SUPER COLORIZER快速上手Node.js环境配置与简易调用Demo你是不是也遇到过一些老照片颜色已经褪得差不多了想让它恢复光彩或者手头有一些黑白的设计稿想快速看看上色后的效果手动上色太费时间专业软件又太复杂。今天咱们就来聊聊一个特别酷的工具——SUPER COLORIZER它能用AI一键给黑白图像上色。更棒的是你不用懂复杂的AI模型部署也不用准备昂贵的显卡。我们直接通过一个部署好的API服务来调用它。这篇文章我就手把手带你作为一个前端或全栈开发者在Node.js环境里快速把这个功能跑起来。从检查环境到写代码调用再到把彩色图片展示在网页上咱们一步步来保证你能跟着做出一个可运行的小项目。1. 动手之前环境与思路准备在开始敲代码之前咱们得先把“战场”准备好。这里不需要你搭建AI模型核心是学会如何与一个已经部署好的服务进行“对话”。首先确保你的电脑上已经安装了Node.js和npmNode包管理器。这是咱们整个项目的运行基础。如果你不确定有没有或者版本比较老没关系后面会告诉你怎么检查和安装。其次我们要想清楚整个流程。我们的目标很简单你有一张黑白图片通过一段Node.js代码把它发送给远端的SUPER COLORIZER服务。服务处理完后会返回一张上了色的彩色图片我们再把它展示出来。所以关键步骤就是准备图片 - 发送请求 - 接收并处理结果 - 展示结果。为了发送网络请求我们会用一个叫axios的库它用起来比Node.js自带的http模块要简单直观得多。整个项目结构也会非常清晰就几个文件方便你理解和修改。2. 第一步搭建你的Node.js开发环境工欲善其事必先利其器。咱们先从环境开始。2.1 检查与安装Node.js和npm打开你的终端Windows上是CMD或PowerShellMac或Linux上是Terminal输入下面这个命令node -v如果屏幕上显示了一个版本号比如v18.16.0那就恭喜你Node.js已经安装好了。接着再检查一下npmnpm -v同样出现版本号就说明没问题。通常安装Node.js时会自带npm。如果没安装或者版本太旧怎么办建议去Node.js的官方网站下载最新的长期支持版LTS。下载安装包运行即可安装过程基本就是一路“下一步”。安装完成后重新打开终端再执行上面的命令确认一下。2.2 创建项目目录并初始化环境没问题了咱们来创建项目文件夹。找个你喜欢的位置在终端里执行mkdir super-colorizer-demo cd super-colorizer-demo这行命令创建了一个名为super-colorizer-demo的文件夹并进入它。接下来我们在这个文件夹里初始化一个新的Node.js项目npm init -y这个-y参数的意思是跳过所有提问直接按照默认配置生成一个package.json文件。这个文件就像是项目的“身份证”和“说明书”记录了项目信息以及需要用到的第三方库。2.3 安装必要的依赖库我们这个迷你项目只需要一个核心库axios用来发送HTTP请求。在项目目录下运行npm install axios安装完成后你会看到项目里多了一个node_modules文件夹和一个package-lock.json文件。node_modules里面就是axios及其相关依赖先不用管它。为了后续方便地启动一个简单的网页来展示图片我们还可以安装一个轻量级的静态文件服务器。这里我们用http-server同样全局安装一下加-g表示全局安装以后在其他项目也能用npm install -g http-server好了到现在为止我们的开发环境就准备妥当了。简单回顾一下确认了Node.js/npm创建了项目文件夹初始化了项目安装了发送请求的库。接下来就是最有趣的写代码环节了。3. 第二步编写核心调用代码现在我们来创建项目中最核心的文件。我们的逻辑都会写在这里。在super-colorizer-demo项目根目录下创建一个新文件命名为colorize.js。你可以用任何你喜欢的代码编辑器比如VSCode打开它。3.1 引入依赖并准备关键信息在colorize.js文件的开头我们首先引入刚刚安装的axios库。同时我们需要准备几个关键信息const axios require(axios); const fs require(fs); // Node.js内置模块用于读写文件 const path require(path); // Node.js内置模块用于处理文件路径 // 配置信息 - 这里需要替换成你实际获取的API信息 const API_CONFIG { // API的端点地址示例需替换为真实地址 endpoint: https://your-mirror-service-address.com/v1/colorize, // 如果需要API密钥请在此处填写示例需替换为真实密钥 apiKey: your-api-key-here-if-required, }; // 图片路径 const INPUT_IMAGE_PATH path.join(__dirname, input.jpg); // 待上色的黑白图片 const OUTPUT_IMAGE_PATH path.join(__dirname, output.jpg); // 处理后的彩色图片重要提示API_CONFIG.endpoint这个地址需要替换成SUPER COLORIZER模型在星图GPU平台上部署后提供的真实API访问地址。