MT-Photos AI (OpenVINO)

主服务提供 OCR、图像向量（QA-CLIP）和人脸向量（InsightFace），并会把 /clip/txt 代理转发到独立部署的 Text-CLIP CPU 服务。仓库另外补充了一个仅面向本地 Windows 开发机的并行 Image-CLIP CUDA 子项目，目录为 image-clip/，不影响主服务 OpenVINO 实现。本文档仅保留最终用户部署、运行和配置说明。

部署前准备

Python 3.12
已准备模型目录（至少包含）：
- models/qa-clip/openvino（主线 FP16 IR；主服务镜像只打包 openvino_image_fp16.*，Text-CLIP 镜像只打包 openvino_text_fp16.*）
- models/qa-clip/openvino_fp32（FP32 对照组 IR，仅供本地精度观测脚本使用；默认不会进入 Docker 构建上下文或任一运行时镜像）
- models/qa-clip/huggingface（仅 scripts/convert.py 和本地 Windows CUDA image-clip/ 子项目需要；默认不会进入 Docker 构建上下文）
- models/insightface/models/antelopev2（主服务镜像需要；至少保留 scrfd_10g_bnkps.onnx 与 glintr100.onnx）
主服务入口：app/server.py
主服务仍由 app/server.py 暴露路由；同目录 app/bootstrap.py、app/image_io.py、app/text_clip_proxy.py 仅用于维护性拆分，不改变启动方式和接口语义
Text-CLIP 服务入口：text-clip/app/server.py
Windows 本地 CUDA Image-CLIP 子项目命令行入口：image-clip/starter.py
Windows 本地 CUDA Image-CLIP 子项目服务实现入口：image-clip/app/server.py
QA-CLIP 离线转换脚本：scripts/convert.py
scripts/convert.py 默认只清理 OpenVINO 导出产物与 OpenVINO cache，不会重复删除 Hugging Face cache 或本地 QA-CLIP snapshot；脚本会优先复用 models/qa-clip/huggingface 本地 snapshot，其次复用 cache/huggingface，仅在本地都缺失时才回源下载 TencentARC/QA-CLIP-ViT-L-14
scripts/convert.py 会顺序导出两套 QA-CLIP OpenVINO IR：主线 models/qa-clip/openvino/openvino_image_fp16.xml 与 models/qa-clip/openvino/openvino_text_fp16.xml 固定使用 OpenVINO 原生 ov.save_model(..., compress_to_fp16=True)，同时生成 FP32 对照组 models/qa-clip/openvino_fp32/openvino_image_fp32.xml 与 models/qa-clip/openvino_fp32/openvino_text_fp32.xml
仓库不再保留单独的 scripts/convert_fp16.py；FP16 与 FP32 对照组统一由 scripts/convert.py 一次导出完成
scripts/indicate_precision_impact.py 默认比较 models/qa-clip/openvino_fp32 与主线 models/qa-clip/openvino，并输出 models/qa-clip/openvino/precision_impact.json
独立 Text-CLIP 服务已自带 tokenizer 与词表资源，不再依赖主服务 app/ 目录
requirements.txt 当前固定 insightface==0.7.3，并显式包含 onnx 与 opencv-python-headless；其中 onnx 用于 InsightFace 首次懒加载时在受控 runtime copy 中修正 glintr100.onnx 的识别输出 batch 元数据，主服务镜像构建时还会先卸载依赖链带入的 opencv-python / opencv-contrib-python*，再只回装 opencv-python-headless

