当前位置： 首页 > article >正文

jantic/DeOldify部署（图片上色）附带Dockerfile和镜像

article 2024/12/24 11:36:19

1. 克隆代码到DeOldify

git clone https://github.com/jantic/DeOldify.git DeOldify

DeOldify源码

2. 安装依赖

这里会安装python以及创建deoldify环境

cd DeOldify
conda env create -f environment.yml

(base) root@DESKTOP-1FOD6A8:~/DeOldify# conda env create -f environment.yml
Retrieving notices: ...working... Retrying (Retry(total=2, connect=None, read=None, redirect=None, status=None)) after connection broken by 'SSLEOFError(8, '[SSL: UNEXPECTED_EOF_WHILE_READING] EOF occurred in violation of protocol (_ssl.c:1000)')': /pkgs/r/notices.json

Retrying (Retry(total=1, connect=None, read=None, redirect=None, status=None)) after connection broken by 'SSLEOFError(8, '[SSL: UNEXPECTED_EOF_WHILE_READING] EOF occurred in violation of protocol (_ssl.c:1000)')': /pkgs/r/notices.json

done
Channels:
 - fastai
 - conda-forge
 - defaults
 - pytorch
Platform: linux-64
Collecting package metadata (repodata.json): - Retrying (Retry(total=2, connect=None, read=None, redirect=None, status=None)) after connection broken by 'SSLEOFError(8, '[SSL: UNEXPECTED_EOF_WHILE_READING] EOF occurred in violation of protocol (_ssl.c:1000)')': /pkgs/main/linux-64/repodata.json.zst

| Retrying (Retry(total=2, connect=None, read=None, redirect=None, status=None)) after connection broken by 'SSLEOFError(8, '[SSL: UNEXPECTED_EOF_WHILE_READING] EOF occurred in violation of protocol (_ssl.c:1000)')': /fastai/linux-64/repodata.json.zst

\ Retrying (Retry(total=1, connect=None, read=None, redirect=None, status=None)) after connection broken by 'SSLEOFError(8, '[SSL: UNEXPECTED_EOF_WHILE_READING] EOF occurred in violation of protocol (_ssl.c:1000)')': /fastai/linux-64/repodata.json.zst

done
Solving environment: done

Downloading and Extracting Packages:
pytorch-1.11.0       |Retrying (Retry(total=2, connect=None, read=None, redirect=None, status=None)) after connection broken by 'SSLEOFError(8, '[SSL: UNEXPECTED_EOF_WHILE_READING] EOF occurred in violation of protocol (_ssl.c:1000)')': /conda-forge/linux-64/mkl-2024.0.0-ha957f24_49657.conda2024.0.0         | 120.2 MB  |                                                                                                       |   0%
mysql-5.7.20         | 79.2 MB   |                                                                                                       |   0%
pytorch-1.11.0       | 1.20 GB   | 1                                                                                                     |   0%Retrying (Retry(total=1, connect=None, read=None, redirect=None, status=None)) after connection broken by 'SSLEOFError(8, '[SSL: UNEXPECTED_EOF_WHILE_READING] EOF occurred in violation of protocol (_ssl.c:1000)')': /conda-forge/linux-64/mkl-2024.0.0-ha957f24_49657.conda            |   0%
mysql-5.7.20         | 79.2 MB   | 4                                                                                                     |   0% pytorch-1.11.0       | 1.20 GB   | ####################################################################################################9 | 100% cudatoolkit-11.5.2   | 566.5 MB  | ##################################################################################################### | 100% mkl-2024.0.0         | 120.2 MB  | ##################################################################################################### | 100% mysql-5.7.20         | 79.2 MB   | ##################################################################################################### | 100% llvm-openmp-18.1.7   | 55.9 MB   | ##################################################################################################### | 100% libllvm14-14.0.6     | 30.0 MB   | ##################################################################################################### | 100% torchvision-0.12.0   | 27.6 MB   | ##################################################################################################### | 100% python-3.10.14       | 24.3 MB   | ##################################################################################################### | 100% scipy-1.14.1         | 16.1 MB   | ##################################################################################################### | 100% pandas-2.2.2         | 12.4 MB   | ##################################################################################################### | 100% icu-73.2             | 11.5 MB   | ##################################################################################################### | 100% libopenvino-intel-cp | 10.4 MB   | ##################################################################################################### | 100% ffmpeg-7.0.1         | 9.6 MB    | ##################################################################################################### | 100% libclang13-14.0.6    | 8.8 MB    | ##################################################################################################### | 100% libopenvino-intel-gp | 8.1 MB    | ##################################################################################################### | 100% cython-blis-0.7.10   | 7.4 MB    | ##################################################################################################### | 100% babel-2.14.0         | 7.3 MB    | ##################################################################################################### | 100% jupyterlab-4.2.5     | 7.0 MB    | ##################################################################################################### | 100% matplotlib-base-3.9. | 6.7 MB    | ##################################################################################################### | 100% numpy-1.26.4         | 6.7 MB    | ##################################################################################################### | 100% pyqt-5.15.4          | 6.1 MB    | ##################################################################################################### | 100% torchaudio-0.11.0    | 5.3 MB    | ##################################################################################################### | 100% spacy-3.7.5          | 5.2 MB    | ##################################################################################################### | 100% libopenvino-2024.1.0 | 4.9 MB    | ##################################################################################################### | 100% p11-kit-0.24.1       | 4.5 MB    | ##################################################################################################### | 100% libcups-2.3.3        | 4.3 MB    | ##################################################################################################### | 100% language-data-1.2.0  | 4.0 MB    | ##################################################################################################### | 100% libglib-2.80.2       | 3.7 MB    | ##################################################################################################### | 100% libstdcxx-14.1.0     | 3.7 MB    | ##################################################################################################### | 100% x265-3.5             | 3.2 MB    | ##################################################################################################### | 100% tk-8.6.13            | 3.2 MB    | ##################################################################################################### | 100%
openssl-3.3.2        | 2.8 MB    | ##################################################################################################### | 100% libprotobuf-4.25.3   | 2.7 MB    | ##################################################################################################### | 100% gettext-tools-0.22.5 | 2.6 MB    | ##################################################################################################### | 100% aom-3.9.1            | 2.6 MB    | ##################################################################################################### | 100%  ... (more hidden) ...

