前言

技術(shù)棧是Fastapi。

FastAPI 是一個(gè)現(xiàn)代、快速（基于 Starlette 和 Pydantic）、易于使用的 Python web 框架，主要用于構(gòu)建 RESTful API。以下是 FastAPI 的一些優(yōu)勢(shì)：

1. 性能卓越： FastAPI 基于 Starlette 框架，并使用 Pydantic 進(jìn)行數(shù)據(jù)驗(yàn)證，因此具有出色的性能。它通過(guò)異步編程利用 Python 3.7+ 中的 async/await 特性，使其能夠處理大量并發(fā)請(qǐng)求。

2. 自動(dòng)文檔生成： FastAPI 自動(dòng)生成交互式 API 文檔（Swagger UI 和 ReDoc），讓開(kāi)發(fā)者能夠輕松地查看和測(cè)試 API 端點(diǎn)，同時(shí)提供即時(shí)的反饋和文檔。

3. 強(qiáng)類(lèi)型注解： FastAPI 使用 Python 的類(lèi)型提示來(lái)定義 API，同時(shí)利用 Pydantic 模型進(jìn)行請(qǐng)求和響應(yīng)的驗(yàn)證，這提供了強(qiáng)大的靜態(tài)類(lèi)型檢查和自動(dòng)文檔的支持。

4. 自動(dòng)驗(yàn)證： 使用 Pydantic 模型，F(xiàn)astAPI 自動(dòng)驗(yàn)證請(qǐng)求的數(shù)據(jù)，并在數(shù)據(jù)不符合預(yù)期時(shí)返回錯(cuò)誤。這有助于提高代碼的穩(wěn)健性和可維護(hù)性。

5. 異步支持： 支持異步處理請(qǐng)求，可以使用異步函數(shù)來(lái)處理請(qǐng)求，使得 FastAPI 在處理高并發(fā)時(shí)表現(xiàn)出色。

6. 便捷的依賴注入系統(tǒng)： FastAPI 提供了一個(gè)靈活的依賴注入系統(tǒng)，讓你能夠方便地注入和管理依賴項(xiàng)，使代碼更加清晰和可測(cè)試。

7. WebSocket 支持： FastAPI 提供了對(duì) WebSocket 的原生支持，能夠輕松地實(shí)現(xiàn)實(shí)時(shí)通信。

8. 易于學(xué)習(xí)： FastAPI 的語(yǔ)法和設(shè)計(jì)理念使其易于學(xué)習(xí)和使用，特別是對(duì)于熟悉 Python 的開(kāi)發(fā)者。

?

安裝modelscope

conda create -n modelscope python=3.8
conda activate modelscope
pip install modelscope

激活虛擬環(huán)境

conda activate modelscope

?

server.py代碼

import argparse

import uvicorn
from fastapi import FastAPI

from modelscope.server.api.routers.router import api_router
from modelscope.server.core.event_handlers import (start_app_handler,
                                                   stop_app_handler)


def get_app(args) -> FastAPI:
    app = FastAPI(
        title='modelscope_server',
        version='0.1',
        debug=True,
        swagger_ui_parameters={'tryItOutEnabled': True})
    app.state.args = args
    app.include_router(api_router)

    app.add_event_handler('startup', start_app_handler(app))
    app.add_event_handler('shutdown', stop_app_handler(app))
    return app


def add_server_args(parser):
    parser.add_argument(
        '--model_id', required=True, type=str, help='The target model id')
    parser.add_argument(
        '--revision', required=True, type=str, help='Model revision')
    parser.add_argument('--host', default='0.0.0.0', help='Host to listen')
    parser.add_argument('--port', type=int, default=8000, help='Server port')
    parser.add_argument('--debug', default='debug', help='Set debug level.')
    parser.add_argument(
        '--llm_first',
        type=bool,
        default=True,
        help='Use LLMPipeline first for llm models.')


if __name__ == '__main__':
    parser = argparse.ArgumentParser('modelscope_server')
    add_server_args(parser)
    args = parser.parse_args()
    app = get_app(args)
    uvicorn.run(app, host=args.host, port=args.port)

?任務(wù)一：人臉檢測(cè)

命令行中虛擬環(huán)境中運(yùn)行腳本

python server.py --model_id damo/cv_resnet50_face-detection_retinaface --revision v2.0.2

?

訪問(wèn)http://127.0.0.1:8000/docs打開(kāi)文檔

?

• describe方法描述請(qǐng)求參數(shù)和輸出形式?

{
  "schema": {
    "task_name": "face-detection",
    "schema": {
      "input": {
        "type": "object",
        "properties": {
          "image": {
            "type": "string",
            "description": "Base64 encoded image file or url string."
          }
        }
      },
      "parameters": {},
      "output": {
        "type": "object",
        "properties": {
          "scores": {
            "type": "array",
            "items": {
              "type": "number"
            }
          },
          "boxes": {
            "type": "array",
            "items": {
              "type": "number"
            }
          },
          "keypoints": {
            "type": "array",
            "items": {
              "type": "number"
            }
          }
        }
      }
    }
  },
  "sample": null
}

• call方法(是模型推理的入口)

  • 兩種請(qǐng)求方式(post)

  • curl方式(encode_base64表示圖片轉(zhuǎn)換為base64后的形式)

