写真相机方案

背景信息

EAS相关功能说明

EAS是PAI提供的模型服务平台，在写真相机方案中，使用的核心功能包括：

• 通过自定义镜像部署模型服务（包括核验服务、训练服务和预测服务），基于PAI的写真相机算法流程提供了图像核验、Lora训练和图像生成三个API接口服务，同时支持请求的负载均衡和GPU实例的自动扩缩容。

• 该功能支持异步队列操作，可以查询和操作队列消费状态，并且可以设置队列优先级。详情请参见异步推理服务。

• 提供了Python和Java的SDK，支持透传业务定义的自定义参数。详情请参见服务调用SDK。

写真相机算法流程介绍

1. 图像核验

   初步检测图片质量是否符合要求。

2. Lora训练

   首先对图像进行预处理和质量检测，随后利用LoRA进行自动化训练和评估，最终生成优化后的模型。

3. 图像生成

   1. 图像预处理。

   2. 初次生成图像。

   3. 二次生成图像。

前提条件

• 已创建专有网络，并配置公网连接。

  1. 已创建专有网络VPC、交换机和安全组。具体操作，请参见搭建IPv4专有网络和创建安全组。

  2. 已为该VPC创建了公网NAT网关，并为该网关绑定了弹性公网IP、配置了SNAT条目。具体操作，请参见使用公网NAT网关SNAT功能访问互联网。

• 已开通PAI-EAS并创建默认工作空间，详情请参见开通并创建默认工作空间。

• 如果使用RAM用户来部署模型，需要为RAM用户授予PAI-EAS的管理权限，详情请参见云产品依赖与授权：EAS。

• 已准备好5-20张训练图片和1张模板图片，用于模型训练和写真制作。图片格式支持.jpg、.jpeg、.png等。

  • 如果进行单人写真制作，模板图片中包含单张人脸即可。多张训练图片中的人脸属于同一个人。

  • 如果进行多人写真制作，模板图片中需包含多张人脸，且人脸数量与模型训练的model_id数量一致。

  • 请确保训练图片和模板图片的尺寸大于512×512像素。

使用限制

仅支持在华北2（北京）和新加坡地域使用该方案。

部署PAI-EAS模型服务

部署核验服务

1. 进入部署服务页面。具体操作，请参见服务部署：控制台。

2. 在部署服务页面，配置以下关键参数，其他参数取默认配置即可，更多参数配置说明，请参见控制台上传部署。

   • 在模型服务信息区域中，配置以下参数：

     参数	描述
     服务名称	参考界面提示，自定义服务名称。例如：photog_check。
     部署方式	选择镜像部署服务，并打开异步服务开关。
     镜像选择	选中镜像地址，并在文本框中输入镜像地址，取值如下： 华北2（北京）的镜像地址为：registry.cn-beijing.aliyuncs.com/mybigpai/photog_pub:check.1.0.0.pub。 新加坡的镜像地址为：registry.ap-southeast-1.aliyuncs.com/mybigpai/photog_pub:check.1.0.0.pub。
     代码配置	单击填写代码配置，进行代码配置。支持选择以下任意一种挂载方式： OSS挂载 选择您自己的OSS Bucket路径。例如oss://examplebucket/。 挂载路径：配置为/photog_oss。 NAS挂载 NAS挂载点：选择您自己的NAS文件系统和挂载点。 NAS源路径：配置为需要挂载的NAS中的源路径，例如/。 挂载路径：配置为/photog_oss。
     运行命令	运行命令配置为python app.py。 端口号配置为7860。

   • 在资源部署信息区域中，配置以下参数：

     参数	描述
     资源组种类	选择公共资源组。
     资源配置方法	选择常规资源配置。
     资源配置选择	选择GPU下的gu30系列机型，推荐使用ml.gu7i.c32m188.1-gu30。
     系统盘配置	将额外系统盘配置为120 GB。

   • 在异步服务配置区域中，配置以下参数：

     参数	描述
     异步队列资源配置	选择公共资源组。
     异步队列占用资源	最小实例数：1。 CPU：8核。 内存：64GB。
     单一输入请求最大数据	配置为20480 KB。避免队列中每个请求的存储空间不足。
     单一输出返回最大数据

   • 在专有网络配置区域中，选择已创建的VPC、交换机和安全组。

   • 在对应配置编辑区域中，添加以下配置，您可以参考下方的完整配置示例，来添加新增的参数。

     字段	新增的参数
     metadata	增加以下参数： "rpc": { "keepalive": 3600000, "worker_threads": 1 } keepalive：单个请求的最长处理时间，单位为毫秒，配置为3600000。 worker_threads：EAS每个实例中用于并发处理请求的线程数。 默认为5，表示最先进入队列的前五个任务会被分配到同一个实例上。建议将该参数设置为1，这样可以确保请求按顺序排队处理。
     queue	增加参数"max_delivery": 1，防止失败后多次重复投递。

     完整的配置示例如下：

     {
         "metadata": {
             "name": "photog_check",
             "instance": 1,
             "rpc": {
                 "keepalive": 3600000,
                 "worker_threads": 1
             },
             "type": "Async"
         },
         "cloud": {
             "computing": {
                 "instance_type": "ml.gu7i.c32m188.1-gu30",
                 "instances": null
             },
             "networking": {
                 "vswitch_id": "vsw-2ze4o9kww55051tf2****",
                 "security_group_id": "sg-2ze0kgiee55d0fn4****",
                 "vpc_id": "vpc-2ze5hl4ozjl4fo7q3****"
             }
         },
         "features": {
             "eas.aliyun.com/extra-ephemeral-storage": "100Gi"
         },
         "queue": {
             "cpu": 8,
             "max_delivery": 1,
             "min_replica": 1,
             "memory": 64000,
             "resource": "",
             "source": {
                 "max_payload_size_kb": 20480
             },
             "sink": {
                 "max_payload_size_kb": 20480
             }
         },
         "storage": [
             {
                 "oss": {
                     "path": "oss://examplebucket/",
                     "readOnly": false
                 },
                 "properties": {
                     "resource_type": "code"
                 },
                 "mount_path": "/photog_oss"
             }
         ],
         "containers": [
             {
                 "image": "registry.cn-beijing.aliyuncs.com/mybigpai/photog_pub:check.1.0.0.pub",
                 "script": "python app.py",
                 "port": 7860
             }
         ]
     }

