- 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
1.2 KiB
1.2 KiB
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
-
导入docker images
docker load -i wall.tar -
进入持久化目录,新建.env,添加相应内容
UPLOAD_DIR=uploads
MOCK=false
MODEL=segformer #segformer, yolo,目前打包模型只有segformer
- 解压算法模型目录到core文件夹
tar -xvf core.tar
- 使用指令运行docker镜像
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
- 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
-
导入docker images
docker load -i wall.tar -
使用指令运行docker镜像
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