refactor(model): 更新模型文件,优化Dockerfile和README文档结构

- 更新yolo_detect的模型权重文件
- 移除Python依赖安装中的清华源加速配置
- 修改Dockerfile中删除文件的注释描述
- 重构README文档,简化使用教程内容
- 更新Docker构建和启动命令格式
- 添加GIT LFS相关提示信息
- 移除重复的持久化配置说明
This commit is contained in:
Boen_Shi 2026-01-29 13:25:43 +08:00
parent b054769b40
commit f4f28f9ba1
3 changed files with 26 additions and 53 deletions

View File

@ -15,14 +15,14 @@ WORKDIR /code
# 复制并安装 Python 依赖 # 复制并安装 Python 依赖
COPY requirements.txt /code/requirements.txt COPY requirements.txt /code/requirements.txt
# 安装 Python 依赖(加速源) # 安装 Python 依赖
RUN pip install --no-cache-dir --upgrade -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple \ RUN pip install --no-cache-dir --upgrade -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple \
&& pip install --no-cache-dir --upgrade torch torchvision --index-url https://download.pytorch.org/whl/cu130 && pip install --no-cache-dir --upgrade torch torchvision --index-url https://download.pytorch.org/whl/cu130
# 复制应用代码 # 复制应用代码
COPY ./app /code/app COPY ./app /code/app
# 删除无用的文件,避免占用磁盘空间 # 删除核心文件,减小体积
RUN rm -rf /code/app/core RUN rm -rf /code/app/core
# 暴露端口并启动应用 # 暴露端口并启动应用

View File

@ -1,56 +1,29 @@
### Wall Docker 镜像使用教程 ### Wall Docker 镜像使用教程
--- #### 构建方式
```bash
docker build -t wall .
```
#### 启动方式
> 采用模型文件持久化,方便后续更新模型而不需要重新创建容器,以及统一配置配置文件 > 采用模型文件持久化,方便后续更新模型而不需要重新创建容器,以及统一配置配置文件
>
> 后续更新如果只更新了核心文件则仅需git pull后重新启动容器
>
> 如果更新了代码文件,则需要重新构建镜像
1. 导入docker images `docker load -i wall.tar` ```bash
sudo docker run -d \
2. 进入持久化目录,新建.env添加相应内容 --name [docker_container_name] \
--gpus all \
```env -p [local_port]:80 \
UPLOAD_DIR=uploads -v $(pwd)/uploads:/code/uploads \
MOCK=false -v $(pwd)/app/core:/code/app/core \
MODEL=segformer #segformer, yolo目前打包模型只有segformer -v $(pwd)/.env:/code/.env \
``` wall
```
3. 解压算法模型目录到core文件夹
```bash
tar -xvf core.tar
```
4. 使用指令运行docker镜像
```bash
sudo docker run -d \
--name [docker_container_name] \
--gpus all \
-p [local_port]:80 \
-v $(pwd)/uploads:/code/uploads \
-v $(pwd)/core:/code/app/core \
-v $(pwd)/.env:/code/.env \
wall
```
5. 如果后续需要更新模型只需要覆盖掉core内的文件更改.env配置文件后即可继续运行
---
> 如果不想要模型文件持久化,则不需要解压算法文件了
1. 导入docker images `docker load -i wall.tar`
2. 使用指令运行docker镜像
```bash
sudo docker run -d \
--name [docker_container_name] \
--gpus all \
-p [local_port]:80 \
-v $(pwd)/core:/code/app/core \
-v $(pwd)/.env:/code/.env \
wall
```
> TIPS由于部分文件采用GIT LFS 管理请先安装GIT LFS
> 在clone或者pull时建议先clone代码文件然后停掉再用git lfs pull可查看大文件下载进度

Binary file not shown.