如何手动下载 InsightFace buffalo_l 模型包并放到库中供 Python 库加载？

如何手动下载 InsightFace buffalo_l 模型包并放到库中供 Python 库加载【免费下载链接】insightfaceState-of-the-art 2D and 3D Face Analysis Project项目地址: https://gitcode.com/GitHub_Trending/in/insightfaceInsightFace 的 Python 库insightface通过FaceAnalysis加载一组打包好的 ONNX 模型默认模型包就是buffalo_l。当自动下载通道不可用、内网环境需要离线部署或者你已经从模型表格里拿到了 zip 包时就需要手动下载这个包解压放到库约定的目录~/.insightface/models/下再运行代码验证模型能被正确加载。本文基于仓库中的 python-package/README.md 和 model_zoo/README.md 描述这条完整路径适用于insightface0.2以 onnxruntime 为推理后端的版本。buffalo_l 是什么要放到哪里buffalo_l是最新版 insightface 库的默认模型包文档表格中以粗体标注一份包内包含检测、识别、对齐和属性四类模型项目内容检测模型SCRFD-10GF注model_zoo/README.md 的同一行写的是 RetinaFace-10GF两处文档不一致以你使用版本的 README 表格为准识别模型ResNet50WebFace600K对齐2d106 3d68属性GenderAge包大小326MB放置位置由库源码决定face_analysis.py 中FaceAnalysis初始化时会在~/.insightface/models/包名/目录下用glob直接查找*.onnx文件也就是说 ONNX 文件必须直接位于~/.insightface/models/buffalo_l/这一层而不是再嵌套一层子目录。README 给出的官方表述是“Once you manually downloaded the zip model pack, unzip it under~/.insightface/models/first before you call the program.”前置准备在 model_zoo/README.md 中Python 包的安装方式是pip install -U insightface根据 python-package/README.mdinsightface0.2使用 onnxruntime 作为推理后端需要额外安装pip install onnxruntime # 仅 CPU 推理 # 或 pip install onnxruntime-gpu # 需要 GPU 推理时手动安装另外两点前提insightface0.3.3起FaceAnalysis()初始化时如果发现本地没有模型目录会自动从库内置地址下载如果目录已经存在也就是你手动放好了模型storage.py 中的ensure_available会直接返回该目录、不再下载。所以手动放置的模型优先生效。文档声明这些预训练模型仅限非商业研究用途available for non-commercial research purposes only。手动下载 buffalo_l 并解压入库从 python-package/README.md 的 Model Zoo 表格中找到buffalo_l一行按其中的 link 下载 zip 包326MB。确保目标目录存在并把 zip 解压到~/.insightface/models/下zip文件名替换为你实际下载到的文件名mkdir -p ~/.insightface/models unzip zip文件名 -d ~/.insightface/models检查解压结果ONNX 文件应直接位于buffalo_l目录这一层ls ~/.insightface/models/buffalo_l如果 zip 内多包了一层目录、或 ONNX 文件落在更深的子目录里需要调整文件位置让~/.insightface/models/buffalo_l/下能直接看到.onnx文件否则FaceAnalysis的glob扫不到它们。用 FaceAnalysis 验证模型加载运行下面这段脚本即 README 中 Quick Example 的核心部分图片t1是库自带的 t1.jpgimport cv2 import numpy as np import insightface from insightface.app import FaceAnalysis from insightface.data import get_image as ins_get_image app FaceAnalysis(namebuffalo_l, providers[CUDAExecutionProvider, CPUExecutionProvider]) app.prepare(ctx_id0) # Auto detection size: 128x128 640x640 img ins_get_image(t1) faces app.get(img) rimg app.draw_on(img, faces) cv2.imwrite(./t1_output.jpg, rimg)说明namebuffalo_l指定要加载的模型包不传name时默认值就是buffalo_l见 constant.py 中的DEFAULT_MP_NAME。providers[CUDAExecutionProvider, CPUExecutionProvider]是 README 原示例写法用于 CUDA 环境只用 CPU 推理装了onnxruntime时省略providers参数即可。name也可以换成其他包名例如 model_zoo/README.md 展示的app FaceAnalysis(namemodel_pack_name)自定义授权模型则是把模型放进~/.insightface/models/新目录名/后以FaceAnalysis(nameyour_model_zoo)加载。加载过程的成功判断依据均来自 face_analysis.py 的实际打印逻辑每个被识别的 ONNX 文件会打印一行find model: 文件路径 taskname 输入形状 ...buffalo_l 正常时应能看到 detection、recognition、landmark、属性等多个 taskname无法识别的文件打印model not recognized: 文件路径目录里没有检测模型时assert detection in self.models会直接抛出 AssertionError——这是“模型没放对位置”最常见的报错表现最后运行app.get(img)对t1.jpg应能检出人脸打开./t1_output.jpg可以看到画在图上的人脸框和关键点。可选替代路径CLI 下载如果不想走手动解压README 给出了命令行方式insightface-cli model.download buffalo_lREADME 中说明该命令在insightface0.3.2时是必做的0.3.3改为初始化时自动下载。该命令还支持两个参数见 model_download.py--root指定模型存储根目录默认~/.insightface--force在本地已存在时也强制重新下载。注意当~/.insightface/models/buffalo_l/目录已经存在但内容不完整时自动/CLI 下载都会直接跳过下载、不会补全文件这种情况需要先把不完整的目录处理掉再重新下载或手动放置。限制库只支持 ONNX 格式的模型其他框架训练的模型需先转换为 onnx 才能被加载。buffalo_l之外的包antelopev2、buffalo_m、buffalo_s、buffalo_sc同样可以手动解压到~/.insightface/models/下再用FaceAnalysis(name...)指定加载。所有文档提供的预训练模型仅限非商业研究用途。【免费下载链接】insightfaceState-of-the-art 2D and 3D Face Analysis Project项目地址: https://gitcode.com/GitHub_Trending/in/insightface创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考