运行时环境变量

以下仅保留当前仍支持且建议用户配置的环境变量。兼容别名、已固定为内部基线的变量，以及 docker compose 插值变量不再写入 README。

主容器

环境变量	说明	默认值
`API_AUTH_KEY`	API Key；为空或 `no-key` 时关闭鉴权	`mt_photos_ai_extra`
`CLIP_IMAGE_BATCH`	`/clip/img` 标准预处理后的微批上限	`8`
`CLIP_IMAGE_BATCH_WAIT_MS`	`/clip/img` 微批等待窗口，单位毫秒	`5`
`CLIP_INFERENCE_DEVICE`	`/clip/img` 使用的 OpenVINO 设备；请求 `AUTO/GPU` 时需要可用 GPU	跟随 `INFERENCE_DEVICE`
`INFERENCE_DEVICE`	主容器默认 OpenVINO 设备	`AUTO`
`INFERENCE_EXEC_TIMEOUT`	非文本任务执行超时，单位秒	`max(30, INFERENCE_TASK_TIMEOUT)`
`INFERENCE_QUEUE_MAX_SIZE`	`/clip/img`、`/ocr`、`/represent` 共享图片名额上限；运行时硬上限仍为 `10`	`10`
`INFERENCE_QUEUE_TIMEOUT`	非文本任务排队超时，单位秒	跟随 `INFERENCE_TASK_TIMEOUT`
`INFERENCE_TASK_TIMEOUT`	兼容旧配置的总超时基线；未单独设置时会派生排队/执行超时	`10`
`INSIGHTFACE_BATCH_WAIT_MS`	`/represent` recognition 聚合窗口，单位毫秒	`5`
`INSIGHTFACE_OV_DEVICE`	InsightFace OpenVINO EP 推理设备；支持 `AUTO` / `CPU` / `GPU`	`AUTO`
`INSIGHTFACE_OV_ENABLE_OPENCL_THROTTLING`	是否启用 OpenCL throttling	`false`
`INSIGHTFACE_OV_NUM_THREADS`	InsightFace OpenVINO EP 线程数；`-1` 为运行时默认	`-1`
`LOG_LEVEL`	日志级别；同时作用于 `mt_photos_ai.` 与 `uvicorn.`	`WARNING`
`MODEL_PATH`	模型根目录	`<repo>/models`
`NON_TEXT_IDLE_RELEASE_SECONDS`	主容器非文本模型空闲释放窗口；`<=0` 表示关闭	`60`
`OCR_EXEC_TIMEOUT`	OCR 执行超时，单位秒	`max(30, INFERENCE_EXEC_TIMEOUT)`
`OCR_MAX_CONCURRENT_REQUESTS`	OCR 应用层最大并发请求数；不会超过共享图片名额	`4`
`OCR_PREWARM_DELAY_SECONDS`	RapidOCR 一次性后台预热延迟，单位秒	`1.0`
`OCR_PREWARM_ENABLED`	是否启用一次性后台 RapidOCR 预热	`false`
`OV_CACHE_DIR`	OpenVINO 编译缓存目录；当前主要作用于主服务自管的 OpenVINO 路径	`<repo>/cache/openvino`
`PORT`	服务端口；同时影响镜像入口与健康检查	`8060`
`TEXT_CLIP_API_KEY`	主服务转发 `/clip/txt` 时使用的上游 API Key；未设置时复用 `API_AUTH_KEY`	跟随 `API_AUTH_KEY`
`TEXT_CLIP_REQUEST_TIMEOUT`	主服务转发 `/clip/txt` 的上游请求超时，单位秒	`30`
`TEXT_CLIP_SERVER_URL`	独立 Text-CLIP 服务 URL；主服务会自动拼接 `/clip/txt`，并把请求体原样转发给上游	`http://127.0.0.1:8061`

Text-CLIP 容器

环境变量	说明	默认值
`API_AUTH_KEY`	API Key；为空或 `no-key` 时关闭鉴权	`mt_photos_ai_extra`
`LOG_LEVEL`	日志级别；同时作用于 `mt_photos_ai.text_clip` 与 `uvicorn.*`	`WARNING`
`MODEL_PATH`	文本模型根目录	`<repo>/models`
`OV_CACHE_DIR`	Text-CLIP OpenVINO 编译缓存目录	`<repo>/cache/openvino`
`PORT`	Text-CLIP 服务端口；同时影响镜像入口与健康检查	`8061`