3. 单击部署。

   当服务状态为运行中时，服务部署成功。

部署训练服务

1. 进入部署服务页面。具体操作，请参见服务部署：控制台。

2. 在部署服务页面，配置以下关键参数，其他参数取默认配置即可，更多参数配置说明，请参见服务部署：控制台。

   • 在模型服务信息区域中，配置以下参数：

     参数	描述
     服务名称	参考界面提示，自定义服务名称。例如：photog_train_pmml。
     部署方式	选择镜像部署服务，并打开异步服务开关。
     镜像选择	选中镜像地址，并在文本框中输入镜像地址，取值如下： 华北2（北京）的镜像地址为：registry.cn-beijing.aliyuncs.com/mybigpai/photog_pub:train.1.0.0.pub。 新加坡的镜像地址为：registry.ap-southeast-1.aliyuncs.com/mybigpai/photog_pub:train.1.0.0.pub。
     代码配置	单击填写代码配置，进行代码配置。支持选择以下任意一种挂载方式： OSS挂载 选择您自己的OSS Bucket路径，与核验服务选择的OSS路径保持一致。例如oss://examplebucket/。 挂载路径：配置为/photog_oss。 NAS挂载 NAS挂载点：选择您自己的NAS文件系统和挂载点。 NAS源路径：配置为需要挂载的NAS中的源路径，例如/。 挂载路径：配置为/photog_oss。
     运行命令	运行命令配置为python app.py。 端口号配置为7860。

   • 在资源部署信息区域中，配置以下参数：

     参数	描述
     资源组种类	选择公共资源组。
     资源配置方法	选择常规资源配置。
     资源配置选择	选择GPU下的gu30系列机型，推荐使用ml.gu7i.c32m188.1-gu30。
     系统盘配置	将额外系统盘配置为120 GB。

   • 在异步服务配置区域中，配置以下参数：

     参数	描述
     异步队列资源配置	选择公共资源组。
     异步队列占用资源	最小实例数：1。 CPU：8核。 内存：64GB。
     单一输入请求最大数据	配置为20480 KB。避免队列中每个请求的存储空间不足。
     单一输出返回最大数据

   • 在专有网络配置区域中，选择已创建的VPC、交换机和安全组。

   • 在对应配置编辑区域中，添加以下配置，您可以参考下方的完整配置示例，来添加新增的参数。

     字段	新增的参数
     autoscaler	（可选）水平自动扩缩容配置，详情请参见水平自动扩缩容功能。 "behavior": { "scaleDown": { "stabilizationWindowSeconds": 60 } }, "max": 5, "min": 1, "strategies": { "queue[backlog]": 1 }
     metadata	增加以下参数： "rpc": { "keepalive": 3600000, "worker_threads": 1 } keepalive：单个请求的最长处理时间，单位为毫秒，配置为3600000。 worker_threads：EAS每个实例中用于并发处理请求的线程数。 默认为5，表示最先进入队列的前五个任务会被分配到同一个实例上。建议将该参数设置为1，这样可以确保请求按顺序排队处理。
     queue	增加参数"max_delivery": 1，防止失败后多次重复投递。

     完整的配置示例如下：

     {
         "autoscaler": {
             "behavior": {
                 "scaleDown": {
                     "stabilizationWindowSeconds": 60
                 }
             },
             "max": 5,
             "min": 1,
             "strategies": {
                 "queue[backlog]": 1
             }
         },
         "metadata": {
             "name": "photog_train_pmml",
             "instance": 1,
             "rpc": {
                 "keepalive": 3600000,
                 "worker_threads": 1
             },
             "type": "Async"
         },
         "cloud": {
             "computing": {
                 "instance_type": "ml.gu7i.c32m188.1-gu30",
                 "instances": null
             },
             "networking": {
                 "vswitch_id": "vsw-2ze4o9kww55051tf2****",
                 "security_group_id": "sg-2ze0kgiee55d0fn4****",
                 "vpc_id": "vpc-2ze5hl4ozjl4fo7q3****"
             }
         },
         "features": {
             "eas.aliyun.com/extra-ephemeral-storage": "120Gi"
         },
         "queue": {
             "cpu": 8,
             "max_delivery": 1,
             "min_replica": 1,
             "memory": 64000,
             "resource": "",
             "source": {
                 "max_payload_size_kb": 20480
             },
             "sink": {
                 "max_payload_size_kb": 20480
             }
         },
         "storage": [
             {
                 "oss": {
                     "path": "oss://examplebucket/",
                     "readOnly": false
                 },
                 "properties": {
                     "resource_type": "code"
                 },
                 "mount_path": "/photog_oss"
             }
         ],
         "containers": [
             {
                 "image": "registry.cn-beijing.aliyuncs.com/mybigpai/photog_pub:train.1.0.0.pub",
                 "script": "python app.py",
                 "port": 7860
             }
         ]
     }

3. 单击部署。

   当服务状态为运行中时，服务部署成功。

部署预测服务

1. 进入部署服务页面。具体操作，请参见服务部署：控制台。

2. 在部署服务页面，配置以下关键参数，其他参数取默认配置即可，更多参数配置说明，请参见服务部署：控制台。

   • 在模型服务信息区域中，配置以下参数：

     参数	描述
     服务名称	参考界面提示，自定义服务名称。例如：photog_pre_pmml。
     部署方式	选择镜像部署服务，并打开异步服务开关。
     镜像选择	选中镜像地址，并在文本框中输入镜像地址。需要同时配置AI写真预测服务和WebUI预测服务镜像地址，在该区域中只需要配置AI写真预测服务镜像地址，WebUI预测服务镜像地址在对应配置编辑区域进行配置。支持配置的镜像列表如下，本方案选择华北2（北京）地域的镜像地址。 华北2（北京）镜像地址： AI写真预测服务：registry.cn-beijing.aliyuncs.com/mybigpai/photog_pub:infer.1.0.0.pub。 WebUI预测服务：eas-registry-vpc.cn-beijing.cr.aliyuncs.com/pai-eas/stable-diffusion-webui:3.2。 新加坡镜像地址： AI写真预测服务：registry.ap-southeast-1.aliyuncs.com/mybigpai/photog_pub:infer.1.0.0.pub。 WebUI预测服务：eas-registry-vpc.ap-southeast-1.cr.aliyuncs.com/pai-eas/stable-diffusion-webui:3.2。
     代码配置	单击填写代码配置，进行代码配置。支持选择以下任意一种挂载方式，本方案选择OSS挂载。 OSS挂载 选择您自己的OSS Bucket路径，与核验服务选择的OSS路径保持一致。例如oss://examplebucket/。 挂载路径：配置为/photog_oss。 NAS挂载 NAS挂载点：选择您自己的NAS文件系统和挂载点。 NAS源路径：配置为需要挂载的NAS中的源路径，例如/。 挂载路径：配置为/photog_oss。 您需要下载并解压WebUI所需的模型文件，并将其按照下图布局方式存放到您的OSS Bucket路径oss://examplebucket/photog_oss/webui或NAS路径/photog_oss/webui中。关于如何将文件上传到OSS Bucket路径，详情请参见命令行工具ossutil 1.0。关于如何将文件上传到NAS路径，详情请参见快速入门（Linux）和文件管理。
     环境变量	单击填写环境变量，配置以下两个环境变量： 变量名：URL，变量值：http://127.0.0.1:8000。 变量名：AUTHORIZATION，变量值：=。
     运行命令	运行命令配置为python app.py。 端口号配置为7860。

   • 在资源部署信息区域中，配置以下参数：

     参数	描述
     资源组种类	选择公共资源组。
     资源配置方法	选择常规资源配置。
     资源配置选择	选择GPU下的gu30系列机型，推荐使用ml.gu7i.c32m188.1-gu30。
     系统盘配置	将额外系统盘配置为120 GB。

