3.3 KiB
3.3 KiB
name, overview, todos
| name | overview | todos | ||||||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| matting_server_python_run | 与分类服务一致，为抠图服务（BiRefNet）补齐纯 Python 独立运行配套：新增 requirements.txt 依赖清单，并在 main.py 末尾添加 uvicorn 启动入口（端口 8001），使 `python main.py` 一条命令即可启动。 |
|
用户需求
参照刚完成的分类服务改造，将抠图服务（BiRefNet 人像/衣物抠图）同样改造为纯 Python 独立运行，完全不依赖 Go 项目：
- 新增
requirements.txt依赖清单 - 在
main.py末尾添加启动入口，使python main.py一条命令即可启动服务
不要求本地测试脚本和 README。
核心功能
- 依赖清单：声明 torch、torchvision、transformers、fastapi、uvicorn、pillow 六个依赖及版本下限，并注明 GPU 用户需单独安装 CUDA 版 torch、BiRefNet_lite 模型文件需手动下载到 ./model/ 目录
- 一键启动：
python main.py直接以 0.0.0.0:8001 启动 FastAPI 服务，无需uvicorn main:app命令
技术方案
实现方式
- 新建
thirdparty/matting_server/requirements.txt，列出运行所需的 6 个第三方依赖，采用宽松下限版本避免锁死小版本：
- torch>=2.0.0、torchvision>=0.15.0、transformers>=4.44.0、fastapi>=0.100.0、uvicorn>=0.23.0、pillow>=9.5.0
- 与分类服务的差异：多一个
torchvision（transforms/ToPILImage 用到）；transformers下限为 4.44.0（AutoModelForImageSegmentation是该版本才引入的类，不能照抄分类服务的 4.30.0） - 文件内注释说明两点：PyPI 默认安装 CPU 版 torch，GPU 用户需按 PyTorch 官网命令单独安装对应 CUDA 版本；模型代码
local_files_only=True，需先将 BiRefNet_lite 模型文件手动下载放到./model/目录
- 修改
main.py末尾（第 61-64 行/healthz路由之后）追加启动入口：
if **name** == "**main**":
import uvicorn
uvicorn.run(app, host="0.0.0.0", port=8001)
- 关键点：BiRefNet 模型在模块 import 时于模块级加载（
model、transform为模块级变量），必须直接传app对象调用uvicorn.run(app, ...)，不能使用"main:app"字符串加 reload 方式，否则会导致模型重复加载 - uvicorn 放在入口内局部 import，保持顶部 import 区原结构不变，改动最小化
- 端口选用 8001，与分类服务的 8000 错开避免冲突（Go 侧目前无抠图服务端口配置，端口可自由选定）
验证方式
python3 -m py_compile main.py确认语法无误，验证后清理__pycache__- 交付后运行验证：
pip install -r requirements.txt && python main.py，访问http://localhost:8001/healthz返回{"status": "ok"}
目录结构
thirdparty/matting_server/
├── main.py # [MODIFY] 末尾追加 __main__ 启动入口，python main.py 直接启动（端口 8001）
└── requirements.txt # [NEW] 依赖清单（torch/torchvision/transformers/fastapi/uvicorn/pillow + GPU 与模型下载说明注释）