的函数来读取摄像头，那么OpenCV就是GazeTracking的依赖项。

包管理器：你的厨师助手

手动为每个项目下载安装每个库将是场噩梦。包管理器应运而生，它们是自动化安装、更新和删除软件包（库）的工具。Python最常用的两个包管理器是：

• pip：Python的标准包安装工具，从Python包索引(PyPI)获取包
• conda：强大的包和环境管理器，常用于数据科学，可管理Python之外的包（如Dlib本身）

食材清单：requirements.txt和environment.yml

项目通常包含特殊文件来告知包管理器需要什么。

• requirements.txt（用于pip）：简单的文本文件，列出pip需要安装的所有Python包及其特定版本，就像pip的购物清单。

  # requirements.txt简化内容
  numpy==1.16.1
  opencv-python>=3.4.0
  dlib==19.17.*
  

  每行告诉pip要获取哪个库及版本要求。==表示"精确此版本"，>=表示"此版本或更新"。

• environment.yml（用于conda）：类似但用于conda的文件，描述完整的conda环境，包括Python版本、所需包及查找位置（称为"channels"），让conda为项目创建隔离的"工作间"。

  # environment.yml简化内容
  name: GazeTracking
  channels:- conda-forge- anaconda- defaults
  dependencies:- numpy == 1.16.1- opencv == 3.4.*- dlib == 19.17.*
  

  此文件不仅列出包，还指定channels（包查找位置）和环境的name（GazeTracking），有助于保持项目隔离。

获取工具：安装依赖项

让我们看看下载GazeTracking后，如何实际使用这些文件和包管理器使其运行。

首先通常从GitHub克隆项目，即下载所有文件：

git clone https://github.com/antoinelame/GazeTracking.git
cd GazeTracking

进入项目文件夹后，就可以安装工具了。

方法1：使用pip和requirements.txt

如果使用pip（大多数Python设置的常用选择），将使用requirements.txt文件。

1. 阅读requirements.txt：GazeTracking项目的requirements.txt文件（如上所示）列出numpy、opencv-python和dlib。

2. 用pip安装：打开终端或命令提示符，导航到GazeTracking项目文件夹，运行：

   pip install -r requirements.txt
   

   • pip install：告诉pip安装包
   • -r：表示"需求文件"
   • requirements.txt：pip应读取以了解安装内容的文件

   接下来发生什么？ pip读取文件，访问互联网上的Python包索引(PyPI)，下载每个指定库并安装到计算机。你会看到大量文本滚动，显示获取和安装过程。

   关于Dlib的特殊说明：GazeTracking的README.md提到Dlib（人脸和眼睛检测的关键依赖项）还有自己的外部系统先决条件如Boost和CMake。pip会安装Dlib的Python封装，但你可能需要先安装这些底层系统工具，pip才能成功构建Dlib。README.md提供了此步骤的详细链接。对初学者来说，这可能是最棘手的部分，但很重要。

方法2：使用conda和environment.yml

如果偏好conda（通常在你需要更多环境控制或特定库版本时使用），将使用environment.yml文件。

1. 阅读environment.yml：GazeTracking项目的environment.yml文件（如上所示）列出numpy、opencv和dlib及特定channels。

2. 创建并激活环境：从项目文件夹运行这两个命令：

   conda env create --file environment.yml
   conda activate GazeTracking
   

   • conda env create --file environment.yml：告诉conda读取environment.yml文件，然后创建名为"GazeTracking"的全新隔离Python环境（如environment.yml文件所指定），并将所有列出的依赖项安装到该特定环境中。
   • conda activate GazeTracking：创建后需要"激活"此环境，确保运行Python时使用"GazeTracking"环境中安装的库，而非计算机上的其他版本。命令提示符通常会显示活动环境（如(GazeTracking) $）。

   接下来发生什么？ conda从其channels获取包，创建隔离环境并安装所有内容。激活环境会设置shell使用该环境。

验证安装

使用pip或conda安装依赖项后，可通过运行项目示例脚本来验证一切是否正常：

python example.py

如果所有依赖项正确安装，你应该能看到摄像头画面，GazeTracking项目会在画面上绘制并告诉你视线方向

底层原理：计算机如何获取工具

快速可视化运行安装命令时发生的情况。

1. 你给出命令：告诉计算机"用pip（或conda）安装GazeTracking项目的依赖项"
2. 计算机读取清单：包管理器（如pip）查看requirements.txt文件（或conda的environment.yml），了解需要哪些库和版本
3. 计算机获取包：连接到在线软件仓库（如pip的PyPI，或conda的各种channels），这些就像装满软件包的巨大在线商店
4. 下载包：包管理器下载实际的库文件
5. 安装包：最后将这些下载的文件安装到Python设置（或conda环境）中，使GazeTracking项目可以使用它们

整个过程确保运行GazeTracking时，所有import语句（如import cv2或from gaze_tracking import GazeTracking）都能找到执行所需的代码。