   • 在异步服务配置区域中，配置以下参数：

     参数	描述
     异步队列资源配置	选择公共资源组。
     异步队列占用资源	最小实例数：1。 CPU：8核。 内存：64GB。
     单一输入请求最大数据	配置为20480 KB。避免队列中每个请求的存储空间不足。
     单一输出返回最大数据

   • 在专有网络配置区域中，选择已创建的VPC、交换机和安全组。

   • 在对应配置编辑区域中，添加以下配置，您可以参考下方的完整配置示例，来添加新增的参数。

     字段	新增的参数
     metadata	增加以下参数： "rpc": { "keepalive": 3600000, "worker_threads": 1 } keepalive：单个请求的最长处理时间，单位为毫秒，配置为3600000。 worker_threads：EAS每个实例中用于并发处理请求的线程数。 默认为5，表示最先进入队列的前五个任务会被分配到同一个实例上。建议将该参数设置为1，这样可以确保请求按顺序排队处理。
     containers	增加以下参数： { "image": "eas-registry-vpc.cn-beijing.cr.aliyuncs.com/pai-eas/stable-diffusion-webui:3.2", "port": 8000, "script": "./webui.sh --listen --port 8000 --skip-version-check --no-hashing --no-download-sd-model --skip-install --api --filebrowser --sd-dynamic-cache --data-dir /photog_oss/photog/webui/" } 分别表示WebUI预测服务镜像以及对应的运行命令和端口号。
     queue	增加参数"max_delivery": 1，防止失败后多次重复投递。

     完整的配置示例如下：

     {
         "metadata": {
             "name": "photog_pre_pmml",
             "instance": 1,
             "rpc": {
                 "keepalive": 3600000,
                 "worker_threads": 1
             },
             "type": "Async"
         },
         "cloud": {
             "computing": {
                 "instance_type": "ecs.gn6v-c8g1.2xlarge",
                 "instances": null
             },
             "networking": {
                 "vswitch_id": "vsw-2ze4o9kww55051tf2****",
                 "security_group_id": "sg-2ze0kgiee55d0fn4****",
                 "vpc_id": "vpc-2ze5hl4ozjl4fo7q3****"
             }
         },
         "features": {
             "eas.aliyun.com/extra-ephemeral-storage": "120Gi"
         },
         "queue": {
             "cpu": 8,
             "max_delivery": 1,
             "min_replica": 1,
             "memory": 64000,
             "resource": "",
             "source": {
                 "max_payload_size_kb": 20480
             },
             "sink": {
                 "max_payload_size_kb": 20480
             }
         },
         "storage": [
             {
                 "oss": {
                     "path": "oss://examplebucket/",
                     "readOnly": false
                 },
                 "properties": {
                     "resource_type": "code"
                 },
                 "mount_path": "/photog_oss"
             }
         ],
         "containers": [
             {
                 "image": "registry.cn-beijing.aliyuncs.com/mybigpai/photog_pub:infer.1.0.0.pub",
                 "env": [
                     {
                         "name": "URL",
                         "value": "http://127.0.0.1:8000"
                     },
                     {
                         "name": "AUTHORIZATION",
                         "value": "="
                     }
                 ],
                 "script": "python app.py",
                 "port": 7861
             },
             {
                 "image": "eas-registry-vpc.cn-beijing.cr.aliyuncs.com/pai-eas/stable-diffusion-webui:3.2",
                 "port": 8000,
                 "script": "./webui.sh --listen --port 8000 --skip-version-check --no-hashing --no-download-sd-model --skip-install --api --filebrowser --sd-dynamic-cache --data-dir /photog_oss/photog/webui/"
             }
         ]
     }

3. 单击部署。

   当服务状态为运行中时，服务部署成功。

调用接口

步骤一：调用图像核验接口

1. 首先您需要在PAI-EAS模型在线服务页面，单击核验服务的服务方式列下的调用信息，在异步调用页签，获取服务访问地址和Token。

2. 使用如下代码创建输入队列进行图片核验，并获取队列信息。

   调用示例如下：

   Python SDK

   import json
   from eas_prediction import QueueClient
   
   # 创建输入队列对象，用于写入输入数据。
   input_queue = QueueClient('182848887922****.cn-shanghai.pai-eas.aliyuncs.com', 'photog_check')
   input_queue.set_token('<token>')
   input_queue.init()
   
   datas = json.dumps(
       {
          'request_id'    : 12345,
          'images'        : ["xx.jpg", "xx.jpg"], # urls, a list
          'configure'     : {
               'face_reconize' : True, # Judge whether all pictures are of a person
           }
       }
   )
   
   index, request_id = input_queue.put(f'{datas}')
   print(index, request_id)
   
   # 查看输入队列的详情。
   attrs = input_queue.attributes()
   print(attrs)

   其中关键配置说明如下：

   关键配置		描述	默认值	是否必填
   input_queue		配置为已获取的核验服务的访问地址，请参考上述代码示例进行配置，STRING类型。	无	是
   <token>		替换为已获取的核验服务的Token，STRING类型。	无	是
   request_id		请求ID，STRING类型。	无	是
   images		配置为模型训练使用图片的URL地址，LIST类型。	无	是
   configure	face_reconize	判断多张图片中的人脸是否为同一个人，BOOL类型。	False	否

   Java SDK

   import com.aliyun.openservices.eas.predict.http.HttpConfig;
   import com.aliyun.openservices.eas.predict.http.QueueClient;
   import com.aliyun.openservices.eas.predict.queue_client.QueueUser;
   import org.apache.commons.lang3.tuple.Pair;
   
   public class AsyncTest {
       public static void main(String[] args) throws Exception {
           /** 创建队列服务客户端 */
           String queueEndpoint = "182848887922****.cn-shanghai.pai-eas.aliyuncs.com";
           String inputQueueName = "photog_check";
           String queueToken = "YmE3NDkyMzdiMzNmMGM3ZmE4ZmNjZDk0M2NiMDA3OTZmNzc1MT****==";
   
           QueueClient inputQueue =
               new QueueClient(queueEndpoint, inputQueueName, queueToken, new HttpConfig(), new QueueUser());
   
           /** 请求数据 */
           String data = "{\n" +
               "    'request_id': 12345,\n" +
               "    'images'    : [\"xx.jpg\", \"xx.jpg\"],\n" +
               "    'configure' : {\n" +
               "        'face_reconize' : True,\n" +
               "    }\n" +
               "}";
           Pair<Long, String> entry = inputQueue.put(data.getBytes(), null);
           System.out.println(String.format("index = %s, request id = %s", entry.getKey(), entry.getValue()));
   
           // 查看输入队列的详情
           System.out.println(inputQueue.attributes());
   
           /** 关闭客户端 */
           inputQueue.shutdown();
       }
   }

   其中：

   关键配置		描述	默认值	是否必填
   queueEndpoint		配置为已获取的核验服务的访问地址，STRING类型。	无	是
   inputQueueName		配置为核验服务的名称，STRING类型。	无	是
   queueToken		替换为已获取的核验服务的Token，STRING类型。	无	是
   request_id		请求ID，STRING类型。	无	是
   images		配置为模型训练使用图片的URL地址，LIST类型。	无	是
   configure	face_reconize	判断多张图片中的人脸是否为同一个人，BOOL类型。	False	否

