Liger-Kernel项目从setup.py迁移到pyproject.toml的技术实践
2025-06-10 17:52:05作者:凤尚柏Louis
在Python项目打包领域,近年来出现了一个重要的演进趋势:从传统的setup.py方式向更现代的pyproject.toml格式迁移。Liger-Kernel项目作为LinkedIn开源的技术项目,也顺应这一趋势进行了改造。本文将深入分析这一技术迁移的背景、实施要点以及带来的优势。
传统打包方式的局限性
setup.py作为Python项目打包的传统方式,长期以来是Python生态中的标准配置。它本质上是一个Python脚本,通过调用setuptools等工具来完成项目的打包和分发工作。然而,这种设计存在几个明显缺陷:
- 执行依赖问题:setup.py本身需要setuptools等依赖才能运行,但安装这些依赖又需要setup.py
- 配置与代码混杂:项目配置信息被嵌入在Python代码中,不利于静态分析
- 缺乏标准化:不同项目可能采用不同的打包方式和工具链
pyproject.toml的革新优势
pyproject.toml作为PEP 518引入的新标准,解决了上述痛点。它采用TOML格式(一种易于阅读的配置文件格式),将项目配置与执行逻辑分离。主要优势包括:
- 声明式配置:所有打包信息以声明方式呈现,不再需要执行代码
- 构建系统隔离:明确指定构建依赖,避免环境污染
- 工具兼容性:支持多种构建后端(如setuptools、poetry等)
- 统一标准:逐渐成为Python生态中的事实标准
Liger-Kernel的迁移实践
Liger-Kernel项目的迁移工作主要涉及以下技术要点:
- 构建系统声明:在pyproject.toml中明确指定构建工具和最低版本要求
- 项目元数据转移:将原setup.py中的项目名称、版本、作者等信息转换为TOML格式
- 依赖管理重构:将安装依赖和开发依赖分别声明
- 构建配置调整:确保构建过程与新的配置方式兼容
迁移后的收益
完成迁移后,Liger-Kernel项目获得了多方面的改进:
- 更可靠的构建过程:避免了潜在的循环依赖问题
- 更好的工具支持:现代IDE和工具能更好地解析项目配置
- 更清晰的维护性:配置与代码分离,降低维护复杂度
- 面向未来的兼容性:符合Python打包生态系统的最新发展方向
总结
Liger-Kernel项目从setup.py到pyproject.toml的迁移,反映了Python打包生态系统的现代化进程。这种迁移不仅解决了传统打包方式的技术债务,还为项目未来的维护和发展奠定了更好的基础。对于其他Python项目而言,这一实践提供了有价值的参考案例,展示了如何平稳地将项目配置体系过渡到更现代、更标准化的解决方案。
登录后查看全文
热门项目推荐
相关项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0191
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0117
Step-3.7-FlashStep-3.7-Flash是一个拥有 1980 亿参数的稀疏混合专家(MoE)视觉语言模型,由 1960 亿参数的语言主干网络和 18 亿参数的视觉编码器组合而成,具备原生图像理解能力。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
omega-aiOmega-AI:基于java打造的深度学习框架,帮助你快速搭建神经网络,实现模型推理与训练,引擎支持自动求导,多线程与GPU运算,GPU支持CUDA,CUDNN。Java04
llm-universe本项目是一个面向小白开发者的大模型应用开发教程,在线阅读地址:https://datawhalechina.github.io/llm-universe/Jupyter Notebook08
项目优选
收起
暂无描述
Dockerfile
764
4.97 K
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
857
1.92 K
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
678
1.33 K
Ascend Extension for PyTorch
Python
719
876
deepin linux kernel
C
32
16
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
455
437
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
1.08 K
1.09 K
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
150
252
CANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。
Jupyter Notebook
302
117
昇腾LLM分布式训练框架
Python
178
220