通常在你创建并启动镜像服务后平台会提供一个访问链接。API_CONFIG.apiKey有些API服务为了安全和管理需要密钥。如果有请在这里填写如果没有相关代码可以注释或删除。INPUT_IMAGE_PATH确保在项目根目录下有一张名为input.jpg的黑白图片作为我们的测试输入。你可以随便找一张黑白照片或图片改成这个名字放进来。3.2 构建发送图片的函数我们写一个异步函数来处理主要的逻辑读取图片、发送请求、保存结果。async function colorizeImage() { console.log(开始处理图片...); // 1. 检查输入图片是否存在 if (!fs.existsSync(INPUT_IMAGE_PATH)) { console.error(错误找不到输入图片请确保文件 ${INPUT_IMAGE_PATH} 存在。); return; } try { // 2. 读取图片文件并转换为Base64编码格式一种常见的网络传输格式 const imageBuffer fs.readFileSync(INPUT_IMAGE_PATH); const base64Image imageBuffer.toString(base64); console.log(输入图片读取并编码完成。); // 3. 准备请求数据 const requestData { image: base64Image, // 将Base64格式的图片数据传给API // 可以根据API文档添加其他参数例如风格、强度等 // style: vivid, // strength: 0.8 }; // 4. 配置请求头 const headers { Content-Type: application/json, }; // 如果需要API密钥通常加在请求头里 if (API_CONFIG.apiKey) { headers[Authorization] Bearer ${API_CONFIG.apiKey}; } console.log(正在向API发送请求...); // 5. 发送POST请求 const response await axios.post(API_CONFIG.endpoint, requestData, { headers }); // 6. 处理返回结果 console.log(API响应成功); const result response.data; // 假设API返回的数据中处理后的图片也在一个image字段里且是Base64格式 if (result result.image) { // 将Base64字符串解码成图片二进制数据 const outputBuffer Buffer.from(result.image, base64); // 写入到输出文件 fs.writeFileSync(OUTPUT_IMAGE_PATH, outputBuffer); console.log(✅ 彩色图片已成功保存至${OUTPUT_IMAGE_PATH}); } else { console.warn(API响应中未找到图片数据完整响应, JSON.stringify(result, null, 2)); } } catch (error) { // 错误处理 console.error(处理过程中发生错误); if (error.response) { // 请求已发出服务器返回了错误状态码如4xx, 5xx console.error(状态码${error.response.status}); console.error(响应数据${JSON.stringify(error.response.data)}); } else if (error.request) { // 请求已发出但没有收到响应 console.error(未收到服务器响应。请检查网络和API地址。); } else { // 其他错误如设置请求时出错 console.error(错误信息, error.message); } } } // 执行函数 colorizeImage();这段代码做了以下几件事检查文件确保你准备的input.jpg存在。编码图片把图片文件转换成Base64字符串方便通过JSON传输。组装请求按照API预期的格式这里假设是{image: base64String}组装数据并设置请求头包括可选的密钥。发送请求使用axios.post异步发送请求到配置的API地址。处理响应收到响应后从返回数据中提取处理好的图片假设也是Base64格式解码并保存为output.jpg。错误处理用try...catch包裹详细捕获并打印可能出现的网络错误或API错误。4. 第三步运行与查看结果代码写好了让我们来运行它看看效果。4.1 运行Node.js脚本首先确保你的黑白图片input.jpg已经放在项目根目录下。然后在终端里确保当前目录是super-colorizer-demo运行node colorize.js如果一切顺利你会在终端看到类似这样的输出开始处理图片... 输入图片读取并编码完成。 正在向API发送请求... API响应成功 ✅ 彩色图片已成功保存至/你的项目路径/super-colorizer-demo/output.jpg这时检查你的项目文件夹应该会多出一个output.jpg文件这就是AI为你上色后的彩色图片4.2 常见问题与排查第一次运行很可能不会一帆风顺别担心我们来看看可能遇到的问题错误找不到输入图片解决确认input.jpg文件是否在项目根目录名字和代码里的是否完全一致注意大小写。