   系统返回结果如下：

   Python SDK

   1 6bdea119-01f3-4728-b3d3-b0af366ad3eb
   {'consumers.list.[0]': 'Id: photog_check.photog-check-738569a9-798897bdf5-76****, Index: 0, Pending: 0, Status: Running, Idle: 1h10m4.997s, Window: 1, Slots: 1, AutoCommit: false', 'consumers.stats.total': '1', 'consumers.status.total': '1', 'groups.list.[0]': 'Id: photog_check, Index: 1, Pending: 1, Delivered: 2, Consumers: 1', 'meta.header.group': 'X-EAS-QueueService-Gid', 'meta.header.priority': 'X-EAS-QueueService-Priority', 'meta.header.user': 'X-EAS-QueueService-Uid', 'meta.name': 'photog-check-queue-95e006df', 'meta.state': 'Normal', 'stream.approxMaxLength': '1439', 'stream.firstEntry': '1', 'stream.lastEntry': '1', 'stream.length': '1', 'stream.maxPayloadBytes': '20971520'}

   Java SDK

   index = 2, request id = 61132b43-a527-40dc-89bb-a9a48316ddea
   {"meta.header.priority":"X-EAS-QueueService-Priority","consumers.status.total":"1","stream.firstEntry":"2","stream.maxPayloadBytes":"20971520","consumers.stats.total":"1","stream.approxMaxLength":"1439","stream.length":"1","groups.list.[0]":"Id: photog_check, Index: 2, Pending: 1, Delivered: 3, Consumers: 1","meta.header.group":"X-EAS-QueueService-Gid","stream.lastEntry":"2","consumers.list.[0]":"Id: photog_check.photog-check-738569a9-798897bdf5-76j48, Index: 2, Pending: 0, Status: Running, Idle: 19m11.174s, Window: 1, Slots: 1, AutoCommit: false","meta.name":"photog-check-queue-95e006df","meta.state":"Normal","meta.header.user":"X-EAS-QueueService-Uid"}
   
   Process finished with exit code 0

   其中：

   • index：表示该请求是EAS中的第几个请求。

   • request_id：表示该请求的ID，后续使用该ID获取输出结果。

   • 其他内容表示输入队列详情。

3. 使用如下代码创建输出队列并获取返回结果，通过返回结果来确认图片是否符合要求。

   调用示例如下：

   Python SDK

   # 创建输出队列对象，用于订阅读取输出结果数据。
   sink_queue = QueueClient('182848887922****.cn-shanghai.pai-eas.aliyuncs.com', 'photog_check/sink')
   sink_queue.set_token('<token>')
   sink_queue.init()
   
   sink_queue.get(request_id, auto_delete=True)[0].data.decode('utf-8')

   其中：

   • sink_queue：配置为已获取的核验服务的访问地址。

   • <token>：替换为已获取的核验服务的Token。

   • auto_delete：默认为True。如果在查询队列时直接使用request_id，但没有设置auto_delete参数，那么将会删除该队列的结果。由于输出队列通常需要删除队列内容，建议将auto_delete参数设置为True。

   Java SDK

   import com.aliyun.openservices.eas.predict.http.HttpConfig;
   import com.aliyun.openservices.eas.predict.http.QueueClient;
   import com.aliyun.openservices.eas.predict.queue_client.DataFrame;
   import com.aliyun.openservices.eas.predict.queue_client.QueueUser;
   import org.apache.commons.lang3.tuple.Pair;
   
   import java.util.HashMap;
   import java.util.Map;
   
   public class AsyncPhotoTest {
       public static void main(String[] args) throws Exception {
           /** 创建队列服务客户端 */
           String queueEndpoint = "166233998075****.cn-beijing.pai-eas.aliyuncs.com";
           String inputQueueName = "photog_check";
           String sinkQueueName = String.format("%s/sink", inputQueueName);
           String queueToken = "YjczMzFlYmRkMDU4YmZmMGQ4NTEwODA4NDk3NmFhODE5N2ExMzEy****";
   
           QueueClient inputQueue =
               new QueueClient(queueEndpoint, inputQueueName, queueToken, new HttpConfig(), new QueueUser());
           QueueClient sinkQueue =
               new QueueClient(queueEndpoint, sinkQueueName, queueToken, new HttpConfig(), new QueueUser());
   
           /** 请求数据 */
           String data = "{\n" +
               "  \"request_id\": 12345,\n" +
               "  \"images\": [\"xx.jpg\", \"xx.jpg\"],\n" +
               "  \"configure\": {\n" +
               "    \"face_reconize\": true\n" +
               "  }\n" +
               "}";
           Pair<Long, String> entry = inputQueue.put(data.getBytes(), null);
           Long index = entry.getKey();
           final String requestId = entry.getValue();
           System.out.println(String.format("index = %d, request id = %s", index, requestId));
   
           // 查看输入队列的详情
           System.out.println(inputQueue.attributes());
   
           // 查看输入数据
           Map<String, String> tags =
               new HashMap<String, String>() {
                   {
                       put("requestId", requestId);
                   }
               };
           DataFrame[] dfs = inputQueue.get(0, 1L, 0, false, tags);
           if (dfs.length > 0) {
               System.out.println(String.format("Successfully get input data = %s, index = %d, tags = %s", new String(dfs[0].getData()), dfs[0].getIndex(), dfs[0].getTags()));
           } else {
               System.out.println("no data");
           }
   
           // 查看输出数据
           while (true) {
               dfs = sinkQueue.get(0, 1L, 0, true, tags);
               if (dfs.length > 0) {
                   System.out.println(String.format("Successfully get sink data = %s, tags = %s", new String(dfs[0].getData()), dfs[0].getTags()));
                   break;
               } else {
                   System.out.println("no data");
                   Thread.sleep(5000);
               }
           }
   
           /** 关闭客户端 */
           inputQueue.shutdown();
           sinkQueue.shutdown();
       }
   }

   其中：

   • queueEndpoint：配置为已获取的核验服务访问地址。

   • inputQueueName：配置为核验服务的名称。

   • queueToken：替换为已获取的核验服务的Token。

   • image：配置为模型训练使用的图片的URL地址。

   系统返回如下结果：

   Python SDK

   '{"request_id": "12345", "code": "OK", "message": "success", "data": {"request_id": 12345, "images": ["xx.jpg", "https://xxx.oss-cn-beijing.aliyuncs.com/photog/user_images/foto/train/0.jpg"], "configure": {"face_reconize": true}, "cost_time": 9.820043325424194, "check_results": [{"url": "https://xx-cn-beijing.aliyuncs.com/photog/user_images/foto/train/1.jpg", "message": "success", "code": 1, "frontal": true}, {"url": "https://xx-cn-beijing.aliyuncs.com/photog/user_images/foto/train/0.jpg", "message": "success", "code": 1, "frontal": false}]}}'