• 圖片轉(zhuǎn)換base64的鏈接可以使用在線轉(zhuǎn)https://tool.jisuapi.com/pic2base64.html

  curl -X 'POST' \ 'http://127.0.0.1:8000/call' \ -H 'accept: application/json' \ -H 'Content-Type: application/json' \ -d '{ "input":{"image":"encode_base64"}'

• face-detection_retinaface請(qǐng)求參數(shù)體(界面請(qǐng)求)直接使用fastapi界面請(qǐng)求或者使用apifox等

• {"input":{"image":"encode_base64"}}

  請(qǐng)求結(jié)果

?返回結(jié)果解釋

{
    "scores": [
        0.9998026490211487
    ],
    "boxes": [
        [
            164.9207000732422,
            82.86209106445312,
            353.395263671875,
            340.145263671875
        ]
    ],
    "keypoints": [
        [
            214.5664520263672,
            188.255859375,
            303.5237121582031,
            190.91671752929688,
            256.9284362792969,
            242.95065307617188,
            223.42758178710938,
            283.54241943359375,
            287.28448486328125,
            286.402587890625
        ]
    ]
}

返回圖像中人臉的分?jǐn)?shù)，越大表示有人臉的可能性越大，boxes表示人臉的矩形框，左上角x,y坐標(biāo)和右下角x,y坐標(biāo),keypoints返回左眼、右眼、鼻尖、左嘴角、右嘴角的坐標(biāo)值x,y。?

輸入圖片

?根據(jù)boxes和keypoints畫(huà)圖

?

import cv2

# 讀取圖像
image = cv2.imread('0.png')

# 定義矩形框的坐標(biāo)和大小

x, y, x1, y1 = 164,82,353,340
w = 353-164
h = 340-82

# 畫(huà)矩形框
cv2.rectangle(image, (x, y), (x + w, y + h), (0, 255, 0), 2)

# 顯示結(jié)果
# cv2.imshow('Rectangle', image)
# cv2.waitKey(0)
# cv2.destroyAllWindows()
cv2.imwrite('0_rectangle.png', image)

?

import cv2

# 讀取圖像
image = cv2.imread('0.png')


radius = 5  # 點(diǎn)的半徑
color = (0, 0, 255)  # 點(diǎn)的顏色，通常使用BGR格式
thickness = -1  # 為了畫(huà)一個(gè)實(shí)心圓，線條寬度設(shè)置為-1
keypoints = [214.5664520263672,
188.255859375,
303.5237121582031,
190.91671752929688,
256.9284362792969,
242.95065307617188,
223.42758178710938,
283.54241943359375,
287.28448486328125,
286.402587890625]
print(len(keypoints))
for i in range(0,len(keypoints),2):
    
    cv2.circle(image, (int(keypoints[i]),int(keypoints[i+1])), radius, color, thickness)

# 顯示結(jié)果
# cv2.imshow('Point', image)
# cv2.waitKey(0)
# cv2.destroyAllWindows()
cv2.imwrite('0_keypoints.png', image)

?

?需要注意的是不同的任務(wù)請(qǐng)求體的內(nèi)容不一樣，需要明確每個(gè)任務(wù)的請(qǐng)求參數(shù)具體有哪些。

?任務(wù)二：人臉融合

?第二種任務(wù)，人臉融合，需要重啟服務(wù)，將model_id和revision替換。

?

python server.py --model_id damo/cv_unet-image-face-fusion_damo --revision v1.3

此時(shí)訪問(wèn)http://127.0.0.1/docs?

執(zhí)行一下describe方法?

?

{
  "schema": {
    "task_name": "image-face-fusion",
    "schema": {
      "input": {
        "type": "object",
        "properties": {
          "template": {
            "type": "string",
            "description": "Base64 encoded image file or url string."
          },
          "user": {
            "type": "string",
            "description": "Base64 encoded image file or url string."
          }
        }
      },
      "parameters": {
        "type": "object",
        "properties": {
          "user": {
            "type": "object",
            "default": null
          }
        }
      },
      "output": {
        "type": "object",
        "properties": {
          "output_img": {
            "type": "string",
            "description": "The base64 encoded image."
          }
        }
      }
    }
  },
  "sample": null
}

input有兩個(gè)參數(shù)，第一個(gè)是template，表示模版；第二個(gè)參數(shù)是user，表示用戶的圖片，最終的目的就是將用戶的圖片的臉替換到模版上

parameters參數(shù)一般使用默認(rèn)的就行，不填，如果有特殊需求可自行嘗試

output會(huì)返回一個(gè)換好臉圖像的base64編碼

請(qǐng)求體

{
  "input": {
    "template": "base64_template",
    "user":"bas64_user"
  }
}

?template

?User

?

?Ourput

參考鏈接：

https://github.com/modelscope/modelscope/blob/master/modelscope/server/api_server.py?文章來(lái)源地址http://www.zghlxwxcb.cn/news/detail-780266.html

到了這里，關(guān)于【ModelScope】部署一個(gè)屬于自己的AI服務(wù)的文章就介紹完了。如果您還想了解更多內(nèi)容，請(qǐng)?jiān)谟疑辖撬阉鱐OY模板網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關(guān)文章，希望大家以后多多支持TOY模板網(wǎng)！