Immich相册 – Simon日常

项目地址：https://github.com/immich-app/immich

immich相册人脸识别、依赖于智能搜索的重复照片识别，非常的强悍，有些照片人眼乍看下都没发现有人脸，但是immich却可以识别出来；重复照片这个也很强，已经帮我删除几十G的重复照片，识别精度改成0.001，基本可以一键删除，但如果还可以细化那就更好了，比如设置目录长度或只删除指定目录，目前还在不断更新，后期应该会持续优化的。

相关文字教程

将immich相册反向地理编码设置为中文 (教程日期：2024-08-16)
将immich相册地图模块设置为中文地图 (教程日期：2024-04-28)

视频教程

群晖NAS-35期开源相册immich，支持ai大模型，智能中文搜索
 群晖NAS-36期 immich外部图库与中文地图
 群晖NAS 38期-immich与群晖photos共存

docker-compose安装

# 基于官方模板制作
# 官方文档
# https://immich.app
# https://github.com/immich-app/immich
# 官方compose教程
# https://immich.app/docs/install/docker-compose
# 官方变量说明
# https://immich.app/docs/install/environment-variables
# 官方clip说明
# https://immich.app/docs/features/command-line-interface
# 官方硬件转码说明
# https://immich.app/docs/features/hardware-transcoding
# 部署教程
# https://wiki.slarker.me/unraid/deploy_immich.html
# AI模型替换教程
# https://wiki.slarker.me/unraid/immich_ai_model.html
# https://www.bilibili.com/read/cv33865669
# AI模型列表，推荐 XLM-Roberta-Large-Vit-B-16Plus
# 人脸识别Facial Recognition用的模型是：buffalo_l，压缩包内还加入了antelopev2，据说效果更好
# https://huggingface.co/immich-app
# AI模型，国内源分流
# https://www.123pan.com/s/WXqA-EGL6d.html
# https://www.123pan.com/s/YuAUVv-Qp1nA.html 提取码:fgee
# immich相册反向地理编码设置为中文资源包，见下教程说明
# https://www.123pan.com/s/mYvMTd-SJhY3
 
# 指定数据库，注意tag，截至2025-01-08前，官方支持 pg14/15/16，pg17名义上是兼容的
# 为确保安装的pgvecto.rs版本兼容，tag范围是 >= 0.2.0, < 0.4.0，本模板使用的是 pg16-v0.3.0
# https://hub.docker.com/r/tensorchord/pgvecto-rs
 
# 如果官方的镜像不好拉取，可以选择拉取以下两个镜像
# https://hub.docker.com/r/altran1502/immich-server
# https://hub.docker.com/r/altran1502/immich-machine-learning
 
# 将immich相册反向地理编码设置为中文 (教程日期：2024-08-16)
# https://post.smzdm.com/p/an9k0w57
# 将immich相册地图模块设置为中文地图 (教程日期：2024-04-28)
# https://post.smzdm.com/p/akl59689
 
---
version: "3.8"
# 最后编辑时间：2025-01-08
# 2025-01-08：更新模板，添加immich相册反向地理编码设置为中文的路径映射
services:
  immich-server:
    image: ghcr.io/immich-app/immich-server:release
    # 镜像地址
    container_name: immich-server
    # 容器名字
    hostname: immich-server
    # 主机名
    privileged: true
    # 特权模式，赋予容器几乎与主机相同的权限
    volumes:
      - 【这里替换为你的照片上传存放目录】:/usr/src/app/upload
      # 上传目录
      - /volume1:/volume1:ro
      - /volume1/homes:/群晖相册:ro
      # 外部库目录，此文件夹将定期扫描，内容将自动导入immich，需要在immich上进行设置，容器路径可以自定义多个，理解映射就会明白了，默认为/usr/src/app/external
      # - 【这里替换为你的本地相册存放目录】:/【这里替换为你的本地相册存放目录的名字】
      # 自定义外部库目录，可以写多个，容器路径可随便自定义
      - /volume1/docker/immich/immich-machine-learning/i18n-iso-countries:/usr/src/app/node_modules/i18n-iso-countries
      - /volume1/docker/immich/immich-machine-learning/geodata:/build/geodata
      # immich相册反向地理编码设置为中文所需的路径
    environment:
      - IMMICH_PORT=2283
      # 自定义容器端口，默认为3001，这里预设为2283
      # 2024-06-11，v1.106.3版本开始，这里的变量由SERVER_PORT改为IMMICH_PORT
      - REDIS_HOSTNAME=immich-redis
      # 指定要连接的redis，预设为immich-redis
      - DB_HOSTNAME=immich-pgsql
      - DB_DATABASE_NAME=immich
      - DB_USERNAME=immich
      - DB_PASSWORD=immich
      # 指定要连接的postgres，预设为immich-pgsql
      # pgsql的子数据库，账号密码均为预设的immich
    ports:
      - 2283:2283/tcp
      # WebUI 端口
    restart: unless-stopped
    # 重启策略，可根据实际情况而选择 no/always/unless-stopped/on-failure/on-failure:3
    depends_on:
       - immich-redis
       - immich-pgsql
       # 关联所需的其他docker容器
 