补充说明：

开发机本地验证时，主服务建议把主要后端统一设为 CPU：INFERENCE_DEVICE=CPU、CLIP_INFERENCE_DEVICE=CPU、INSIGHTFACE_OV_DEVICE=CPU；如需走主服务 /clip/txt 代理，请同时把 TEXT_CLIP_SERVER_URL 设为本机 Text-CLIP 服务地址。
主容器的 Vision-CLIP / OCR / InsightFace 统一由 /app 内的非文本子进程管理，按请求懒加载，并可按 NON_TEXT_IDLE_RELEASE_SECONDS 自动释放；Text-CLIP 容器启动即加载文本模型，进程存活期间常驻内存，不参与空闲释放或主容器 /restart*，主服务对 /clip/txt 只做原始请求体 HTTP 转发。
主服务 /clip/img 的视觉 PPP 预处理固定为 resize -> center crop -> BGR->RGB -> /255 -> mean/std -> NCHW；如果需要重建 QA-CLIP IR，请重新执行 py -3.12 scripts/convert.py 以保持与当前“主线 FP16 + FP32 对照组”导出基线一致。
如需评估主线 FP16 与 FP32 对照组之间的 embedding 保真度、结构差异和体积变化，直接执行 py -3.12 scripts/indicate_precision_impact.py 即可。
主容器在 /restart、/restart_v2、/restartV2、/restartv2 或空闲释放完成后，会直接结束当前非文本子进程；匿名内存由子进程退出统一回收，下一次 /clip/img、/ocr、/represent 请求再按需重建新的非文本子进程与对应模型。
当 /represent、/clip/img、/ocr 混合到达时，主服务会继续保持“单活非文本模型族”串行切换，但等待旧模型族退场的过程不会再阻塞整个事件循环；父进程现在还会按到达顺序做 FIFO 轮换，避免某一族请求在高并发下插队或长期饥饿。
主服务会在非文本子进程退出后输出一条进程/cgroup 内存拆分日志，至少包含 VmRSS/RssAnon/RssFile/RssShmem 与 cgroup_anon/cgroup_file/cgroup_shmem，用于判断释放后剩余内存主要来自匿名内存、文件页缓存还是 shared memory。
InsightFace 现在会以低残留 ORT session 基线加载：关闭 CPU memory arena、关闭 memory pattern，并固定单 lane session inter_op/intra_op 线程数为 1。这会优先减少 /represent 卸载后的匿名内存残留，而不是追求极限吞吐。
/restart、/restart_v2、/restartV2、/restartv2 现已统一语义：同步释放当前非文本子进程，不重启主服务进程。
OCR 已切到 rapidocr==3.8.0 原生最简初始化：仅把 Det/Cls/Rec.engine_type 设为 openvino，其它全部使用上游默认配置。
RapidOCR 会在首次加载 OCR 时按上游内置 URL 检查并下载默认模型；镜像不再内置 OCR 模型，因此首次 /ocr 在空缓存环境下需要联网，并且容器运行用户需要可写的 rapidocr/models 目录。
PORT 会同时影响容器入口和健康检查；如果修改它，请同步调整 docker-compose.yml 的 ports: 或 docker run -p。
如果手动执行 uvicorn server:app，最早期的 uvicorn bootstrap 日志仍以 CLI --log-level 为准。

Windows 本机部署

确认 Python 版本：

py -3.12 -V

（可选）创建并激活虚拟环境：

py -3.12 -m venv .venv
.\.venv\Scripts\activate

（可选）设置环境变量：

$env:API_AUTH_KEY="your_secret_key"
$env:INFERENCE_DEVICE="CPU"
$env:CLIP_INFERENCE_DEVICE="CPU"
$env:CLIP_IMAGE_BATCH="8"
$env:INSIGHTFACE_OV_DEVICE="CPU"
$env:TEXT_CLIP_SERVER_URL="http://127.0.0.1:8061"
$env:LOG_LEVEL="INFO"

