首页手记深夜吐血训练了100万小黄图撸了一个鉴黄接口

深夜吐血训练了100万小黄图撸了一个鉴黄接口

标签：

Java 大数据机器学习

前言

最近在做一款图床服务，关注公号的小伙伴一定记得小柒曾说过，会在周末放出的，不好意思放大家鸽子了。之所以一直没敢放出，是因为鉴黄接口一直没调试好，虽然我对公号的小伙伴百分之百信任，奈何互联网鱼龙混杂，万一上传了什么不雅的图片，然后不巧被某部门发现了，我包括我的服务器域名可就彻底玩完了！

架构

如图，先聊一下图床的架构：

Nginx代理那是必备神器了。
lua限流是一定的了，虽然前期没啥子流量，后期可能也没有。
限量限制大小也是必须的了，不然带宽受不了。
接入鉴黄，毕竟咱是合法备案网站。
文件多重备份，OSS、分布式文件、本地文件各一份，防止走丢。
为了查询方便，最后落库。

工具

SpringBoot，一个简化Spring开发的框架。
WebUploader，一个简单的以HTML5为主，FLASH为辅的现代文件上传组件。
Python，加持各种开源第三方库处理图片。
nsfw_data_scraper，一个近1w星标的珍藏数据资源。
docker_nsfw_data_scraper，用于收集训练数据。
TensorFlow，开源机器学习库。
ResNet，图像分类的预训练模型。
TensorFlow-serving，部署tensorflow模型，并提供服务。

训练模型

训练之前，先介绍一个名词 NSFW，之前我也不知道啥意思，毕竟是村里来的，什么泷泽萝拉、松岛枫、小泽玛利亚、吉泽明步、波多野结衣、天海翼、樱井莉亚、饭岛爱、苍井空、麻生希、橘梨纱、武藤兰、泽井芽衣…是一概不知道的。

NSFW：不适合在工作场合出现的内容（英语：Not Safe/Suitable For Work，缩写：NSFW）是一个网络用语，多指裸露、暴力、色情或冒犯等不适宜公众场合的内容。在给出含有上述内容的超链接旁标注 NSFW，用于警告观看者。

在 nsfw_data_scraper上传存放了成千上万张图片地址，并对图片进行了分类，以供训练：

绘画（Drawing），无害的艺术，或艺术绘画；
变态（Hentai），色情艺术，不适合大多数工作环境；
中立（Neutral），一般，无害的内容；
色情（Porn），不雅的内容和行为，通常涉及生殖器；
性感（Sexy），不合时宜的挑衅内容。

同时，官方也提供了收集方法：

$ docker build . -t docker_nsfw_data_scraper
Sending build context to Docker daemon  426.3MB
Step 1/3 : FROM ubuntu:18.04
 ---> 775349758637
Step 2/3 : RUN apt update  && apt upgrade -y  && apt install wget rsync imagemagick default-jre -y
 ---> Using cache
 ---> b2129908e7e2
Step 3/3 : ENTRYPOINT ["/bin/bash"]
 ---> Using cache
 ---> d32c5ae5235b
Successfully built d32c5ae5235b
Successfully tagged docker_nsfw_data_scraper:latest
$ # Next command might run for several hours. It is recommended to leave it overnight
$ docker run -v $(pwd):/root docker_nsfw_data_scraper /root/scripts/runall.sh
Getting images for class: neutral
...
...
$ ls data
test  train
$ ls data/train/
drawings  hentai  neutral  porn  sexy
$ ls data/test/
drawings  hentai  neutral  porn  sexy

如何训练模型，后面也很贴心的附上了训练方法，不过这里借用了 TensorFlow 的 ResNet 的模型，稍作修改。训练过程太过煎熬、痛苦，已经被湮灭在有限的带宽和无尽的小黄图中。

鉴黄服务

模型数据训练好以后就是搭建服务了，这里我们直接使用TensorFlow 的 TensorFlow-serving 对外提供服务，为了安装方便，我们使用Docker安装部署。

NSFWDATA="/home/nsfw"
docker run -d --rm -p 8501:8501 \
   --name nsfw \
   -v "$NSFWDATA/models:/models/nsfw" \
   -e MODEL_NAME=nsfw \
   tensorflow/serving

serving 镜像提供了两种调用方式：gRPC和HTTP请求。gRPC默认端口是8500，HTTP请求的默认端口是8501，serving镜像中的程序会自动加载镜像内/models下的模型，通过MODEL_NAME指定/models下的哪个模型。

HTTP调用API地址：http://ip:port/v1/models/nsfw:predict

接口返回参数：

{
    "classes": "porn", 
    "probabilities": {
        "drawings": 0.0000170060648, 
        "hentai": 0.00108581863, 
        "neutral": 0.000101140722, 
        "porn": 0.816358209, 
        "sexy": 0.182437778
    }
}