人脸识别与机器学习的硬件要求

机器学习微服务吃什么资源

Immich 的人脸识别和语义搜索都由 machine-learning 微服务承担。理解它怎么吃硬件资源，是买机器和调参数的前提。

人脸识别的工作方式是：每张新照片进来，微服务先用模型算出人脸的特征向量，再和已有的人物簇比对，决定归入已有分组还是新建一个。智能搜索同理，给每张照片算一段文字向量，之后你搜索时输入的短语也被转成向量，按距离找最近的照片。这些计算在照片入库时发生一次，之后查询只是向量比较，非常快。

所以硬件压力集中在两个时刻：第一次部署后的全库扫描，以及日常新增照片的增量处理。全库扫描是真正的重活，几万张照片在 CPU 上可能要跑大半天；之后每天新增几十张照片，几分钟就处理完，几乎无感。了解这一点，硬件预算就有的放矢了。

显卡：有用的加速，不必痴迷

如果机器有显卡，machine-learning 会自动用上，速度可以提升十几倍甚至更多。但这里有几个常见误区值得澄清。

误区一是以为必须上旗舰显卡。人脸识别用的模型并不大，一张入门级显卡、四五个 GB 显存就能流畅工作，二手市场几百元的卡足以满足全家相册的需求。误区二是以为没显卡就不能用。CPU 模式完全可以工作，功能上一模一样，只是首次全库扫描慢一些，对照片只有几万张的家庭用户来说，睡前让它跑，第二天早上差不多就好了。误区三是以为显卡越贵体验越好，实际上人脸识别模型的规模有限，超出某个档位之后再加钱只换来纸面参数。

买机器时的建议是：把显卡当作加分项而不是必选项。如果家里本来就有一台带显卡的小主机或淘汰的台式机，直接用；如果从零开始装机，优先把钱花在硬盘和内存上，显卡等以后有需要再加。另外要注意驱动层面的问题：显卡直通、驱动版本这些细节在 NAS 系统里偶尔会折腾人，如果没做过虚拟化直通，先翻一翻《自建 NAS 完全指南》 的相关章节再动手，能少走不少弯路。

模型可换：显存不够就用小的

Immich 的机器学习模型是可以替换的，这是它灵活性的体现。默认模型在效果和体积上取了平衡；如果显存紧张，配置里可以换成更小的模型，占用直接降一个档次。模型替换是改环境变量的事，改完重启微服务即可，不需要写代码、不需要重新部署整套服务。

模型选择的权衡很直观：模型越大，识别越准、向量越精细，占的显存和内存也越多；模型越小，资源省，但偶尔会出现识别不稳、语义搜索偏差的情况。对绝大多数家庭场景来说，默认或小一档的模型已经够用，不必盲目追大模型。常见的做法是先用默认模型跑全库，看人物分组是否准确、搜索是否跟手，再决定要不要换。

内存与 CPU 的基线

抛开 GPU 不谈，一台能舒服跑 Immich 的机器基线并不高。内存方面，server、redis、postgres、machine-learning 几个服务加起来常驻约 3 到 4GB，加上模型加载和缩略图生成时的峰值，8GB 是比较稳妥的起点，16GB 则几乎不会遇到瓶颈。CPU 方面，四核是最低限，机器学习在 CPU 上跑的时候多核收益明显，但日常增量处理对 CPU 几乎没有压力。

如果你打算在同一台机器上同时跑其他服务——影音库、下载工具、家谱应用之类——那内存预算要相应往上加。容器服务之间隔离归隔离，内存超了该卡还是卡，该停的还是停。一个实用判断法：先只起 Immich 跑两天，盯着监控面板里的常驻占用，再决定要不要挤别的东西进来，给突发留出余量。

一个容易被忽略的硬件是硬盘。Immich 会为每张照片生成缩略图，这带来一定的随机读写；postgres 存元数据，写入频率不高但很碎。把照片目录和系统放在同一块机械盘上能用，但滑动时间线时会明显感到涩。比较理想的做法是系统放固态盘、照片放机械盘这种常见组合，细节在存储规划一章展开。

