# 离线资产清单（内网部署用）

## 已入库文件（git clone 后自动到位）

以下文件体积适中，已直接提交进 git，clone 仓库即可：

| 文件 | 路径 | 大小 | 用途 |
|------|------|------|------|
| BiSeNet 主权重 | `face_analysis/weights/79999_iter.pth` | ~53MB | 人脸解析分割（接口1方案B，取真实发际线/头顶） |
| resnet18 骨干 | `face_analysis/weights/resnet18-5c106cde.pth` | ~45MB | BiSeNet 骨干网络 |
| 中文字体 | `face_analysis/fonts/NotoSansCJKsc-Regular.otf` | ~16MB | 标注图中文渲染 |
| MediaPipe 模型 | `hairline/models/face_landmarker.task` | ~3.7MB | 468点人脸关键点检测（接口2） |

## 需手动下载文件（体积过大，不入 git）

### SegFormer 人脸分割模型（接口2必需）

| 文件 | 路径 | 大小 |
|------|------|------|
| model.safetensors | `hairline/models/face-parsing/model.safetensors` | 338,580,732 B (~323MB) |

下载命令（国内用 hf-mirror 镜像，快很多）：
```bash
# 国内镜像（推荐）
curl -L -o hairline/models/face-parsing/model.safetensors \
  "https://hf-mirror.com/jonathandinu/face-parsing/resolve/main/model.safetensors"
# 官方源
# curl -L -o hairline/models/face-parsing/model.safetensors \
#   "https://huggingface.co/jonathandinu/face-parsing/resolve/main/model.safetensors"
```

sha256 校验：
```
c2bec795a8c243db71bd95be538fd62559003566466c71237e45c99b920f4b62  hairline/models/face-parsing/model.safetensors
```

```bash
sha256sum hairline/models/face-parsing/model.safetensors
```

## sha256 校验（已入库文件）

```
468e13ca13a9b43cc0881a9f99083a430e9c0a38abd935431d1c28ee94b26567  face_analysis/weights/79999_iter.pth
5c106cde386e87d4033832f2996f5493238eda96ccf559d1d62760c4de0613f8  face_analysis/weights/resnet18-5c106cde.pth
2c76254f6fc379fddfce0a7e84fb5385bb135d3e399294f6eeb6680d0365b74b  face_analysis/fonts/NotoSansCJKsc-Regular.otf
```

```bash
sha256sum -c <<'EOF'
468e13ca13a9b43cc0881a9f99083a430e9c0a38abd935431d1c28ee94b26567  face_analysis/weights/79999_iter.pth
5c106cde386e87d4033832f2996f5493238eda96ccf559d1d62760c4de0613f8  face_analysis/weights/resnet18-5c106cde.pth
2c76254f6fc379fddfce0a7e84fb5385bb135d3e399294f6eeb6680d0365b74b  face_analysis/fonts/NotoSansCJKsc-Regular.otf
EOF
```

> resnet18 文件名内嵌的 `5c106cde` 即其官方 sha256 前 8 位（torchvision 命名惯例），与上表一致 = 官方权重无误。

## ⚠️ resnet18 骨干的离线处理（重要）

BiSeNet 初始化时会调用 `torch.utils.model_zoo` / `torchvision` **联网下载** resnet18 骨干，内网会失败报错。两种解法任选其一：

1. **放进 torch 缓存目录**（推荐，零改代码）：
   ```bash
   mkdir -p ~/.cache/torch/hub/checkpoints/
   cp face_analysis/weights/resnet18-5c106cde.pth ~/.cache/torch/hub/checkpoints/
   ```
   （Windows 路径：`%USERPROFILE%\.cache\torch\hub\checkpoints\`）
2. **改 BiSeNet 代码**，把骨干加载改成从 `face_analysis/weights/resnet18-5c106cde.pth` 本地读取（`load_state_dict(torch.load(本地路径))`，并去掉联网下载分支）。

## 下载来源（联网环境重建用）

```
79999_iter.pth            https://huggingface.co/ManyOtherFunctions/face-parse-bisent/resolve/main/79999_iter.pth
resnet18-5c106cde.pth     https://download.pytorch.org/models/resnet18-5c106cde.pth
NotoSansCJKsc-Regular.otf https://github.com/notofonts/noto-cjk/raw/main/Sans/OTF/SimplifiedChinese/NotoSansCJKsc-Regular.otf
model.safetensors         https://huggingface.co/jonathandinu/face-parsing/resolve/main/model.safetensors
```

## 还差什么（pip 依赖）

模型已就位，但**内网机还需要 Python 依赖的离线 wheel 包**，否则 `pip install` 在内网无法联网安装。这部分**与目标机的操作系统、Python 版本、CUDA 版本强相关**，需确认后单独打包：

- **worker（GPU 机）**：`mediapipe` / `opencv-python` / `numpy<2` / `Pillow` / **`torch`+`torchvision` 的 CUDA 版**（按 GPU 的 CUDA 版本选 cu118/cu121 等）/ `transformers`（接口2 SegFormer）+ FastAPI/uvicorn 全家桶。
- **网关机**：FastAPI/uvicorn/httpx 等代理依赖 + **接口4 现需 `mediapipe`/`opencv-python`/`numpy<2`**（脸型本机计算），
  仍**不需要 torch**（无 GPU 推理需求）。

> 架构已拆分（见 `docs/实现说明.md`）：算法依赖只装在 worker，网关保持轻量。

---

> 创建日期：2026-06-14 ｜ 配套：技术方案 v2.0 / 任务书 v1.3