   Java SDK

   Successfully get sink data = {"request_id": "12345", "code": "OK", "message": "success", "data": {"request_id": 12345, "images": ["xx.jpg", "xx.jpg"], "configure": {"face_reconize": true}, "cost_time": 0.2047882080078125, "check_results": [{"url": "https://xx-cn-beijing.aliyuncs.com/photog/user_images/foto/train/1.jpg", "message": "success", "code": 1, "frontal": true}, {"url": "https://xx-cn-beijing.aliyuncs.com/photog/user_images/foto/train/0.jpg", "message": "success", "code": 1, "frontal": false}]}}

   参数说明如下：

   参数	描述
   request_id	请求ID，STRING类型。
   code	请求状态码，STRING类型： OK：表示已完成核验。 error：表示未完成核验。
   message	请求状态的详细信息。如果返回结果为success表示执行成功，对于其他返回结果，请根据具体的返回内容来确定。
   data	返回内容详情，内部字段说明如下： check_results：表示输入的每张图片的检测结果。 url：图片的URL地址。 message：图片检测详情。success表示核验成功。更多关于message返回结果的可能取值和对应的code，请参见message详情。 frontal：图片是否为正面。 cost_time：本次API调用花费的服务端计算时长。 images：核验的图片URL列表，List类型。 request_id：请求流水号，STRING类型。

   message详情

   message可能值	code	描述
   success	1	表示符合要求。
   Image decode error	2	无法下载或解码图像。
   Number of face is not 1	3	人脸数量不为1。
   Image detect error	4	人脸检测异常。
   Image encoding error	5	将人脸编码为特征向量时出错，表示无法检测到人脸。
   This photo is not the same person in photos	6	如果只出现了这个错误，表示多张图片中的人脸不属于同一个人。

步骤二：调用Lora训练接口

1. 首先您需要在PAI-EAS模型在线服务页面，单击训练服务的服务方式列下的调用信息，在异步调用页签，获取服务访问地址和Token。

2. 使用如下代码创建输入队列进行Lora训练并获取队列信息。

   调用示例如下：

   Python SDK

   photog_train_pmmln import json
   from eas_prediction import QueueClient
   
   # 创建输入队列对象，用于写入输入数据。
   input_queue = QueueClient('182848887922****.cn-shanghai.pai-eas.aliyuncs.com', 'photog_train_pmml')
   input_queue.set_token('<token>')
   input_queue.init()
   
   datas = json.dumps(
       {
           'request_id'    : 12345,
           'images'        : ["xx.jpg", "xx.jpg"], # urls
           'configure'     : {
               'user_id'   : "zhoumo", # user id
           }
       }
   )
   
   index, request_id = input_queue.put(f'{datas}')
   print(index, request_id)
   
   # 查看输入队列的详情。
   attrs = input_queue.attributes()
   print(attrs)

   其中关键配置说明如下：

   关键配置		描述	默认值	是否必填
   input_queue		配置为已获取的训练服务的访问地址，请参考上述代码示例进行配置，STRING类型。	无	是
   <token>		替换为已获取训练服务的Token，STRING类型。	无	是
   request_id		请求ID。STRING类型。	无	是
   images		配置为训练图片的URL地址，LIST类型。	无	是
   configure	user_id	用户的ID，STRING类型。	无	是
   	sex	训练图片中人物的性别。	secret	否
   	max_train_steps	总训练步数。	400	否
   	val_save_checkpointing_steps	训练的验证步数。	50	否

   Java SDK

   import com.aliyun.openservices.eas.predict.http.HttpConfig;
   import com.aliyun.openservices.eas.predict.http.QueueClient;
   import com.aliyun.openservices.eas.predict.queue_client.QueueUser;
   import org.apache.commons.lang3.tuple.Pair;
   
   public class AsyncTest {
       public static void main(String[] args) throws Exception {
           /** 创建队列服务客户端 */
           String queueEndpoint = "182848887922****.cn-shanghai.pai-eas.aliyuncs.com";
           String inputQueueName = "photog_train_pmml";
           String queueToken = "YmE3NDkyMzdiMzNmMGM3ZmE4ZmNjZDk0M2NiMDA3OTZmNzc1MT****==";
   
           QueueClient inputQueue =
               new QueueClient(queueEndpoint, inputQueueName, queueToken, new HttpConfig(), new QueueUser());
   
           /** 请求数据 */
           String data = "{\n" +
               "        'request_id'    : 12345,\n" +
               "        'images'        : [\"xx.jpg\", \"xx.jpg\"],\n" +
               "        'configure'     : {\n" +
               "            'user_id'   : \"zhoumo\",\n" +
               "        }\n" +
               "    }";
           Pair<Long, String> entry = inputQueue.put(data.getBytes(), null);
           System.out.println(String.format("index = %s, request id = %s", entry.getKey(), entry.getValue()));
   
           // 查看输入队列的详情
           System.out.println(inputQueue.attributes());
   
           /** 关闭客户端 */
           inputQueue.shutdown();
       }
   }

   其中关键配置说明如下：

   关键配置		描述	默认值	是否必填
   queueEndpoint		配置为已获取的训练服务的访问地址，STRING类型。	无	是
   inputQueueName		配置为训练服务的名称，STRING类型。	无	是
   queueToken		替换为已获取训练服务的Token，STRING类型。	无	是
   request_id		请求ID。STRING类型。	无	是
   images		配置为训练图片的URL地址，LIST类型。	无	是
   configure	user_id	用户的ID，STRING类型。	无	是
   	sex	训练图片中人物的性别。	secret	否
   	max_train_steps	总训练步数。	400	否
   	val_save_checkpointing_steps	训练的验证步数。	50	否

   系统返回如下结果：

   Python SDK

   2 bb4ce34d-47e4-425d-bee7-b806e29c6d78
   {'consumers.list.[0]': 'Id: photog_train_pmml.photog-train-pmml-78550f91-7545766654-jpdtp, Index: 2, Pending: 0, Status: Running, Idle: 18h46m24.039s, Window: 1, Slots: 1, AutoCommit: false', 'consumers.stats.total': '1', 'consumers.status.total': '1', 'groups.list.[0]': 'Id: photog_train_pmmln, Index: 2, Pending: 1, Delivered: 3, Consumers: 1', 'meta.header.group': 'X-EAS-QueueService-Gid', 'meta.header.priority': 'X-EAS-QueueService-Priority', 'meta.header.user': 'X-EAS-QueueService-Uid', 'meta.name': 'photog-train-pmmln-queue-7a5e7cc6', 'meta.state': 'Normal', 'stream.approxMaxLength': '1438', 'stream.firstEntry': '2', 'stream.lastEntry': '2', 'stream.length': '1', 'stream.maxPayloadBytes': '20971520'}