给已经买好机器的读者一个定心丸：这张表是舒服线，不是生死线。双核 CPU 加 4GB 内存的网盒也能把 Immich 跑起来，功能一样不少，只是全库扫描要数着小时等。差距体现在体验上，而不是能不能用上。反过来，盲目堆硬件也不会带来额外收益——人脸识别模型就那么大，超出的性能都在空转。先用手头有的设备跑起来，性能瓶颈真出现了再升级，这是最经济的路径。

首次扫描之外的隐形开销

除了识别本身，Immich 在首次运行时还有一项重活：生成缩略图。每一张照片都要生成几个尺寸的小图，用于时间线快速滑动和网页端加载。这是纯 CPU 密集的任务，显卡帮不上忙，SSD 能明显提速。几万张照片的缩略图在固态盘上跑半个小时左右，在机械盘上可能要拉长几倍，这个差异在规划硬盘布局时值得考虑进去。

识别完成之后的日常就非常安静了。新增照片进来，机器学习微服务处理单张照片只需要几十毫秒，缩略图生成同样是单张级别。除非一次性导入几万张旧照片，否则你几乎不会注意到这套系统在干活。所以评估硬件时，真正要回答的问题不是跑得够不够快，而是第一次扫描你愿意等多久。

一个具体的数字感：五千张照片在较新的四核 CPU 上，全库扫描加缩略图大约十几分钟到半小时；同样的量级搁在十年前的老机器上，可能要两个小时往上。差别存在，但都在等得起的范围内。照片量翻十倍，时间也大致翻十倍，可以按这个粗略比例估算自己机器的等待时间。

顺带给个感性结论：照片在五万张以内的家庭用户，任何一台六年内的四核机器都能给你完整功能，区别只是首日等待时长。那些反复劝退新手的高性能焦虑，多半来自把首日峰值当成了常态——第二天之后，它安静得像不存在。

一个经常被问到的细节是：机器学习服务在没事做的时候占多少资源？答案是模型加载到内存后常驻，闲时几乎不消耗 CPU，显存占用保持在一个固定的小数字。不需要为了省电每天关掉它，开机自启挂着就好。给人脸识别做硬件预算，归根结底是在给第一次扫描买等待时长，这一点想通了，花钱的决策就不纠结了。

顺带说说部署形态的选择。同一台机器上既能裸装 Docker 直接跑，也可以在虚拟机里开一台 Linux 专门跑，两者功能完全一样。区别在于运维偏好：裸装省一层、性能损耗最小；虚拟机隔离更干净，出问题可以整体快照回滚。如果你打算让 NAS 一机多用、同时跑影音库和下载工具，虚拟机方式出问题时更容易止血。这部分展开内容可以参考《群晖 DSM 实用指南》 里容器与虚拟机的对比章节。

不同硬件组合的实际预期

把上面这些拼起来，几档典型配置的实际体验大致如下。

纯 CPU 的迷你主机是最经济的起点。部署完全一样，功能不缺，只是第一次扫描全库时耐心一点。带入门显卡的小主机是体验最均衡的选择，全库扫描十几分钟到半小时，之后日常无感。如果家里正好有高性能台式机长期开机，直接拿来跑也可以，它会让你忘记还有扫描这件事——唯一的提醒是电费账单。机器选型的展开内容可以翻《自建 NAS 完全指南》 的硬件章节，那里按预算分了几档可照抄的配置单。

硬件规划上若同时涉及内网穿透和外网访问，可以顺带读一读《软路由从入门到精通》，把网络入口一并规划好；群晖用户的具体操作差异可以参考《群晖 DSM 实用指南》 的容器与硬件直通部分。

说到底，这台机器平时最累的一天就是部署当天。给它算预算，与其按高峰配满，不如按稳态配够、把余量留给硬盘寿命和电费。

小结

人脸识别的门槛没有想象中高：显卡是加速器而不是入场券，CPU 也能跑完整功能；模型可换让显存预算变得灵活；8GB 内存加任意四核 CPU 就是够用的基线，硬盘布局对日常流畅度的影响反而最容易被忽视。下一章在动手之前，先把三件必须事先定好的事情说清楚。

延伸阅读

• 下一章《部署前要定的三件事》：目录结构、域名、账号体系先想好再装。
• 《自建 NAS 完全指南》：整机选型与硬盘搭配的细节。