错误网络连接失败 / 地址错误解决检查API_CONFIG.endpoint地址是否正确确保没有拼写错误。可以尝试在浏览器中访问这个地址如果是GET接口或用Postman测试看服务是否正常。错误API返回401/403未授权/禁止访问解决检查API_CONFIG.apiKey是否正确填写或者确认该API是否需要密钥。仔细阅读API提供方的文档。错误API返回其他4xx或5xx错误解决查看终端打印的错误响应数据。这通常意味着请求格式不对或服务器内部错误。对照API文档检查你发送的requestData格式是否符合要求。处理速度慢理解AI图像处理需要计算时间尤其是第一次调用时模型可能需要加载。耐心等待几秒到几十秒是正常的。4.3 创建一个简单的前端页面来展示光在文件夹里看图片不过瘾我们写一个简单的HTML页面把处理前后的图片并排展示出来。在项目根目录创建一个index.html文件!DOCTYPE html html langzh-CN head meta charsetUTF-8 meta nameviewport contentwidthdevice-width, initial-scale1.0 titleSUPER COLORIZER 效果对比/title style body { font-family: sans-serif; max-width: 1000px; margin: 40px auto; padding: 20px; text-align: center; background-color: #f5f5f5; } h1 { color: #333; margin-bottom: 30px; } .image-container { display: flex; justify-content: space-around; flex-wrap: wrap; gap: 30px; margin-bottom: 30px; } .image-box { background: white; padding: 15px; border-radius: 10px; box-shadow: 0 4px 8px rgba(0,0,0,0.1); } .image-box h3 { margin-top: 0; color: #555; } img { max-width: 400px; max-height: 400px; border-radius: 5px; display: block; } .note { color: #666; font-size: 0.9em; margin-top: 20px; line-height: 1.5; } /style /head body h1SUPER COLORIZER 上色效果对比/h1 div classimage-container div classimage-box h3原图黑白/h3 img src./input.jpg alt原始黑白图片 idoriginalImg pinput.jpg/p /div div classimage-box h3处理后彩色/h3 img src./output.jpg altAI上色后图片 idcolorizedImg poutput.jpg/p /div /div div classnote p这是一个简易的展示页面。运行 codenode colorize.js/code 后刷新本页面即可看到最新处理结果。/p p如果output.jpg图片无法加载请确保已成功运行Node.js脚本并生成了该文件。/p /div /body /html保存文件后在项目根目录下打开终端运行我们之前安装的静态服务器http-server -p 8080然后在浏览器中访问http://localhost:8080你就能看到一个简单的对比页面左右分别展示了你的黑白原图和AI上色后的彩色结果。是不是很有成就感5. 总结与下一步跟着走完这一遍你应该已经成功在Node.js环境里调通了SUPER COLORIZER的API并且看到了实际上色效果。整个过程的核心其实就是三步准备好图片数据、按照API的规矩发送出去、再把返回的结果处理好。我们用的axios库让网络请求变得非常简单而Base64编码则是图片数据在网络传输中一种常见的形式。这个简单的Demo为你打开了一扇门。你可以基于这个基础尝试更多玩法。比如修改代码让它能处理文件夹里的一批图片或者把这段Node.js代码集成到你现有的后端服务比如Express.js框架中提供一个给前端调用的接口再进一步可以做一个有上传按钮、处理进度条和结果展示的完整小网站。最关键的一点是一定要仔细阅读你所使用的那个具体API服务的文档。不同的部署方式API的地址、请求格式、参数、认证方式都可能略有不同。只要把文档里的要求和咱们这个Demo里的步骤对应上替换掉关键的配置信息就能轻松适配。希望这个教程能帮你快速体验到AI图像处理的乐趣。动手试试吧看看那些旧时光里的黑白记忆在AI的帮助下能焕发出怎样新的色彩。获取更多AI镜像想探索更多AI镜像和应用场景访问 CSDN星图镜像广场提供丰富的预置镜像覆盖大模型推理、图像生成、视频生成、模型微调等多个领域支持一键部署。