   Java SDK

   index = 3, request id = ec3b7c21-c395-4490-ae42-8f66d06e9d4d
   {"meta.header.priority":"X-EAS-QueueService-Priority","consumers.status.total":"1","stream.firstEntry":"3","stream.maxPayloadBytes":"20971520","consumers.stats.total":"1","stream.approxMaxLength":"1438","stream.length":"1","groups.list.[0]":"Id: photog_train_pmml, Index: 3, Pending: 1, Delivered: 4, Consumers: 1","meta.header.group":"X-EAS-QueueService-Gid","stream.lastEntry":"3","consumers.list.[0]":"Id: photog_train_pmmln.photog-train-pmmln-78550f91-7545766654-jpdtp, Index: 3, Pending: 0, Status: Running, Idle: 2h30m57.08s, Window: 1, Slots: 1, AutoCommit: false","meta.name":"photog-train-pmmln-queue-7a5e7cc6","meta.state":"Normal","meta.header.user":"X-EAS-QueueService-Uid"}
   
   Process finished with exit code 0

   其中：

   • index：表示该请求是EAS中的第几个请求。

   • request_id：表示该请求的ID，后续使用该ID获取输出结果。

   • 其他内容表示获取的队列信息。

3. 使用以下代码，创建输出队列并订阅读取输出结果数据，以判断模型训练是否成功。

   调用示例如下：

   Python SDK

   # 创建输出队列对象，用于订阅读取输出结果数据。
   sink_queue = QueueClient('182848887922****.cn-shanghai.pai-eas.aliyuncs.com', 'photog_train_pmml/sink')
   sink_queue.set_token('<token>')
   sink_queue.init()
   
   sink_queue.get(request_id, auto_delete=True)[0].data.decode('utf-8')

   其中：

   • sink_queue：配置为已获取的训练服务访问地址。

   • <token>：替换为已获取训练服务的Token。

   Java SDK

   import com.aliyun.openservices.eas.predict.http.HttpConfig;
   import com.aliyun.openservices.eas.predict.http.QueueClient;
   import com.aliyun.openservices.eas.predict.queue_client.DataFrame;
   import com.aliyun.openservices.eas.predict.queue_client.QueueUser;
   import org.apache.commons.lang3.tuple.Pair;
   
   import java.util.HashMap;
   import java.util.Map;
   
   public class AsyncPhotoTest {
       public static void main(String[] args) throws Exception {
           /** 创建队列服务客户端 */
           String queueEndpoint = "166233998075****.cn-beijing.pai-eas.aliyuncs.com";
           String inputQueueName = "photog_train_pmml";
           String sinkQueueName = String.format("%s/sink", inputQueueName);
           String queueToken = "N2E2YWI0Y2MyNjZmNjdlMWFmZjNhOTM5M2E5ZGNlMGY1NDQwZGYw****";
   
           QueueClient inputQueue =
                   new QueueClient(queueEndpoint, inputQueueName, queueToken, new HttpConfig(), new QueueUser());
           QueueClient sinkQueue =
                   new QueueClient(queueEndpoint, sinkQueueName, queueToken, new HttpConfig(), new QueueUser());
   
           /** 请求数据 */
           String data = "{\n" +
                   "  \"request_id\": 12345,\n" +
                   "  \"images\": [\"xx.jpg\", \"xx.jpg\"],\n" +
                   "  \"configure\": {\n" +
                   "    \"user_id\": \"zhoumo\"\n" +
                   "  }\n" +
                   "}";
           Pair<Long, String> entry = inputQueue.put(data.getBytes(), null);
           Long index = entry.getKey();
           final String requestId = entry.getValue();
           System.out.println(String.format("index = %d, request id = %s", index, requestId));
   
           // 查看输入队列的详情
           System.out.println(inputQueue.attributes());
   
           // 查看输入数据
           Map<String, String> tags =
                   new HashMap<String, String>() {
                       {
                           put("requestId", requestId);
                       }
                   };
           DataFrame[] dfs = inputQueue.get(0, 1L, 0, false, tags);
           if (dfs.length > 0) {
               System.out.println(String.format("Successfully get data = %s, index = %d, tags = %s", new String(dfs[0].getData()), dfs[0].getIndex(), dfs[0].getTags()));
           } else {
               System.out.println("no data");
           }
   
           // 查看输出数据
           while (true) {
               dfs = sinkQueue.get(0, 1L, 0, true, tags);
               if (dfs.length > 0) {
                   System.out.println(String.format("Successfully get data = %s, tags = %s", new String(dfs[0].getData()), dfs[0].getTags()));
                   break;
               } else {
                   System.out.println("no data");
               }
           }
   
           /** 关闭客户端 */
           inputQueue.shutdown();
           sinkQueue.shutdown();
       }
   }

   其中：

   • queueEndpoint：配置为已获取的训练服务的访问地址。

   • inputQueueName：配置为训练服务的名称。

   • queueToken：替换为已获取的训练服务的Token。

   • images：配置为模型训练使用图片的URL地址。

   系统返回结果如下：

   Python SDK

   '{"request_id": "12345", "code": "OK", "message": "success", "data": {"user_id": "zhoumo", "cost_time": 272.7406361103058}}'

   说明

   当返回结果中的code为502时，表示训练正在进行中。

   Java SDK

   ...
   no data
   no data
   Successfully get data = {"request_id": "12345", "code": "OK", "message": "success", "data": {"user_id": "zhoumo", "cost_time": 260.7540729045868}}

   说明

   当返回结果中显示no data时，表示训练正在进行中。

   参数说明如下：

   参数	描述
   request_id	请求ID，STRING类型。
   code	是否已完成训练： OK：表示已完成训练。 error：表示未完成训练。
   message	返回的运行情况详细信息。success表示模型训练成功。
   data	返回内容详情，内部字段说明如下： user_id：用户ID。 cost_time：本次API调用花费的服务端计算时长。

步骤三：调用图像生成接口

1. 首先您需要在PAI-EAS模型在线服务页面，单击预测服务的服务方式列下的调用信息，在异步调用页签，获取服务访问地址和Token。

2. 使用如下代码创建输入队列进行图片预测，并获取队列信息。

   调用示例如下：

   Python SDK

   import json
   from eas_prediction import QueueClient
   
   # 创建输入队列对象，用于写入输入数据。
   input_queue = QueueClient('182848887922****.cn-shanghai.pai-eas.aliyuncs.com', 'photog_pre_pmml')
   input_queue.set_token('<token>')
   input_queue.init()
   
   datas = json.dumps({
       'request_id'    : 12345, 
       'template_image': "xx.jpg", 
       'configure'     : { 
           'user_id'   : "zhoumo", # threshold to get tags.
       } 
   })
   
   index, request_id = input_queue.put(f'{datas}')
   print(index, request_id)
   