如需使用 /clip/txt，先启动独立 Text-CLIP 服务：

cd text-clip\app
py -3.12 server.py

如需使用主服务接口，再另开终端启动主服务：

cd app
py -3.12 server.py

启动后，客户端可统一访问主服务端口；主服务收到 /clip/txt 请求时会按 TEXT_CLIP_SERVER_URL 把原始请求体转发到独立 Text-CLIP 服务。本地 Windows 验证和测试命令统一建议显式使用 py -3.12，避免落到其他解释器版本。

如需在本地 Windows 开发机上单独跑 CUDA 版 Image-CLIP，可改用 image-clip/ 子项目；该子项目使用独立依赖文件 image-clip/requirement.txt，可在仓库根目录直接执行 py -3.12 image-clip\starter.py，或进入 image-clip\ 后执行 py -3.12 starter.py。更完整的环境变量与冒烟说明见 image-clip/README.md。

如需手动执行 uvicorn server:app，请显式传入 --port / --log-level，例如 uvicorn server:app --host 0.0.0.0 --port 8060 --log-level info。

Debian/Linux Docker 部署

推荐宿主环境：

Debian 13（或兼容发行版）
Docker Engine 24+ 与 Docker Compose v2
Intel iGPU 场景下，宿主机可见 /dev/dri

如需在 Debian 13 宿主或自定义镜像中补齐 Intel Xe 依赖，可参考：

apt-get update && apt-get install -y --no-install-recommends \
  ca-certificates \
  libdrm2 \
  libglib2.0-0 \
  libgomp1 \
  libze1 \
  ocl-icd-libopencl1 \
  mesa-opencl-icd

说明：

参考 OpenVINO 与 Intel GPU 官方文档，容器内 OpenVINO GPU 运行时需要 intel-opencl-icd + Level Zero 运行库（Debian 包名 libze-intel-gpu1），以及 libze1/ocl-icd-libopencl1。
当前主 Dockerfile 使用两阶段构建：builder 阶段在 /home/appuser/.venv 与 /home/appuser/wheels 内完成编译链安装、wheel 预构建、离线依赖安装，并沿用“先卸载所有 OpenCV Python 变体，再只回装 opencv-python-headless”的清洁安装链；若传递依赖带入 opencv-python / opencv-contrib-python*，会在 builder 内卸载并清理对应 wheel，runtime 阶段只复制瘦身后的 .venv 并加入 PATH，不再重新执行 pip install，也不再把 wheelhouse 带进最终镜像。
builder 还会裁剪 venv 中运行时不需要的 pip/wheel 包、include/share 目录、__pycache__、测试目录和静态头文件，以进一步压缩最终镜像体积；当前服务依赖会直接随用户目录下的 .venv 一起进入最终镜像。
根目录 .dockerignore 会先排除 Hugging Face snapshot、FP32 IR、InsightFace 运行时派生目录和本地开发目录；在 Docker Engine 24+ / BuildKit 下，Dockerfile.dockerignore 与 text-clip/DockerFile-TextCLIP.dockerignore 还会进一步按镜像裁掉不相关的模型与源码，避免主镜像构建时混入文本 IR，或 Text-CLIP 镜像构建时混入视觉 IR / InsightFace 模型。
因此当前运行时镜像不再包含 libgl1、libsm6、libxext6、libxrender1，也不再打包 mesa-vulkan-drivers、intel-media-va-driver-non-free。
Intel GPU 固件属于宿主机职责；若宿主 Debian 13 需要补齐固件，请在宿主机安装 firmware-misc-nonfree（或兼容包名 firmware-misc-non-free），而不是放进应用容器。
Dockerfile 已固化为清华 APT + 清华 PyPI 镜像；APT 基础列表、sid pin 文件和安装包名单都直接写在仓库文件中，便于回溯与审计。
Dockerfile 使用 BuildKit cache mount 复用 apt/pip 下载缓存；在 Docker Engine 24+ / Compose v2 下，重复构建通常可直接命中这两类缓存。
当前镜像构建阶段会临时启用 sid 源，仅安装 intel-opencl-icd 与 libze-intel-gpu1。
独立 Text-CLIP 镜像也改为两阶段构建，只复制瘦身后的 .venv、openvino_text_fp16.* 和 tokenizer 资源；它固定走 OpenVINO CPU，不安装 Intel GPU runtime、不需要 /dev/dri，也不会混入 OpenCV Python 包、视觉 FP16 IR、FP32 对照组或 Hugging Face snapshot。
主服务镜像只保留 openvino_image_fp16.*、InsightFace antelopev2 和运行时必需脚本；不会混入 openvino_text_fp16.*、openvino_fp32/*、qa-clip/huggingface/* 或 buffalo_l。
容器内不安装 xserver-xorg-video-intel（该包用于 Xorg 显示栈，不是本服务的无头推理运行前提）。
服务上传读图链已统一改为 OpenCV 原生解码，镜像不再包含 ffmpeg/ffprobe、VAAPI/oneVPL/QSV 媒体栈，也不预装 clinfo 这类诊断工具。
若服务日志出现 available_devices=['CPU']，即使 /dev/dri 可见，也通常意味着容器里缺少可用的 Intel GPU OpenVINO/OpenCL runtime，或 /dev/dri 并非真实的 Intel DRM render node。
参考文档：
- OpenVINO GPU 设备配置与依赖：https://docs.openvino.ai/2025/openvino-workflow/running-inference/inference-devices-and-modes/gpu-device.html
- Intel Linux GPU Driver（OpenCL/Level Zero 运行时包）：https://dgpu-docs.intel.com/driver/installation.html

