Pytorch图像去噪实战（二十一）：FastAPI部署图像去噪模型，搭建可调用的图片降噪服务
Pytorch图像去噪实战（二十一）：FastAPI部署图像去噪模型，搭建可调用的图片降噪服务
一、问题场景：模型能推理，但业务系统无法调用
上一节我们已经把 Pytorch 图像去噪模型导出了 ONNX，并完成了本地推理。
但真实项目里通常不会只在本地跑脚本，而是需要把模型封装成服务：
- 前端上传图片
- 后端调用去噪模型
- 返回处理后的图片
- OCR、图像增强、审核系统继续使用
我一开始只是写了一个infer.py，手动输入图片路径，手动保存结果。
这种方式用于实验可以，但完全不适合业务系统。
这篇文章我们解决一个真实工程问题：
如何用 FastAPI 把图像去噪模型封装成可调用的 HTTP 服务。
二、本文目标
本文完成以下内容：
- 使用 FastAPI 搭建图片上传接口
- 加载 ONNX 图像去噪模型
- 接收图片并执行预处理
- 调用 ONNX Runtime 推理
- 返回去噪后的图片
- 解决部署中常见坑点