   # 查看输入队列的详情。
   attrs = input_queue.attributes()
   print(attrs)
   
   # 利用request_id查询某个特定的请求
   print(input_queue.get(request_id, auto_delete=False)[0].data.decode('utf-8'))

   其中关键配置说明如下：

   关键配置		描述	默认值	是否必填
   input_queue		配置为已获取的预测服务的访问地址，请参考上述代码示例进行配置，STRING类型。	无	是
   <token>		替换为已获取预测服务的Token，STRING类型。	无	是
   request_id		请求ID。STRING类型。	无	是
   template_image		配置为模型训练使用的图片的URL地址。	无	是
   configure	user_id	用户的ID，STRING类型。	无	是
   	sex	训练图片中人物的性别，STRING类型。	secret	否
   	first_diffusion_steps	第一次diffusion的步数，INT类型。	50	否
   	first_denoising_strength	第一次diffusion的强度，FLOAT类型。	0.45	否
   	second_diffusion_steps	第二次diffusion的步数，INT类型。	20	否
   	second_denoising_strength	第二次diffusion的强度，FLOAT类型。	0.30	否
   	more_like_me_before	第一次人脸融合比例，值越大越像，FLOAT类型。	0.50	否
   	more_like_me	第二次人脸融合比例，值越大越像，FLOAT类型。	0.50	否
   	mask_region	STRING类型，取值如下： edge：表示第二次diffusion只对边缘重建。 face：表示代表第二次diffusion对整个脸部重建。	edge	否
   	crop_face_preprocess	是否在裁剪人像区域后进行重建。BOOL类型。	True	否
   	apply_face_fusion_before	是否进行第一次脸部融合，BOOL类型。	True	否
   	apply_face_fusion_after	是否进行第二次脸部融合，BOOL类型。	True	否
   	color_shift_middle	是否进行第一次脸部色彩平衡，BOOL类型。	True	否
   	color_shift_last	是否进行第二次脸部色彩平衡，BOOL类型。	True	否
   	background_restore	是否对背景进行重建，BOOL类型。	False	否
   	skin_retouching_bool	是否进行皮肤平滑，BOOL类型。	True	否
   	photo_enhancement_bool	是否进行人像增强，BOOL类型。	True	否
   	photo_enhancement_method	人像增强方式，取值如下： photo_fix super_resolution	photo_fix	否
   	makeup_transfer	是否进行妆容迁移，BOOL类型。	False	否
   	makeup_transfer_ratio	妆容迁移比例，FLOAT类型。	0.50	否

   Java SDK

   import com.aliyun.openservices.eas.predict.http.HttpConfig;
   import com.aliyun.openservices.eas.predict.http.QueueClient;
   import com.aliyun.openservices.eas.predict.queue_client.DataFrame;
   import com.aliyun.openservices.eas.predict.queue_client.QueueUser;
   import org.apache.commons.lang3.tuple.Pair;
   
   import java.util.HashMap;
   import java.util.Map;
   
   public class AsyncTest {
       public static void main(String[] args) throws Exception {
           /** 创建队列服务客户端 */
           String queueEndpoint = "166233998075****.cn-beijing.pai-eas.aliyuncs.com";
           String inputQueueName = "photog_pre_pmml";
           String queueToken = "NjViMTI2NGQxZWQxYTI1NGE5MGQ1YTQ5Y2Y2MGZjY2VlZTVmNWE1****";
   
           QueueClient inputQueue =
                   new QueueClient(queueEndpoint, inputQueueName, queueToken, new HttpConfig(), new QueueUser());
   
           /** 请求数据 */
           String data = "{\n" +
                   "    'request_id'    : 12345, \n" +
                   "    'template_image': \"xx.jpg\", \n" +
                   "    'configure'     : { \n" +
                   "        'user_id'   : \"zhoumo\",\n" +
                   "    } \n" +
                   "}";
           Pair<Long, String> entry = inputQueue.put(data.getBytes(), null);
           System.out.println(String.format("index = %s, request id = %s", entry.getKey(), entry.getValue()));
   
           // 查看输入队列的详情
           System.out.println(inputQueue.attributes());
   
           // 利用request_id查询某个特定的请求
           final String requestId = entry.getValue();
           Map<String, String> tags =
                   new HashMap<String, String>() {
                       {
                           put("requestId", requestId);
                       }
                   };
           DataFrame df = inputQueue.get(0, 1L, 0, false, tags)[0];
           System.out.println(String.format("Successfully get data = %s, tags = %s", new String(df.getData()), df.getTags()));
   
           /** 关闭客户端 */
           inputQueue.shutdown();
       }
   }

   其中关键配置说明如下：

   关键配置		描述	默认值	是否必填
   queueEndpoint		配置为已获取的预测服务的访问地址，STRING类型。	无	是
   inputQueueName		配置为预测服务的名称。	无	是
   queueToken		替换为已获取预测服务的Token，STRING类型。	无	是
   request_id		请求ID。STRING类型。	无	是
   template_image		配置为模型训练使用的图片的URL地址。	无	是
   configure	user_id	用户的ID，STRING类型。	无	是
   	sex	训练图片中人物的性别，STRING类型。	secret	否
   	first_diffusion_steps	第一次diffusion的步数，INT类型。	50	否
   	first_denoising_strength	第一次diffusion的强度，FLOAT类型。	0.45	否
   	second_diffusion_steps	第二次diffusion的步数，INT类型。	20	否
   	second_denoising_strength	第二次diffusion的强度，FLOAT类型。	0.30	否
   	more_like_me_before	第一次人脸融合比例，值越大越像，FLOAT类型。	0.50	否
   	more_like_me	第二次人脸融合比例，值越大越像，FLOAT类型。	0.50	否
   	mask_region	STRING类型，取值如下： edge：表示第二次diffusion只对边缘重建。 face：表示代表第二次diffusion对整个脸部重建。	edge	否
   	crop_face_preprocess	是否在裁剪人像区域后进行重建，并开启大图功能。BOOL类型。	True	否
   	apply_face_fusion_before	是否进行第一次脸部融合，BOOL类型。	True	否
   	apply_face_fusion_after	是否进行第二次脸部融合，BOOL类型。	True	否
   	color_shift_middle	是否进行第一次脸部色彩平衡，BOOL类型。	True	否
   	color_shift_last	是否进行第二次脸部色彩平衡，BOOL类型。	True	否
   	background_restore	是否对背景进行重建，BOOL类型。	False	否
   	skin_retouching_bool	是否进行皮肤平滑，BOOL类型。	True	否
   	photo_enhancement_bool	是否进行人像增强，BOOL类型。	True	否
   	photo_enhancement_method	人像增强方式，取值如下： photo_fix super_resolution	photo_fix	否
   	makeup_transfer	是否进行妆容迁移，BOOL类型。	False	否
   	makeup_transfer_ratio	妆容迁移比例，FLOAT类型。	0.50	否

   系统返回如下结果：

   Python SDK

   1 069173d0-dce9-4ed6-913e-cc5fdda38764
   {'consumers.list.[0]': 'Id: photog_pre_pmml.photog-pre-pmml-835253f3-686f87d4f-d****, Index: 0, Pending: 0, Status: Running, Idle: 21h41m4.995s, Window: 1, Slots: 1, AutoCommit: false', 'consumers.stats.total': '1', 'consumers.status.total': '1', 'groups.list.[0]': 'Id: photog_pre_pmml, Index: 1, Pending: 1, Delivered: 2, Consumers: 1', 'meta.header.group': 'X-EAS-QueueService-Gid', 'meta.header.priority': 'X-EAS-QueueService-Priority', 'meta.header.user': 'X-EAS-QueueService-Uid', 'meta.name': 'photog-pre-pmml-queue-912f2cdb', 'meta.state': 'Normal', 'stream.approxMaxLength': '1439', 'stream.firstEntry': '1', 'stream.lastEntry': '1', 'stream.length': '1', 'stream.maxPayloadBytes': '20971520'}
   {"request_id": 12345, "template_image": "https://xx.oss-cn-beijing.aliyuncs.com/photog/user_images/foto/train/1.jpg", "configure": {"user_id": "zhoumo"}}

