在树莓派5上部署Nunif项目的Waifu2x图像超分辨率服务

硬件与软件环境准备

本文记录了在树莓派5（8GB RAM）上部署Nunif项目的Waifu2x图像超分辨率服务的完整过程。树莓派5搭载ARM架构处理器，运行Ubuntu Server 22.04 LTS操作系统。由于树莓派5不支持CUDA加速，我们需要采用CPU-only的部署方案。

安装过程中的关键问题与解决方案

1. 基础依赖安装问题

最初尝试使用Docker容器部署时，遇到了apt-get无法找到软件包的问题。这是由于Docker镜像可能不兼容ARM架构导致的。建议直接在主机系统上安装，避免容器化带来的架构兼容性问题。

2. PyTorch安装问题

按照官方文档安装PyTorch时，遇到了版本不匹配的问题。这是因为PyTorch官方为ARM架构提供了专门的安装方式。正确的安装命令应为：

pip3 install torch torchvision --index-url https://download.pytorch.org/whl/cpu

3. 预训练模型下载

由于网络连接问题，自动下载模型失败。解决方法是从其他设备下载waifu2x_pretrained_models_20230504.zip文件，解压后将pretrained_models目录放置在waifu2x/目录下。目录结构应如下：

waifu2x/pretrained_models
├── cunet
│   └── art
├── swin_unet
│   ├── art
│   ├── art_scan
│   └── photo
└── upconv_7
    ├── art
    └── photo

4. Web服务器启动问题

启动Web服务时遇到了Bottle框架版本兼容性问题。最新版Bottle 0.13.1与Waitress服务器存在参数不兼容的情况。解决方案是降级Bottle版本：

pip3 install bottle==0.12.25

服务配置与优化

1. 缓存管理

Waifu2x服务默认会缓存处理过的图像30分钟，缓存存储在tmp/waifu2x_cache目录中。可以通过启动参数调整缓存时间：

python -m waifu2x.web --cache-ttl 60  # 将缓存时间设置为60分钟

2. 性能考量

由于树莓派5的CPU性能有限，建议：

• 降低并发请求数量
• 使用较小的图像批量大小
• 考虑使用轻量级模型（如upconv_7）

部署建议

1. 可以通过Nginx反向代理将服务暴露到本地网络
2. 建议设置适当的访问控制规则，限制访问来源
3. 对于生产环境，考虑使用进程管理器（如systemd）来管理服务

总结

在树莓派5上部署Waifu2x服务虽然会遇到一些架构相关的问题，但通过上述解决方案可以成功运行。这种部署方案特别适合需要低功耗、低成本图像超分辨率服务的场景。由于ARM处理器的性能限制，建议对服务性能有合理预期，并根据实际需求调整参数配置。