############################################################################
 
  immich-machine-learning:
    image: ghcr.io/immich-app/immich-machine-learning:release
    # 镜像地址
    # 如果使用n卡，则tag改为release-cuda，同理还有 armnn, openvino, openvino-wsl
    container_name: immich-machine-learning
    # 容器名字
    hostname: immich-machine-learning
    # 主机名
    privileged: true
    # 特权模式，赋予容器几乎与主机相同的权限
    # runtime: nvidia
    # 使用N卡的需要装好N卡驱动，并且设置这个参数
    volumes:
      - /volume1/docker/immich/immich-machine-learning:/cache
      # clip与人脸识别模型的目录，推荐使用XLM-Roberta-Large-Vit-B-16Plus
      # 请将XLM-Roberta-Large-Vit-B-16Plus.zip解压缩后的XLM-Roberta-Large-Vit-B-16Plus文件夹放到/cache/clip内
      # 目录结构：/xxx/immich/immich-machine-learning/clip/XLM-Roberta-Large-Vit-B-16Plus
      # 
    environment:
      - TZ=Asia/Shanghai
      # 时区
      # - NVIDIA_DRIVER_CAPABILITIES=all
      # - NVIDIA_VISIBLE_DEVICES【=N卡的ID】
      # 使用N卡的需要装好N卡驱动，并且设置这两个N卡参数
      ####################
      #
      # 以下均为默认不需要修改，除非有特殊需要
      # - MACHINE_LEARNING_REQUEST_THREADS=0
      # cpu核心数，根据实际情况填写，默认0为禁用
      # - MACHINE_LEARNING_MODEL_INTER_OP_THREADS=1
      # 同时处理的文件数量，默认为1
      # - MACHINE_LEARNING_MODEL_INTRA_OP_THREADS=2
      # AI深度学习的线程数，默认为2
      # - MACHINE_LEARNING_WORKERS=1
      # AI深度学习的步数，默认为1
      # - MACHINE_LEARNING_WORKER_TIMEOUT=120
      # AI深度学习的超时时间，默认为120
      #
      ####################
    restart: always
    # 重启策略，可根据实际情况而选择 no/always/unless-stopped/on-failure/on-failure:3
 
############################################################################
 
  immich-redis:
    image: redis:latest
    # 镜像地址
    container_name: immich-redis
    # 容器名字
    hostname: immich-redis
    # 主机名
    volumes:
      - /volume1/docker/immich/immich-redis:/data
      # 数据库目录
    restart: always
    # 重启策略，可根据实际情况而选择 no/always/unless-stopped/on-failure/on-failure:3
 
############################################################################
 
  immich-pgsql:
    image: tensorchord/pgvecto-rs:pg16-v0.3.0
    # 镜像地址
    container_name: immich-pgsql
    # 容器名字
    hostname: immich-pgsql
    # 主机名
    volumes:
      - /volume1/docker/immich/immich-pgsql:/var/lib/postgresql/data
      # 数据库目录
    environment:
      - POSTGRES_DB=immich
      - POSTGRES_USER=immich
      - POSTGRES_PASSWORD=immich
      # pgsql的子数据库，账号密码均为预设的immich
    restart: always
    # 重启策略，可根据实际情况而选择 no/always/unless-stopped/on-failure/on-failure:3
 
############################################################################

更新流程：

1、获取root权限

sudo -i #密码是DSM账号的密码

2、进入docker-compose所在目录

cd /volume4/docker/immich  #cd后面的路径替换为你的路径

3、停止项目

docker-compose stop

4、更新项目

docker-compose pull

5、重构项目

docker-compose up -d

6、一键更新：

保存为任意好记的文件，后缀是.sh，比如update.sh，进入到项目文件夹，执行bash update.sh即可，也是要事先获取 root权限

#! /bin/bash
docker-compose stop #停止
docker-compose pull #更新
docker-compose up -d #重构
#docker image prune -a -f

发送评论 编辑评论

发送评论编辑评论