   Java SDK

   index = 4, request id = 996cb029-133e-4f18-bb03-e696fc6ae4a1
   {"meta.header.priority":"X-EAS-QueueService-Priority","consumers.status.total":"1","stream.firstEntry":"4","stream.maxPayloadBytes":"20971520","consumers.stats.total":"1","stream.approxMaxLength":"1436","stream.length":"1","groups.list.[0]":"Id: photog_pre_pmml, Index: 4, Pending: 1, Delivered: 5, Consumers: 1","meta.header.group":"X-EAS-QueueService-Gid","stream.lastEntry":"4","consumers.list.[0]":"Id: photog_pre_pmml.photog-pre-pmml-835253f3-686f87d4f-d****, Index: 4, Pending: 0, Status: Running, Idle: 2m12.017s, Window: 1, Slots: 1, AutoCommit: false","meta.name":"photog-pre-pmml-queue-912f2cdb","meta.state":"Normal","meta.header.user":"X-EAS-QueueService-Uid"}
   Successfully get data = {
       'request_id'    : 12345, 
       'template_image': "https://xx.oss-cn-beijing.aliyuncs.com/photog/user_images/foto/train/1.jpg", 
       'configure'     : { 
           'user_id'   : "zhoumo",
       } 
   }, tags = {requestId=996cb029-133e-4f18-bb03-e696fc6ae4a1, ts@source=169778191****}
   
   Process finished with exit code 0

   其中：

   • index：表示该请求是EAS中的第几个请求。

   • request_id：表示该请求的ID，后续使用该ID获取输出结果。

   • 其他内容表示获取的队列信息。

3. 使用以下代码，创建输出队列并获取返回结果。在返回结果中，您可以查看获取到的Base64编码图片。

   调用示例如下：

   Python SDK

   # 创建输出队列对象，用于订阅读取输出结果数据。
   sink_queue = QueueClient('182848887922****.cn-shanghai.pai-eas.aliyuncs.com', 'photog_pre_pmml/sink')
   sink_queue.set_token('<token>')
   sink_queue.init()
   
   sink_queue.get(request_id, auto_delete=True)[0].data.decode('utf-8')

   其中：

   • sink_queue：配置为已获取的预测服务的访问地址。

   • <token>：替换为已获取的预测服务的Token。

   Java SDK

   import com.aliyun.openservices.eas.predict.http.HttpConfig;
   import com.aliyun.openservices.eas.predict.http.QueueClient;
   import com.aliyun.openservices.eas.predict.queue_client.DataFrame;
   import com.aliyun.openservices.eas.predict.queue_client.QueueUser;
   import org.apache.commons.lang3.tuple.Pair;
   
   import java.util.HashMap;
   import java.util.Map;
   
   public class AsyncPhotoTest {
       public static void main(String[] args) throws Exception {
           /** 创建队列服务客户端 */
           String queueEndpoint = "166233998075****.cn-beijing.pai-eas.aliyuncs.com";
           String inputQueueName = "photog_pre_pmml";
           String sinkQueueName = String.format("%s/sink", inputQueueName);
           String queueToken = "NjViMTI2NGQxZWQxYTI1NGE5MGQ1YTQ5Y2Y2MGZjY2VlZTVmNWE1****";
   
           QueueClient inputQueue =
                   new QueueClient(queueEndpoint, inputQueueName, queueToken, new HttpConfig(), new QueueUser());
           QueueClient sinkQueue =
                   new QueueClient(queueEndpoint, sinkQueueName, queueToken, new HttpConfig(), new QueueUser());
   
           /** 请求数据 */
           String data = "{\n" +
                   "  \"request_id\": 12345,\n" +
                   "  \"template_image\": \"xx.jpg\",\n" +
                   "  \"configure\": {\n" +
                   "    \"user_id\": \"zhoumo\"\n" +
                   "  }\n" +
                   "}";
           Pair<Long, String> entry = inputQueue.put(data.getBytes(), null);
           Long index = entry.getKey();
           final String requestId = entry.getValue();
           System.out.println(String.format("index = %d, request id = %s", index, requestId));
   
           // 查看输入队列的详情
           System.out.println(inputQueue.attributes());
   
           // 查看输入数据
           Map<String, String> tags =
                   new HashMap<String, String>() {
                       {
                           put("requestId", requestId);
                       }
                   };
           DataFrame[] dfs = inputQueue.get(0, 1L, 0, false, tags);
           if (dfs.length > 0) {
               System.out.println(String.format("Successfully get data = %s, index = %d, tags = %s", new String(dfs[0].getData()), dfs[0].getIndex(), dfs[0].getTags()));
           } else {
               System.out.println("no data");
           }
   
           // 查看输出数据
           while (true) {
               dfs = sinkQueue.get(0, 1L, 0, true, tags);
               if (dfs.length > 0) {
                   System.out.println(String.format("Successfully get data = %s, tags = %s", new String(dfs[0].getData()), dfs[0].getTags()));
                   break;
               } else {
                   System.out.println("no data");
               }
           }
   
           /** 关闭客户端 */
           inputQueue.shutdown();
           sinkQueue.shutdown();
       }
   }

   其中：

   • queueEndpoint：配置为已获取的预测服务的访问地址。

   • inputQueueName：配置为预测服务的名称。

   • queueToken：替换为已获取的预测服务的Token。

   • template_image：配置为图片的URL地址。

   系统返回如下结果：

   Python SDK

   '{"request_id": "12345", "code": "OK", "message": "success", "data": {"user_id": "zhoumo", "image": "iVBORw*****CYII=", "cost_time": 329.69798278808594}}'

   说明

   当返回结果中的code为502时，表示正在生成图片。

   Java SDK

   ...
   no data
   no data
   Successfully get data = {"request_id": "12345", "code": "OK", "message": "success", "data": {"user_id": "zhoumo", "image": "iVBORw0KGgoAAA****ABJRU5ErkJggg==", "cost_time": 21.584840059280396}}

   说明

   当返回结果中显示no data时，表示正在生成图片。

   参数说明如下：

   参数	描述
   request_id	请求ID，STRING类型。
   code	请求状态码： OK：表示请求成功。 error：表示请求失败。
   message	请求状态的详细信息。如果返回结果为success表示执行成功，对于其他返回结果，请根据具体的返回内容来确定。
   data	返回内容详情。内部字段说明如下： user_id：用户ID。 image：生成的Base64编码图片。 cost_time：消耗的时间，FLOAT类型。