配置看起来兼容 Pydantic 两代,为什么仍要逐行核对
配置文件中有 Pydantic 旧版本兼容分支,但项目依赖固定了 Pydantic 2.5.0 与 pydantic-settings 2.1.0。阅读时应先明确实际支持矩阵,而不是把捕获导入异常当作兼容保证。
配置文件中有 Pydantic 旧版本兼容分支,但项目依赖固定了 Pydantic 2.5.0 与 pydantic-settings 2.1.0。阅读时应先明确实际支持矩阵,而不是把捕获导入异常当作兼容保证。
源码把同步推理交给 ThreadPoolExecutor,让异步路由不必直接在事件循环中执行模型。这是调度方式的改进,但不能据此认定服务已经拥有完整的并发保护。
“图片没有人脸”和“模型没能完成检测”都可能得到零,但两者绝不能互相替代。计数接口里一个被解包后没有使用的变量,正好暴露了这个边界。
对比结果里的 False 有两种不同意思:已经完成比较但不是同一人,或者根本没有形成可比较特征。源码还有第三种情况——特征提取异常也会变成 None。
extract_face_embedding 检测到多个人脸后,按边界框面积降序排序,返回最大人脸的 embedding。这个策略便于演示,但它实际上替调用者决定了“照片里要比较谁”。
人脸接口返回的 similarity 不是原始余弦。源码先做 L2 归一化,再点积,最后执行 (cosine + 1) / 2。如果照搬其他模型的阈值,业务含义就会偏移。
validate_base64_image 看起来为 WebP 写了专门分支,但前面的宽松判断已经让这个分支失去作用。这类问题适合用最小字节样本验证,不需要下载模型。
代码中的 MAX_FILE_SIZE 是解码后的图片字节上限,不是整个 HTTP 请求体上限。把它和反向代理限制当成同一个数值,会出现后端说支持、代理却提前拒绝的情况。
把模型接成 HTTP 接口,最容易混在一起的是“请求合法”“模型成功运行”和“业务判断为同一人”。沿着 face_recognition_api 的调用链读一遍,才能看清这三件事分别在哪里发生。