总结

本章学习了依赖项管理，这是设置任何软件项目的关键概念。你现在理解了什么是依赖项、它们为何重要，以及像带requirements.txt的pip或带environment.yml的conda等工具如何帮助你轻松安装GazeTracking项目运行所需的所有外部库。通过正确管理依赖项，你确保项目的"工具箱"完整且随时可用。

既然已经知道如何获取项目工具，接下来让我们探索如何设置一致且隔离的环境来在任何地方运行GazeTracking。下一章将深入**Docker化执行环境**

---

第5章：Docker化执行环境

在前几章中，我们已经逐步构建了GazeTracking项目：

• 在第1章：摄像头交互与显示中，我们学习了GazeTracking如何获取"眼睛"和"声音"
• 在第2章：视线追踪核心逻辑中，我们探索了其分析视线的"大脑"
• 在第3章：视线数据获取中，你掌握了从视线数据中获取洞察的技巧
• 在第4章：依赖项管理中，我们确保所有必要的Python"工具"(库)都已安装

现在，假设已成功在计算机上安装了GazeTracking的所有依赖项，它运行完美。

当朋友想尝试时，或你想在新电脑上运行时，突然面临挑战：“朋友的系统不同”、“新电脑的Python版本不同”、"Dlib在这台机器上编译失败！"这是软件开发中的经典问题：“在我机器上能运行！”

本章介绍Docker化执行环境。

这个强大概念通过创建完全自包含、可移植的"盒子"来解决"在我机器上能运行"问题，这个盒子包含整个GazeTracking应用及其所有操作系统和Python依赖项。想象它是一个**“便携实验室”**：GazeTracking运行所需的一切都整齐打包其中，因此可以在任何兼容系统上一致部署和运行，无论本地设置如何。它甚至能连接物理摄像头和图形显示

专栏传送：Docker & yaml配置

核心概念：项目的便携实验室

Docker化执行环境主要解决一致性和部署便捷性问题。无需在新机器上手动安装依赖项、配置操作系统设置和调试版本冲突，Docker让你将所有内容打包成单一单元。

类比说明：将GazeTracking想象为植物。

• 不用Docker时，你可能直接将它种在花园(你的电脑)里。花园的土壤、气候和其他植物可能与朋友的不同，因此生长状况可能不同
• 使用Docker时，你创建完美定制的花盆(Docker镜像)，包含植物所需的确切土壤、养分和微气候。然后可以将这个盆栽运到任何地方！到达后，它被放入温室(Docker容器)中，在理想环境中继续茁壮成长，完全独立于宿主系统的花园

对GazeTracking而言，这个"花盆"包含：

• 基础操作系统(如Ubuntu)
• 所有系统级库(如OpenCV和Dlib所需)
• Python及其包管理器(pip)
• 所有Python依赖项(numpy、opencv-python、dlib)
• 最后是GazeTracking项目代码本身

关键概念

让我们分解Docker的核心组件。

• 专栏传送：Docker & yaml配置

1. Dockerfile：实验室的配方

Dockerfile是包含一系列指令的简单文本文件。这些指令告诉Docker如何构建"便携实验室"(镜像)。就像烘焙蛋糕的食谱——列出所有原料和组合步骤。

对GazeTracking，Dockerfile指定：

• 使用什么基础操作系统
• 安装哪些系统工具(如cmake、libsm6)
• 安装哪个Python版本
• 如何将GazeTracking代码复制到实验室
• 如何使用pip安装所有Python依赖项(如第4章：依赖项管理所述)

2. Docker镜像：盆栽植物

Docker镜像是实际的"花盆"或应用环境的完整蓝图。它是包含所有内容的只读模板，准备运行。你从Dockerfile构建镜像。

3. Docker容器：运行的温室

Docker容器是Docker镜像的运行实例。是"盆栽植物"(镜像)实际运行的"温室"。你可以启动、停止、移动或删除容器。每个容器与主计算机系统隔离，但可配置为共享摄像头或显示等资源。

4. 连接硬件(摄像头和显示)

这对GazeTracking至关重要，因为它需要访问物理摄像头和计算机屏幕来显示视频流。默认情况下，Docker容器是隔离的。因此，要让GazeTracking看到摄像头并在屏幕上显示输出，我们需要明确告诉Docker容器与宿主计算机共享这些资源。

如何用Docker运行GazeTracking

GazeTracking项目提供Dockerfile和辅助脚本build_and_run.sh简化此过程。通常需要执行两个主要操作：

1. 构建Docker镜像：基于Dockerfile配方创建"便携实验室"
2. 运行Docker容器：在此实验室中启动GazeTracking应用，连接摄像头和显示

让我们看看自动执行这些步骤的build_and_run.sh脚本。

步骤1：授予显示访问权限

运行Docker容器前，特别是需要显示图形界面(如GazeTracking显示视频)时，需要授予Docker容器使用计算机显示的权限。通过xhost命令实现。

xhost local:root

作用：此命令开放X服务器(管理图形显示的系统)，允许本地机器的root用户(Docker内部常用)连接。就像临时解锁门让Docker容器在屏幕上显示窗口。通常在启动容器前运行一次。

步骤2：构建或重用Docker镜像

build_and_run.sh脚本首先检查名为gaze-tracking的Docker镜像是否存在。若不存在则构建。

docker build -t gaze-tracking .

