推荐:轻量级自托管图片服务——Imgpush
2024-05-23 16:10:16作者:庞眉杨Will

Imgpush 是一个简洁的自托管图像服务,特别适合在你的应用中处理用户上传的图片,如头像等。它的设计目标是简单易用,功能强大,并且安全可靠。
项目介绍
Imgpush 提供了一个简单的 API 端点用于上传图片,并自动转换为指定的图像格式,同时还可按需调整大小。内置的速率限制和允许来源白名单保证了服务的安全性,而实时状态API则能让你随时掌握服务运行状况。
技术分析
Imgpush 使用 Docker 容器化部署,这意味着你可以轻松地在任何支持 Docker 的平台上运行它。此外,内部集成了 Imagemagick 进行图像处理,提供灵活的图像转换和裁剪选项。 Imgpush 还有对 HTTP 请求的严格控制,例如通过设置每日、每小时和每分钟的最大上传次数来防止滥用。
应用场景
- 社交应用:为用户提供便捷的头像或其他个人图片上传功能。
- 论坛或博客系统:用户可以快速上传图片到服务器并立即在帖子中展示。
- 电商网站:处理商品图片上传,自动调整为预设尺寸,优化用户体验。
- 云存储平台:作为图片处理的前端服务,接收上传并进行格式转换和尺寸调整。
项目特点
- 简易API:一个端点完成所有上传操作。
- 自动转换与缩放:自动将上传的图片转为你所需的格式和尺寸。
- 安全防护:内置速率限制和允许来源白名单保护服务免受攻击。
- Liveness API:实时检测服务健康状态,方便集成至监控系统。
- Docker 集成:一键部署,易于管理和扩展。
- 配置灵活:通过环境变量自由设定各项参数,适应不同的业务需求。
使用示例
上传本地文件:
curl -F 'file=@/some/file.jpg' http://some.host
从URL上传:
curl -X POST -H "Content-Type: application/json" -d '{"url": "<SOME_URL>"}' http://some.host
获取特定尺寸的图片:
http://some.host/somename.png?w=320&h=240
如果你想了解更多关于 Imgpush 的信息,或者直接尝试使用它,请访问该项目的GitHub页面,开始你的自托管图像服务之旅吧!
登录后查看全文
热门项目推荐
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
unified-cache-managementUnified Cache Manager(推理记忆数据管理器),是一款以KV Cache为中心的推理加速套件,其融合了多类型缓存加速算法工具,分级管理并持久化推理过程中产生的KV Cache记忆数据,扩大推理上下文窗口,以实现高吞吐、低时延的推理体验,降低每Token推理成本。Python03
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
Spark-Prover-7BSpark-Prover-7B is a 7B-parameter large language model developed by iFLYTEK for automated theorem proving in Lean4. It generates complete formal proofs for mathematical theorems using a three-stage training framework combining pre-training, supervised fine-tuning, and reinforcement learning. The model achieves strong formal reasoning performance and state-of-the-art results across multiple theorem-proving benchmarksPython00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-7BSpark-Formalizer-7B is a 7B-parameter large language model by iFLYTEK for mathematical auto-formalization. It translates natural-language math problems into precise Lean4 formal statements, achieving high accuracy and logical consistency. The model is trained with a two-stage strategy combining large-scale pre-training and supervised fine-tuning for robust formal reasoning.Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile014
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
项目优选
收起
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
303
2.65 K
Ascend Extension for PyTorch
Python
131
156
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.02 K
458
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
610
197
React Native鸿蒙化仓库
JavaScript
230
307
暂无简介
Dart
593
129
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.06 K
612
本项目是CANN提供的是一款高效、可靠的Transformer加速库,基于华为Ascend AI处理器,专门为Transformer模型的训练和推理而设计。
C++
48
77
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
360
2.45 K
openGauss kernel ~ openGauss is an open source relational database management system
C++
155
206