# pic_search_server

**Repository Path**: justkkalways/pic_search_server

## Basic Information

- **Project Name**: pic_search_server
- **Description**: milvus1.0.0 Python3.8 给予vgg模型 提取512维向量 实现以图搜图 记录train、mysql日志 
- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: main
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2026-04-15
- **Last Updated**: 2026-04-15

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# pic_search_server

#### 介绍
milvus1.0.0 Python3.8 基于vgg模型 提取512维向量 实现以图搜图 记录train、mysql日志 

#### 软件架构
本项目使用的docker容器均基于x86架构 建议intel cpu上运行 也可以使用GPU加速特征提取 但要安装gpu版本的tf


#### 安装教程
以下组件均在生产线上环境验证过 建议milvus1.0.0容器的端口 19530、19121都配置防火墙 仅允许目标应用服务器访问这两个的端口

1.milvus1.0.0
docker pull milvusdb/milvus:1.0.0-cpu-d030521-1ea92e

这个是配置向量数据库 注意配置文件server_config.yaml (在本项目根目录 要放到milvus挂在出来的目录的conf目录中)
这两个配置要符合实际向量数据大小 比如当前线上环境有130w的图片 就要去https://milvus.io/zh/tools/sizing 向量数量填1.3 million(百万) 维度 nlist 看看需要多少内存


```
配置文件中的这个配置 可以修改为sqlite或mysql 就是存储元数据的 差别不大 建议存储在mysql中 如果重置milvus容器了 sqlite中的数据可能会丢
general:
  timezone: UTC+8
  meta_uri: sqlite://:@:/
  # meta_uri: mysql://root:123456@172.19.20.174:3306/milvus


cache:
  cache_size: 1GB
  insert_buffer_size: 1GB
  preload_collection:

docker run -d --name milvus_cpu_1.0.0 \
-p 19530:19530 \
-p 19121:19121 \
-v /Users/Downloads/milvus/docker/local_milvus/db:/var/lib/milvus/db \
-v /Users/Downloads/milvus/docker/local_milvus/conf:/var/lib/milvus/conf \
-v /Users/Downloads/milvus/docker/local_milvus/logs:/var/lib/milvus/logs \
-v /Users/Downloads/milvus/docker/local_milvus/wal:/var/lib/milvus/wal \
-v /Users/Downloads/milvus/docker/local_milvus/www:/var/lib/milvus/www \
milvusdb/milvus:1.0.0-cpu-d030521-1ea92e
```


2.server
这个就是核心特征提取的python程序的 线上是基于python3.8的 依赖版本在pip.txt中 版本号都配置好了

import是要提取的图片路径 这个是官方demo 这一套配置好了 直接就能查看效果 

git仓库中的是适配了线上环境基于venv的代码 添加了向量提取分页插入功能 防止训练失败 导致全部失败 demo是全部训练完一次性插入 git是是优化后的

关于依赖的业务数据 是文件名称存储了业务数据的关键id 由此关联的milvus的id和业务数据的

ip地址填milvus1.0.0所在服务器ip 直接启动就可以运行起来搜索api了 vgg16模型是在镜像中的 直接就能用


这里填milvus所有服务器ip
MILVUS_HOST= 192.168.0.103

```
docker run -d --name milvus_image_search_demo \
-v /Users/Downloads/milvus/docker/milvus_1_0_0/webserver/import:/tmp/import \
-v /Users/Downloads/milvus/docker/milvus_1_0_0/webserver/common:/tmp/common \
-p 35000:5000 \
-e "DATA_PATH=/tmp/images-data" \
-e "MILVUS_HOST= 192.168.0.103" \
milvusbootcamp/pic-search-webserver:1.0
```



3.client

demo的客户端界面

适配本项目的没有客户端界面 是提供api给业务系统的 这个界面可以快速查阅搜图效果

访问方式为 本机http://本机ip:8902

访问的API_URL配置为python程序开放的端口 比如这里是35000


```
docker run --name milvus_image_search_demo_web -d -p 8902:80 \
-e API_URL=http://192.168.0.103:35000  \
milvusbootcamp/pic-search-webclient:1.0
```


4.em 可视化管理 连接milvus 19121端口

安装好后 直接浏览器访问 http://localhost:3000

连接里面填milvus所在服务器ip 端口填milvus开放的端口 这里是19121 可以可视化查看milvus的向量状态


```
docker run -d --name milvus-em -p 3000:80 milvusdb/milvus-em:latest
```



5.如果是win环境 开启wsl2

WSL2


```
dism.exe /online /enable-feature /featurename:Microsoft-Windows-Subsystem-Linux /all /norestart
dism.exe /online /enable-feature /featurename:VirtualMachinePlatform /all /norestart

wsl --set-default-version 2

docker --version
docker run hello-world
```