SUPER COLORIZER快速上手：Node.js环境配置与简易调用Demo
SUPER COLORIZER快速上手Node.js环境配置与简易调用Demo你是不是也遇到过一些老照片颜色已经褪得差不多了想让它恢复光彩或者手头有一些黑白的设计稿想快速看看上色后的效果手动上色太费时间专业软件又太复杂。今天咱们就来聊聊一个特别酷的工具——SUPER COLORIZER它能用AI一键给黑白图像上色。更棒的是你不用懂复杂的AI模型部署也不用准备昂贵的显卡。我们直接通过一个部署好的API服务来调用它。这篇文章我就手把手带你作为一个前端或全栈开发者在Node.js环境里快速把这个功能跑起来。从检查环境到写代码调用再到把彩色图片展示在网页上咱们一步步来保证你能跟着做出一个可运行的小项目。1. 动手之前环境与思路准备在开始敲代码之前咱们得先把“战场”准备好。这里不需要你搭建AI模型核心是学会如何与一个已经部署好的服务进行“对话”。首先确保你的电脑上已经安装了Node.js和npmNode包管理器。这是咱们整个项目的运行基础。如果你不确定有没有或者版本比较老没关系后面会告诉你怎么检查和安装。其次我们要想清楚整个流程。我们的目标很简单你有一张黑白图片通过一段Node.js代码把它发送给远端的SUPER COLORIZER服务。服务处理完后会返回一张上了色的彩色图片我们再把它展示出来。所以关键步骤就是准备图片 - 发送请求 - 接收并处理结果 - 展示结果。为了发送网络请求我们会用一个叫axios的库它用起来比Node.js自带的http模块要简单直观得多。整个项目结构也会非常清晰就几个文件方便你理解和修改。2. 第一步搭建你的Node.js开发环境工欲善其事必先利其器。咱们先从环境开始。2.1 检查与安装Node.js和npm打开你的终端Windows上是CMD或PowerShellMac或Linux上是Terminal输入下面这个命令node -v如果屏幕上显示了一个版本号比如v18.16.0那就恭喜你Node.js已经安装好了。接着再检查一下npmnpm -v同样出现版本号就说明没问题。通常安装Node.js时会自带npm。如果没安装或者版本太旧怎么办建议去Node.js的官方网站下载最新的长期支持版LTS。下载安装包运行即可安装过程基本就是一路“下一步”。安装完成后重新打开终端再执行上面的命令确认一下。2.2 创建项目目录并初始化环境没问题了咱们来创建项目文件夹。找个你喜欢的位置在终端里执行mkdir super-colorizer-demo cd super-colorizer-demo这行命令创建了一个名为super-colorizer-demo的文件夹并进入它。接下来我们在这个文件夹里初始化一个新的Node.js项目npm init -y这个-y参数的意思是跳过所有提问直接按照默认配置生成一个package.json文件。这个文件就像是项目的“身份证”和“说明书”记录了项目信息以及需要用到的第三方库。2.3 安装必要的依赖库我们这个迷你项目只需要一个核心库axios用来发送HTTP请求。在项目目录下运行npm install axios安装完成后你会看到项目里多了一个node_modules文件夹和一个package-lock.json文件。node_modules里面就是axios及其相关依赖先不用管它。为了后续方便地启动一个简单的网页来展示图片我们还可以安装一个轻量级的静态文件服务器。这里我们用http-server同样全局安装一下加-g表示全局安装以后在其他项目也能用npm install -g http-server好了到现在为止我们的开发环境就准备妥当了。简单回顾一下确认了Node.js/npm创建了项目文件夹初始化了项目安装了发送请求的库。接下来就是最有趣的写代码环节了。3. 第二步编写核心调用代码现在我们来创建项目中最核心的文件。我们的逻辑都会写在这里。在super-colorizer-demo项目根目录下创建一个新文件命名为colorize.js。你可以用任何你喜欢的代码编辑器比如VSCode打开它。3.1 引入依赖并准备关键信息在colorize.js文件的开头我们首先引入刚刚安装的axios库。同时我们需要准备几个关键信息const axios require(axios); const fs require(fs); // Node.js内置模块用于读写文件 const path require(path); // Node.js内置模块用于处理文件路径 // 配置信息 - 这里需要替换成你实际获取的API信息 const API_CONFIG { // API的端点地址示例需替换为真实地址 endpoint: https://your-mirror-service-address.com/v1/colorize, // 如果需要API密钥请在此处填写示例需替换为真实密钥 apiKey: your-api-key-here-if-required, }; // 图片路径 const INPUT_IMAGE_PATH path.join(__dirname, input.jpg); // 待上色的黑白图片 const OUTPUT_IMAGE_PATH path.join(__dirname, output.jpg); // 处理后的彩色图片重要提示API_CONFIG.endpoint这个地址需要替换成SUPER COLORIZER模型在星图GPU平台上部署后提供的真实API访问地址。