- 新增 analyze、analyze_result、analyze_status 和 health 路由 - 实现图像上传和任务提交功能 - 添加任务状态查询和结果获取接口 - 集成 segformer 和 yolo 模型进行图像检测 - 实现 SAM3 预处理功能用于图像预处理判断 - 添加模型选择配置支持 segformer 和 yolo - 实现任务队列管理和异步处理机制 - 添加 Dockerfile 用于容器化部署 - 配置环境变量和 gitignore 规则 - 创建数据模型定义 API 响应结构
56 lines
1.2 KiB
Markdown
56 lines
1.2 KiB
Markdown
### Wall Docker 镜像使用教程
|
||
|
||
---
|
||
|
||
> 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
|
||
|
||
1. 导入docker images `docker load -i wall.tar`
|
||
|
||
2. 进入持久化目录,新建.env,添加相应内容
|
||
|
||
```env
|
||
UPLOAD_DIR=uploads
|
||
MOCK=false
|
||
MODEL=segformer #segformer, yolo,目前打包模型只有segformer
|
||
```
|
||
|
||
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
|
||
```
|
||
|
||
|