这里可能会有几个依赖会失败

失败了再次执行

直到全部依赖下载完成

3. conda 激活deoldify

conda activate deoldify

4. 下载模型

https://github.com/jantic/DeOldify

放在DeOldify/models目录下

5. 启动脚本

想要cpu执行可以修改下图位置为CPU,就算是GPU,没有GPU的情况下也会使用CPU执行,所以我没有修改

import argparse
from deoldify import device
from deoldify.device_id import DeviceId
from deoldify.visualize import *
import matplotlib.pyplot as plt
import torch
import warnings
import os

# 设置命令行参数
parser = argparse.ArgumentParser(description="DeOldify Image Colorization")
parser.add_argument('--source_path', type=str, required=True, help="Path to the input image")
parser.add_argument('--render_factor', type=int, default=35, help="Render factor for the image colorizer (default: 35)")

args = parser.parse_args()

# 设置设备 (CPU 或 GPU0)
device.set(device=DeviceId.GPU0)

# 设置样式和性能优化
plt.style.use('dark_background')
torch.backends.cudnn.benchmark = True

# 忽略某些警告
warnings.filterwarnings("ignore", category=UserWarning, message=".*?Your .*? set is empty.*?")

# 初始化颜色化工具
colorizer = get_image_colorizer(artistic=True)

# 获取运行时参数
render_factor = args.render_factor
source_path = args.source_path

# 动态设置 result_path，例如保存到 'output_images' 目录中
result_dir = 'output_images'
if not os.path.exists(result_dir):
    os.makedirs(result_dir)

# 自动根据 source_path 生成输出文件路径
file_name = os.path.basename(source_path)
result_path = os.path.join(result_dir, file_name)

# 显示颜色化处理后的图像并进行对比
colorizer.plot_transformed_image(path=source_path, render_factor=render_factor, compare=True)
  • –source_path /mnt/c/Users/admin/Pictures/202003091903023858a.jpg
    • 需要上色的图片路径
  • –render_factor 35
    • render_factor 决定了输入图像被缩小多少来处理颜色化，影响图像处理速度和生成的质量。
    • 较低的 render_factor 速度快，但细节少；较高的 render_factor 细节更多，但可能速度慢且颜色可能不够自然。
    • 可以不传,默认35
python start.py --source_path /mnt/c/Users/admin/Pictures/202003091903023858a.jpg  --render_factor 35

6. 启动问题

python start.py --source_path /mnt/c/Users/admin/Pictures/202003091903023858a.jpg  --render_factor 35

需要安装libtiff5

sudo apt-get update
sudo apt-get install libtiff5

如果apt-get update如下

换源

cp /etc/apt/sources.list /etc/apt/sources.list.bak

sudo bash -c 'cat > /etc/apt/sources.list << EOF
deb http://mirrors.aliyun.com/ubuntu/ jammy main universe restricted multiverse
deb http://mirrors.aliyun.com/ubuntu/ jammy-updates main universe restricted multiverse
deb http://mirrors.aliyun.com/ubuntu/ jammy-backports main universe restricted multiverse
deb http://mirrors.aliyun.com/ubuntu/ jammy-security main universe restricted multiverse
EOF'

sudo apt-get update
sudo apt-get upgrade

7. 启动

第一次启动会下载这个预处理模型,启动的时候下载失败,可以手动下载,然后放在对应文件目录下

Downloading: "https://download.pytorch.org/models/resnet34-b627a593.pth" to /root/.cache/torch/hub/checkpoints/resnet34-b627a593.pth

