Skip to content
Документация
Эксплуатация

Эксплуатация

Эксплуатация

Переменные окружения

ПеременнаяЗначение по умолчаниюГде используется
DATABASE_URLpostgresql+asyncpg://admin:admin@database:5432/schemionschemion-api
DATABASE_URLpostgresql://admin:admin@database:5432/schemionschemion-training, schemion-inference
MINIO_ENDPOINTminio:9000все сервисы
MINIO_ACCESS_KEYminioadminвсе сервисы
MINIO_SECRET_KEYminioadminвсе сервисы
BOBBER_HOSTbob-the-brokerAPI и воркеры
BOBBER_PORT50051API и воркеры
JWT_SECRETsupersecretschemion-api

Системные модели

  1. Поместите файлы .pt или .pth в system_model_importer/models.
  2. Убедитесь, что Postgres и MinIO доступны на localhost:5432 и localhost:9000.
  3. Запустите python main.py из system_model_importer.
  4. Скрипт загрузит файлы в бакет models и создаст записи is_system=true.

Форматы данных

  • Датасет хранится как ZIP и должен содержать YAML и файлы аннотаций.
  • Веса модели хранятся в MinIO как .pt или .pth.
  • Результат инференса сохраняется как JSON с полями task_id, model_id, predictions, image_width, image_height.

GPU

  • В docker-compose.yml для schemion-training указан доступ к GPU через NVIDIA runtime.

Известные ограничения

  • В schemion-training реализован только yolo trainer, faster_rcnn пока пустой.
  • Объединение предсказаний в инференсе выполняется без NMS. (в процессе для faster rcnn)