• docker build：告诉Docker创建镜像
• -t gaze-tracking：为镜像分配"标签"或名称(gaze-tracking)，便于后续引用
• .：告诉Docker在当前目录查找Dockerfile

作用：Docker逐步读取Dockerfile。下载基础操作系统(Ubuntu)，安装必要软件，复制GazeTracking代码，安装Python依赖项。此过程只需执行一次，或修改Dockerfile/requirements.txt时执行。

步骤3：运行Docker容器

构建镜像后，脚本运行容器。这里是连接摄像头和显示的关键。

docker run --rm --device /dev/video0 \-e DISPLAY=${DISPLAY} \-v /tmp/.X11-unix:/tmp/.X11-unix \--env="QT_X11_NO_MITSHM=1" \-it gaze-tracking bash

解析重要docker run选项：

• docker run：从镜像启动新容器
• --rm：容器停止后自动删除，适合临时运行
• --device /dev/video0：**摄像头访问关键！**将容器连接到物理摄像头设备(Linux系统通常位于/dev/video0)
• -e DISPLAY=${DISPLAY}：**显示访问关键！**将当前DISPLAY环境变量从宿主系统传入容器，告知应用图形输出的位置
• -v /tmp/.X11-unix:/tmp/.X11-unix：**显示访问另一关键！**将宿主系统的/tmp/.X11-unix目录"挂载"到容器中，此目录包含与X服务器(显示管理器)通信的文件
• --env="QT_X11_NO_MITSHM=1"：设置环境变量，防止图形问题(尤其Qt应用，OpenCV有时会使用)
• -it：组合-i(交互)和-t(伪终端)，允许通过命令行与容器交互
• gaze-tracking：要运行的Docker镜像名称
• bash：告诉容器启动bash shell。进入容器shell后，可导航到GazeTracking项目目录(cd /home/GazeTracking)并运行python3 example.py

作用：Docker基于gaze-tracking镜像启动新容器。精心建立与摄像头和显示的连接，确保GazeTracking在容器内运行时，行为与直接在计算机上运行完全一致，且所有依赖项保证正确。

底层原理：Docker构建与运行流程

可视化从构建镜像到运行容器并看到GazeTracking运行的整个过程。

查看Dockerfile

逐行查看Dockerfile如何编排"便携实验室"环境的设置。

# 从干净的Ubuntu操作系统开始
FROM ubuntu:22.04# 更新软件包列表
RUN apt-get update# 安装Python 3、pip和cmake(用于Dlib编译)
RUN apt install -y python3
RUN apt install -y python3-pip
RUN apt install -y cmake# 安装OpenCV GUI显示所需的系统库
RUN apt install -y libsm6
RUN apt install -y libxext6
RUN apt install -y libxrender1
RUN apt install -y libfontconfig1# 升级pip(Python包安装工具)
RUN pip3 install --upgrade pip# 将GazeTracking项目复制到容器中
COPY .  /home/GazeTracking# 设置容器内的工作目录
WORKDIR /home/GazeTracking# 安装requirements.txt列出的所有Python依赖项
RUN pip3 install -r requirements.txt

说明：

• FROM ubuntu:22.04：第一步。拉取Ubuntu 22.04最小版本作为镜像基础
• RUN apt-get update：更新新Ubuntu环境中可用软件包列表
• RUN apt install -y python3 ... libfontconfig1：使用Ubuntu包管理器(apt)安装基本系统软件。包括Python本身、pip、cmake(如第4章所述构建Dlib所需)和各种对OpenCV图形显示和处理图像关键的lib包
• RUN pip3 install --upgrade pip：确保容器内的pip工具是最新的
• COPY . /home/GazeTracking：将当前目录(含Dockerfile和GazeTracking代码)的所有文件复制到容器内的/home/GazeTracking新目录
• WORKDIR /home/GazeTracking：将/home/GazeTracking设为后续命令或容器内打开shell时的默认目录
• RUN pip3 install -r requirements.txt：依赖项的最后一步。让pip读取requirements.txt文件(已复制到/home/GazeTracking)并安装GazeTracking特定的所有Python库

总结

本章掌握了Docker化执行环境的基本理解。学习了Docker如何将GazeTracking及其复杂依赖项打包成自包含、可移植的Docker镜像。

我们还看到如何将此镜像作为Docker容器运行，精心连接物理摄像头和图形显示。

使用Docker可确保GazeTracking项目在任何兼容系统上一致、可靠地运行，无需"依赖项头痛"，创建真正便携且健壮的应用。

END ★,°:.☆(￣▽￣)/.°★ 。