方式一：docker compose

先准备镜像。docker-compose.example.yml 只引用 image:，不会在 docker compose up 时构建：

docker build -t mt-photos-ai-openvino .
docker build -f text-clip/DockerFile-TextCLIP -t mt-photos-ai-text-clip .

如果镜像已经在本地存在，或你改为从镜像仓库拉取，可以跳过这一步。

准备配置文件：

cp docker-compose.example.yml docker-compose.yml

按宿主机实际情况修改 group_add 中的 video / render GID（Debian 默认通常是 44 / 109）。
按需调整 docker-compose.yml：

生产环境建议覆盖 API_AUTH_KEY
主容器需要映射 /dev/dri 并设置正确的 video/render 组；mt-photos-ai-text-clip 固定走 CPU，不需要 /dev/dri
mt-photos-ai-text-clip 启动后会常驻加载文本模型；主服务请通过 TEXT_CLIP_SERVER_URL=http://mt-photos-ai-text-clip:8061 代理转发 /clip/txt
有 Intel iGPU 且已映射 /dev/dri 时，主容器建议使用 INFERENCE_DEVICE=AUTO、CLIP_INFERENCE_DEVICE=AUTO、INSIGHTFACE_OV_DEVICE=AUTO
如需修改服务监听端口，请同时调整 PORT 和 ports: 映射
如需挂载自定义模型或自定义 OpenVINO cache 目录，再显式覆盖 MODEL_PATH / OV_CACHE_DIR
首次 /ocr 若容器内还没有 RapidOCR 默认模型，会在线下载；离线环境请先完成一次带网络的 OCR 预热
若 /clip/img 仍未跑满 GPU，可结合业务流量逐步调大 CLIP_IMAGE_BATCH，并保持 CLIP_IMAGE_BATCH_WAIT_MS 在个位数毫秒级，避免明显放大单请求尾延迟
如需限制 OCR 首次冷加载带来的单次长尾，可显式设置 OCR_EXEC_TIMEOUT=30
/represent 当前固定为单 lane OpenVINO EP 推理 + 4 请求聚合预算；如需权衡吞吐与尾延迟，可只小幅调整 INSIGHTFACE_BATCH_WAIT_MS

