Immich 远程机器学习

为了缓解树莓派等低内存系统的性能问题，可以把 Immich 的机器学习容器部署到更强大的系统，例如笔记本电脑或台式机。服务器容器会将包含图片预览的请求发送给远程机器学习容器处理。机器学习容器不会持久保存这些数据，也不会将它们关联到特定用户。

1. 确保远程服务器已经安装 Docker。
2. 将下面的 docker-compose.yml 复制到远程服务器。

name: immich_remote_mlservices:  immich-machine-learning:    container_name: immich_machine_learning    # For hardware acceleration, add one of -[armnn, cuda, rocm, openvino, rknn] to the image tag.    # Example tag: ${IMMICH_VERSION:-release}-cuda    image: ghcr.io/immich-app/immich-machine-learning:${IMMICH_VERSION:-release}    # extends:    #   file: hwaccel.ml.yml    #   service: # set to one of [armnn, cuda, rocm, openvino, openvino-wsl, rknn] for accelerated inference - use the `-wsl` version for WSL2 where applicable    volumes:      - model-cache:/cache    restart: always    ports:      - 3003:3003volumes:  model-cache:

3. 执行 docker compose up -d，启动远程机器学习容器。

4. 打开“机器学习设置”。
5. 点击“添加 URL”。
6. 在新字段中填入远程机器学习容器的 URL，例如 http://ip:port。

强制使用远程处理

建议新增一个 URL，而不是替换现有的 http://immich-machine-learning:3003。这样，远程服务器停机时可以回退到本地机器学习容器，保证任务仍能处理。如果不希望远程服务器不可用时在本地执行机器学习任务，可以替换现有 URL，仅保留远程容器地址。在这种情况下，可以从本地 docker-compose.yml 中移除 immich-machine-learning 部分以节省资源，因为该服务将不会再使用。

请注意，这意味着远程实例不可用时，智能搜索和人脸检测任务会处理失败。依赖这些功能的重复检测和人脸识别也不会对受影响资源运行。发生这种情况后，需要在“任务状态”页面中，手动点击智能搜索及人脸检测旁的“缺失”（Missing）按钮，才能重新尝试任务。

负载均衡

设置中可以填写多个 URL，但系统只会按顺序尝试，不会在多个容器之间分配负载。需要负载均衡时，建议使用专门的负载均衡器，并将其设为唯一 URL。这样还可以通过运行不同配置的多个容器，在同一服务器上使用不同 API。例如，同时运行 OpenVINO 容器和 CUDA 容器，或再运行标准发行版容器，以充分利用 CPU 和 GPU。

原文：Remote Machine Learning。作者／来源：Immich 文档贡献者。本文依据所列原文整理为中文，代码、命令与配置示例保留原文。