之后启动就不会再下载了

效果

8. docker 部署

8.1 已经部署好的镜像

bash版本: 启动后会直接进入容器,然后执行目录下的python start.py即可

此版本为deoldify:v1.0

docker run -it registry.cn-hangzhou.aliyuncs.com/zr-dev/deoldify:v1.0

容器启动时就会自动启动脚本,但是需要传入参数

  • 此版本为deoldify:v2.0
  • –source_path /workspace/DeOldify/test_images/202003091903023858a.jpg \
    • 需要上色的图片路径
    • 此文件的路径必须在输入目录下
  • –render_factor 35
    • render_factor 决定了输入图像被缩小多少来处理颜色化，影响图像处理速度和生成的质量。
    • 较低的 render_factor 速度快，但细节少；较高的 render_factor 细节更多，但可能速度慢且颜色可能不够自然。
    • 可以不传,默认35
  • -v $(pwd)/input_images:/workspace/DeOldify/test_images
    • 输入目录挂载
  • -v $(pwd)/output_images:/workspace/DeOldify/result_images
    • 输出目录挂载
docker run registry.cn-hangzhou.aliyuncs.com/zr-dev/deoldify:v2.0 --source_path /workspace/DeOldify/resource_images/watermark.png --render_factor 35 
    -v $(pwd)/input_images:/workspace/DeOldify/test_images -v $(pwd)/output_images:/workspace/DeOldify/result_images

9. 自己构建镜像

如果我构建的镜像不符合读者的需求,可以改动Dockerfile自行构建

9.1 部署模型以及脚本

下载地址:链接：https://share.weiyun.com/lpsjQ5Pc 密码：7rfys7

9.2 Dockerfile

# 使用 Miniconda 基础镜像
FROM registry.cn-hangzhou.aliyuncs.com/zr-dev/miniconda3:v1.0

# 设置工作目录
WORKDIR /home/ai


# 将本地的 GFPGAN 文件夹复制到容器中
COPY ./DeOldify /workspace/DeOldify

# 设置工作目录为 GFPGAN 文件夹
WORKDIR /workspace/DeOldify


# 安装和相关依赖（CPU 版本）
RUN conda env update -n base -f environment.yml
# 将启动脚本复制到容器内
COPY ./start.py /workspace/DeOldify/start.py

# 将预训练模型从本地复制到容器中
COPY ./ColorizeArtistic_gen.pth /workspace/DeOldify/models/ColorizeArtistic_gen.pth

# 安装 libGL 和其他 OpenCV 所需的依赖
RUN apt-get update && apt-get install -y \
    libgl1-mesa-glx \
    libglib2.0-0 \
    libsm6 \
    libxrender1 \
    libxext6

# 将本地下载的 resnet34 预训练模型复制到容器中
COPY ./resnet34-b627a593.pth /root/.cache/torch/hub/checkpoints/resnet34-b627a593.pth

# 执行 Python 脚本
# ENTRYPOINT ["python", "start.py"]
# 使用 bash 作为容器的入口
ENTRYPOINT ["/bin/bash"]

注意处理完成的图片是result_images不在output_images


http://www.kler.cn/a/302233.html

相关文章：

  • BERT模型入门（1）BERT的基本概念
  • LightGBM分类算法在医疗数据挖掘中的深度探索与应用创新(上)
  • 【NLP 16、实践 ③ 找出特定字符在字符串中的位置】
  • 3354. 使数组元素等于零
  • BGP的六种状态分别是什么？
  • 周末总结(2024/12/21)
  • Linux下的系统接口（实时更新）
  • 人工智能安全治理框架导图
  • 【泰克生物】酵母单杂交技术在基因调控研究中的应用
  • 数据结构——查找算法
  • 240908-结合DBGPT与Ollama实现RAG本地知识检索增强
  • OpenCV结构分析与形状描述符（23）确定一个点是否位于多边形内的函数pointPolygonTest()的使用
  • 单链表的查找与长度计算
  • PyCharm与Anaconda超详细安装配置教程
  • 高效Flutter应用开发：GetX状态管理实战技巧
  • 多线程篇（Fork/Join）（持续更新迭代）
  • 【Python知识宝库】Python中的装饰器：优雅地扩展函数功能
  • 有关 Element-ui 的一些思考
  • 连接数据库（以MySQL为例）
  • Android Framework（五）WMS-窗口显示流程——窗口布局与绘制显示
  • python清除一个月以前的ES索引文档数据
  • 单片机组成原理
  • C语言——静态链表和动态链表
  • 小红书品牌商家怎么接入三方IM服务商？
  • STM32（2）基础介绍及新建工程
  • Ton的编译过程（上）