启动服务：

docker compose up -d

查看状态：

docker compose ps
docker compose logs -f mt-photos-ai-openvino mt-photos-ai-text-clip

方式二：docker run

先创建一个供两个容器互访的用户网络：

docker network create mt-photos-ai-net

docker run -d \
  --name mt-photos-ai-text-clip \
  --network mt-photos-ai-net \
  --init \
  -p 8061:8061 \
  -e API_AUTH_KEY=mt_photos_ai_extra \
  -e LOG_LEVEL=WARNING \
  -e PORT=8061 \
  mt-photos-ai-text-clip

docker run -d \
  --name mt-photos-ai-openvino \
  --network mt-photos-ai-net \
  --init \
  -p 8060:8060 \
  --device /dev/dri:/dev/dri \
  --group-add $(getent group video | cut -d: -f3) \
  --group-add $(getent group render | cut -d: -f3) \
  -e API_AUTH_KEY=mt_photos_ai_extra \
  -e CLIP_IMAGE_BATCH=8 \
  -e CLIP_INFERENCE_DEVICE=AUTO \
  -e INFERENCE_DEVICE=AUTO \
  -e INSIGHTFACE_OV_DEVICE=AUTO \
  -e LOG_LEVEL=WARNING \
  -e NON_TEXT_IDLE_RELEASE_SECONDS=60 \
  -e OCR_EXEC_TIMEOUT=30 \
  -e PORT=8060 \
  -e TEXT_CLIP_SERVER_URL=http://mt-photos-ai-text-clip:8061 \
  mt-photos-ai-openvino

如需自定义模型目录或 OpenVINO cache 目录，可继续追加 -e MODEL_PATH=...、-e OV_CACHE_DIR=...。如需修改任一服务的 PORT，请同步调整对应的 -p <host_port>:<container_port>。如果 Text-CLIP 容器使用了不同的鉴权密钥，请额外给主容器设置 -e TEXT_CLIP_API_KEY=...。

容器内设备检查

首次部署建议执行以下检查：

docker exec -it mt-photos-ai-openvino ls -l /dev/dri
docker exec -it mt-photos-ai-openvino python -c "import openvino as ov; print(ov.Core().available_devices)"

若请求了 GPU 推理但容器内 GPU 设备不可用，服务会直接报错并终止启动。

RapidOCR 默认模型下载

主服务不再随镜像内置 OCR 模型。/ocr 首次懒加载时会由 rapidocr==3.8.0 按上游内置 default_models.yaml 自动检查并下载默认模型，运行时只额外把 Det、Cls、Rec 的 engine_type 改为 openvino。

首次加载 OCR 时需要可访问上游内置模型 URL
Docker 镜像已预创建并授权 rapidocr/models 目录，容器内无需再手动挂载 models/rapidocr
如需验证上游内置样例图片，可直接使用官方文档里的 img_url=https://www.modelscope.cn/models/RapidAI/RapidOCR/resolve/master/resources/test_files/ch_en_num.jpg

冒烟检查

推荐先在 Docker 容器内执行 InsightFace 专项冒烟：

docker build -f text-clip/DockerFile-TextCLIP -t mt-photos-ai-text-clip .
docker build -t mt-photos-ai-openvino .
docker run --rm -it \
  -e INFERENCE_DEVICE=CPU \
  -e CLIP_INFERENCE_DEVICE=CPU \
  -e INSIGHTFACE_OV_DEVICE=CPU \
  mt-photos-ai-openvino \
  python scripts/smoke_insightface.py --device CPU

如宿主机已映射 Intel iGPU 的 /dev/dri，可进一步执行 GPU 冒烟：

docker run --rm -it \
  --device /dev/dri:/dev/dri \
  --group-add $(getent group video | cut -d: -f3) \
  --group-add $(getent group render | cut -d: -f3) \
  -e INFERENCE_DEVICE=CPU \
  -e CLIP_INFERENCE_DEVICE=CPU \
  -e INSIGHTFACE_OV_DEVICE=GPU \
  mt-photos-ai-openvino \
  python scripts/smoke_insightface.py --device GPU