通常在你创建并启动镜像服务后平台会提供一个访问链接。API_CONFIG.apiKey有些API服务为了安全和管理需要密钥。如果有请在这里填写如果没有相关代码可以注释或删除。INPUT_IMAGE_PATH确保在项目根目录下有一张名为input.jpg的黑白图片作为我们的测试输入。你可以随便找一张黑白照片或图片改成这个名字放进来。3.2 构建发送图片的函数我们写一个异步函数来处理主要的逻辑读取图片、发送请求、保存结果。async function colorizeImage() { console.log(开始处理图片...); // 1. 检查输入图片是否存在 if (!fs.existsSync(INPUT_IMAGE_PATH)) { console.error(错误找不到输入图片请确保文件 ${INPUT_IMAGE_PATH} 存在。); return; } try { // 2. 读取图片文件并转换为Base64编码格式一种常见的网络传输格式 const imageBuffer fs.readFileSync(INPUT_IMAGE_PATH); const base64Image imageBuffer.toString(base64); console.log(输入图片读取并编码完成。); // 3. 准备请求数据 const requestData { image: base64Image, // 将Base64格式的图片数据传给API // 可以根据API文档添加其他参数例如风格、强度等 // style: vivid, // strength: 0.8 }; // 4. 配置请求头 const headers { Content-Type: application/json, }; // 如果需要API密钥通常加在请求头里 if (API_CONFIG.apiKey) { headers[Authorization] Bearer ${API_CONFIG.apiKey}; } console.log(正在向API发送请求...); // 5. 发送POST请求 const response await axios.post(API_CONFIG.endpoint, requestData, { headers }); // 6. 处理返回结果 console.log(API响应成功); const result response.data; // 假设API返回的数据中处理后的图片也在一个image字段里且是Base64格式 if (result result.image) { // 将Base64字符串解码成图片二进制数据 const outputBuffer Buffer.from(result.image, base64); // 写入到输出文件 fs.writeFileSync(OUTPUT_IMAGE_PATH, outputBuffer); console.log(✅ 彩色图片已成功保存至${OUTPUT_IMAGE_PATH}); } else { console.warn(API响应中未找到图片数据完整响应, JSON.stringify(result, null, 2)); } } catch (error) { // 错误处理 console.error(处理过程中发生错误); if (error.response) { // 请求已发出服务器返回了错误状态码如4xx, 5xx console.error(状态码${error.response.status}); console.error(响应数据${JSON.stringify(error.response.data)}); } else if (error.request) { // 请求已发出但没有收到响应 console.error(未收到服务器响应。请检查网络和API地址。); } else { // 其他错误如设置请求时出错 console.error(错误信息, error.message); } } } // 执行函数 colorizeImage();这段代码做了以下几件事检查文件确保你准备的input.jpg存在。编码图片把图片文件转换成Base64字符串方便通过JSON传输。组装请求按照API预期的格式这里假设是{image: base64String}组装数据并设置请求头包括可选的密钥。发送请求使用axios.post异步发送请求到配置的API地址。处理响应收到响应后从返回数据中提取处理好的图片假设也是Base64格式解码并保存为output.jpg。错误处理用try...catch包裹详细捕获并打印可能出现的网络错误或API错误。4. 第三步运行与查看结果代码写好了让我们来运行它看看效果。4.1 运行Node.js脚本首先确保你的黑白图片input.jpg已经放在项目根目录下。然后在终端里确保当前目录是super-colorizer-demo运行node colorize.js如果一切顺利你会在终端看到类似这样的输出开始处理图片... 输入图片读取并编码完成。 正在向API发送请求... API响应成功 ✅ 彩色图片已成功保存至/你的项目路径/super-colorizer-demo/output.jpg这时检查你的项目文件夹应该会多出一个output.jpg文件这就是AI为你上色后的彩色图片4.2 常见问题与排查第一次运行很可能不会一帆风顺别担心我们来看看可能遇到的问题错误找不到输入图片解决确认input.jpg文件是否在项目根目录名字和代码里的是否完全一致注意大小写。