atomk-hermes-skills/skills/cross-border-ecommerce/cross-border-image-pipeline/SKILL.md

name, description, trigger

name	description	trigger
cross-border-image-pipeline	跨境电商产品图片AI处理流水线 — 抠图、去水印、换背景、虚拟试穿、LoRA风格训练。支持单卡/双卡GPU部署。	用户需要搭建跨境电商图片处理AI流水线，或询问GPU能跑什么图片模型。

跨境电商图片AI流水线

模型与显存需求

模型	用途	显存	速度
BRIA-RMBG-2.0	抠图去背景	~3GB	0.3-0.5s/张
IOPaint	去水印/去瑕疵	~4GB	1.5-2s/张
SDXL + ControlNet	换背景/构图控制	~10GB	8-15s/张
FLUX.1-schnell	快速生图	~12GB	4-8s/张
FLUX.1-dev	高质量生图/Inpaint	~12GB	12-20s/张
FLUX.1-Canny/Depth	边缘/深度精确控制	~12GB	15s/张
FLUX.1-Fill	高质量Inpaint	~24GB	20-25s/张
IDM-VTON	服装虚拟试穿	~14GB	15-25s/张
OOTDiffusion	服装试穿	~12GB	12s/张
SD3 Medium	通用生图	~10GB	10s/张

GPU方案对比

P102-100 × 2 (20GB, 无NVLink)

• Pascal架构 compute 6.1，无Tensor Core/FP8/BF16/xformers/FlashAttention
• 支持FP16/FP32/INT8
• 完美运行：rembg/BRIA/IOPaint (<4GB)
• 可以跑：SDXL (8-10GB)
• 勉强跑：FLUX.1-dev拆卡(12GB)、IDM-VTON低分辨率
• 跑不了：FLUX.1-Fill、SD3、LoRA训练
• 无NVLink，跨卡通信走PCIe，20-30%性能损耗
• ComfyUI分卡调度：GPU0做轻任务(抠图/去水印)，GPU1做重任务(SDXL)

V100-16G × 2 (32GB, NVLink 300GB/s)

• Volta架构 compute 7.0，有Tensor Core
• 部分支持xformers，不支持Flash Attention(需compute≥7.5)
• 单卡可跑FLUX.1-dev/SDXL/IDM-VTON
• 双卡NVLink可跑FLUX.1-Fill(24GB)、FLUX LoRA训练
• 端到端~15s/张
• 三种模式：分卡流水线、NVLink统一32GB、混合模式

推荐流水线架构

GPU 0 (轻任务)                    GPU 1 (重任务)
┌──────────────────┐              ┌──────────────────┐
│ BRIA-RMBG 抠图    │──透明图──→  │ FLUX.1-dev 换场景  │
│ IOPaint 去水印    │──干净图──→  │ SDXL Inpaint      │
│ 图片预处理        │              │ FLUX.1-Canny 控制  │
│ PIL 800×800 裁剪  │←──成品图───│ IDM-VTON 试穿     │
└──────────────────┘              └──────────────────┘

ComfyUI 部署步骤

1. 安装 ComfyUI：git clone https://github.com/comfyanonymous/ComfyUI.git
2. 安装依赖：pip install torch torchvision --index-url https://download.pytorch.org/whl/cu118
3. 下载模型到 ComfyUI/models/ 对应子目录
4. 多卡调度：不同节点指定不同 device（GPU:0 / GPU:1）
5. 启动：python main.py --listen 0.0.0.0 --port 8188

大模型拆卡（V100 NVLink）

from accelerate import dispatch_model
pipe = FluxFillPipeline.from_pretrained("black-forest-labs/FLUX.1-Fill", torch_dtype=torch.float16)
pipe = dispatch_model(pipe, device_map="auto")  # 自动按层拆到GPU:0和GPU:1

LoRA 训练

训练任务	显存	耗时	工具
SDXL LoRA	~12GB 单卡	~15min	kohya-ss
FLUX.1-dev LoRA	~20GB 双卡	~30min	kohya-ss
IP-Adapter	~16GB 单卡	~45min	—

参考文件

• references/flairgs-api.md — FlairGS v3.0 统一图像处理 API 文档（去背景/VL分析/文生图）

• 尺寸：800×800 像素

• 格式：JPG (白底) / PNG (透明底)

• 命名：SKU_序号_类型.jpg (如 SKU001_01_white.jpg)

注意事项

• P102是矿卡，无NVLink，只能软件级分卡
• V100不支持Flash Attention(compute 7.0 < 7.5要求)
• FLUX模型需从HuggingFace下载，需HF Token
• GGUF量化版可降低显存需求50%但质量略降
• 批量处理建议用ComfyUI API模式，脚本循环提交工作流