企业官网建设流程全解析

undress-service（Dress AI Service）是一款开源的自托管 AI 穿搭服务平台：上传你的衣橱照片，AI 自动完成分类、颜色、季节打标，并根据场合与天气智能推荐搭配，还能生成"穿上效果"的可视化图片。本文带你用 Docker 部署 undress-service——只需一条命令，即可在本地私有化运行这套虚拟衣橱，无需上传任何照片到公有云，并附赠 NVIDIA GPU 加速与 Ollama 本地大模型两套进阶方案。

部署前准备：Docker 环境要求

得益于项目内置的 Dockerfile，镜像基于python:3.11-slim构建，已预装全部 Python 依赖，并以非 root 用户运行，还自带健康检查——你完全不需要手动配置 Python 环境。

一键安装步骤：docker-compose 基本部署

1. 获取代码

git clone https://gitcode.com/gh_mirrors/co/undress-service cd undress-service

2. 创建.env配置文件

主编排文件 docker-compose.yml 会将./.env以只读方式挂载进容器，参考 app/config.py 中的参数说明，最小可用配置如下：

HOST=0.0.0.0 PORT=8080 USE_LOCAL_MODELS=true

3. 启动服务

docker-compose up -d

首次启动会构建镜像，稍等片刻后访问：

• 应用首页：http://localhost:8080
• API 文档：http://localhost:8080/docs
• 健康检查：http://localhost:8080/api/v1/health

4. 数据持久化说明

docker-compose.yml 中挂载了两个关键目录：

只要不删除这两个目录，重新部署后衣橱数据依然完整。

配置关键参数：.env 常用变量速查

模型文件可在首次运行时通过python scripts/download_models.py下载。核心接口（衣物上传、搭配生成、效果图渲染）均由 app/main.py 统一挂载，路由实现位于 app/routers/ 目录。

GPU加速方案：NVIDIA 显卡用户最快配置方法

纯 CPU 生成穿搭效果图会比较慢，有 NVIDIA 显卡的用户可叠加 GPU 编排文件：

docker-compose -f docker-compose.yml -f docker-compose.gpu.yml up -d

docker-compose.gpu.yml 会自动为服务申请 1 块 GPU 设备，并注入两个关键环境变量：

• CUDA_VISIBLE_DEVICES=0—— 指定使用 0 号显卡
• PYTORCH_CUDA_ALLOC_CONF=max_split_size_mb:512—— 优化显存分配，减少碎片

前提是宿主机已安装 NVIDIA 驱动和 nvidia-container-toolkit。

进阶玩法：接入 Ollama 本地大模型

希望搭配推荐更有"灵性"？可启用本地 LLM 推理，无需任何 API Key：

docker-compose -f docker-compose.yml -f docker-compose.ollama.yml up -d

docker-compose.ollama.yml 会额外拉起一个ollama容器，并自动设置ENABLE_OLLAMA=true与OLLAMA_URL=http://ollama:11434，让 undress-service 调用本地大模型做自然语言级的穿搭推理。

常见问题排查清单

部署完成后，打开浏览器进入http://localhost:8080，上传第一张衣物照片，你的私有 AI 时尚顾问就正式上岗了 🎉 所有照片与数据都只存在于你自己的机器上——自托管、私有、免费。