错误网络连接失败 / 地址错误解决检查API_CONFIG.endpoint地址是否正确确保没有拼写错误。可以尝试在浏览器中访问这个地址如果是GET接口或用Postman测试看服务是否正常。错误API返回401/403未授权/禁止访问解决检查API_CONFIG.apiKey是否正确填写或者确认该API是否需要密钥。仔细阅读API提供方的文档。错误API返回其他4xx或5xx错误解决查看终端打印的错误响应数据。这通常意味着请求格式不对或服务器内部错误。对照API文档检查你发送的requestData格式是否符合要求。处理速度慢理解AI图像处理需要计算时间尤其是第一次调用时模型可能需要加载。耐心等待几秒到几十秒是正常的。4.3 创建一个简单的前端页面来展示光在文件夹里看图片不过瘾我们写一个简单的HTML页面把处理前后的图片并排展示出来。在项目根目录创建一个index.html文件!DOCTYPE html html langzh-CN head meta charsetUTF-8 meta nameviewport contentwidthdevice-width, initial-scale1.0 titleSUPER COLORIZER 效果对比/title style body { font-family: sans-serif; max-width: 1000px; margin: 40px auto; padding: 20px; text-align: center; background-color: #f5f5f5; } h1 { color: #333; margin-bottom: 30px; } .image-container { display: flex; justify-content: space-around; flex-wrap: wrap; gap: 30px; margin-bottom: 30px; } .image-box { background: white; padding: 15px; border-radius: 10px; box-shadow: 0 4px 8px rgba(0,0,0,0.1); } .image-box h3 { margin-top: 0; color: #555; } img { max-width: 400px; max-height: 400px; border-radius: 5px; display: block; } .note { color: #666; font-size: 0.9em; margin-top: 20px; line-height: 1.5; } /style /head body h1SUPER COLORIZER 上色效果对比/h1 div classimage-container div classimage-box h3原图黑白/h3 img src./input.jpg alt原始黑白图片 idoriginalImg pinput.jpg/p /div div classimage-box h3处理后彩色/h3 img src./output.jpg altAI上色后图片 idcolorizedImg poutput.jpg/p /div /div div classnote p这是一个简易的展示页面。运行 codenode colorize.js/code 后刷新本页面即可看到最新处理结果。/p p如果output.jpg图片无法加载请确保已成功运行Node.js脚本并生成了该文件。/p /div /body /html保存文件后在项目根目录下打开终端运行我们之前安装的静态服务器http-server -p 8080然后在浏览器中访问http://localhost:8080你就能看到一个简单的对比页面左右分别展示了你的黑白原图和AI上色后的彩色结果。是不是很有成就感5. 总结与下一步跟着走完这一遍你应该已经成功在Node.js环境里调通了SUPER COLORIZER的API并且看到了实际上色效果。整个过程的核心其实就是三步准备好图片数据、按照API的规矩发送出去、再把返回的结果处理好。我们用的axios库让网络请求变得非常简单而Base64编码则是图片数据在网络传输中一种常见的形式。这个简单的Demo为你打开了一扇门。你可以基于这个基础尝试更多玩法。比如修改代码让它能处理文件夹里的一批图片或者把这段Node.js代码集成到你现有的后端服务比如Express.js框架中提供一个给前端调用的接口再进一步可以做一个有上传按钮、处理进度条和结果展示的完整小网站。最关键的一点是一定要仔细阅读你所使用的那个具体API服务的文档。不同的部署方式API的地址、请求格式、参数、认证方式都可能略有不同。只要把文档里的要求和咱们这个Demo里的步骤对应上替换掉关键的配置信息就能轻松适配。希望这个教程能帮你快速体验到AI图像处理的乐趣。动手试试吧看看那些旧时光里的黑白记忆在AI的帮助下能焕发出怎样新的色彩。获取更多AI镜像想探索更多AI镜像和应用场景访问 CSDN星图镜像广场提供丰富的预置镜像覆盖大模型推理、图像生成、视频生成、模型微调等多个领域支持一键部署。