脚本会校验：

OpenVINOExecutionProvider 仍是 detection/recognition 的首位 provider，且 device_type 与请求一致
InsightFace 运行事实已收敛到单 lane detector/recognition + 固定 CPU 预处理 + 最多 4 路预处理 worker + 默认 4 请求 admission/聚合上限
运行时模型目录已经收敛到 _runtime_models/models/antelopev2
本地 /represent pipeline 与原生 FaceAnalysis.get 的检测框、分数和 embedding 语义保持一致
原生 detector.detect 与 batched recognition 路径均保持稳定
并发 /represent 聚合路径与顺序 /represent 路径一致，不改变检测框、分数和 embedding 语义
release_models_for_restart() 后 face runtime 引用已释放，且能够重新加载

如需专项验证混合 /represent、/clip/img、/ocr 请求的乱序到达与轻量压力场景，可直接运行：

python scripts/smoke_non_text_process.py --mixed-burst 24 --concurrency 6

该脚本会依次做顺序切换校验、/represent -> /clip/img 乱序回归、六种有序两两轮换校验，以及一个使用假子进程 worker 的轻量微压测，并输出各操作的平均延迟、P95 和 worker 重启次数。

服务启动后，也可以再做基础端点检查：

curl -s http://127.0.0.1:8060/
curl -s -X POST http://127.0.0.1:8060/check -H "api-key: mt_photos_ai_extra"
curl -s -X POST http://127.0.0.1:8060/clip/txt -H "api-key: mt_photos_ai_extra" -H "Content-Type: application/json" -d '{"text":"smoke"}'
curl -s -X POST http://127.0.0.1:8061/check -H "api-key: mt_photos_ai_extra"
curl -s -X POST http://127.0.0.1:8061/clip/txt -H "api-key: mt_photos_ai_extra" -H "Content-Type: application/json" -d '{"text":"smoke"}'

除 GET / 外，业务端点在启用鉴权时都需要携带 api-key 请求头。

许可证

MIT License

Name		Name	Last commit message	Last commit date
Latest commit History 252 Commits
.run		.run
app		app
image-clip		image-clip
scripts		scripts
text-clip		text-clip
.dockerignore		.dockerignore
.gitignore		.gitignore
.gitlab-ci.yml		.gitlab-ci.yml
AGENTS.md		AGENTS.md
Dockerfile		Dockerfile
Dockerfile.dockerignore		Dockerfile.dockerignore
LICENSE		LICENSE
README.md		README.md
docker-compose.example.yml		docker-compose.example.yml
intel-gpu-runtime.pref		intel-gpu-runtime.pref
requirements.txt		requirements.txt
sources.list		sources.list
sources.sid.list		sources.sid.list

Provide feedback

Saved searches

Use saved searches to filter your results more quickly

Repository files navigation

MT-Photos AI (OpenVINO)

部署前准备

运行时环境变量

主容器

Text-CLIP 容器

Windows 本机部署

Debian/Linux Docker 部署

方式一：docker compose

方式二：docker run

容器内设备检查

RapidOCR 默认模型下载

冒烟检查

许可证

About

Uh oh!

Releases

Packages

Uh oh!

Contributors

Uh oh!

Languages

Folders and files

Latest commit

History

Repository files navigation

MT-Photos AI (OpenVINO)

部署前准备

运行时环境变量

主容器

Text-CLIP 容器

Windows 本机部署

Debian/Linux Docker 部署

方式一：docker compose

方式二：docker run

容器内设备检查

RapidOCR 默认模型下载

冒烟检查

许可证

About

Resources

License

Uh oh!

Stars

Watchers

Forks

Releases

Packages 0

Uh oh!

Contributors

Uh oh!

Languages

Packages