LingBot-Depth-ViT-L14教程：如何通过Info JSON验证device=cuda与mode=Depth Completion

你是不是刚部署了一个AI深度估计模型，看着WebUI上生成的漂亮深度图，心里却有点打鼓：这玩意儿真的在用我的GPU跑吗？它到底是在做“单目深度估计”还是“深度补全”？别急，今天我们就来手把手教你，如何像老司机一样，通过模型返回的Info JSON信息，一眼看穿它的“工作状态”。

1. 为什么需要验证device和mode？

在开始动手之前，我们先搞清楚两个关键问题：device和mode。

device指的是模型运行在什么设备上。对于LingBot-Depth这种拥有3.21亿参数的大模型，如果它告诉你device: "cpu"，那你的心可能就要凉半截了——这意味着推理速度会慢得像蜗牛，可能一张图要等上好几秒甚至十几秒。而device: "cuda"则代表模型正在愉快地使用你的GPU（比如NVIDIA显卡）进行加速计算，通常能在100毫秒内完成推理。验证这个，就是确认你的硬件资源有没有被正确利用。

mode指的是模型当前的工作模式。LingBot-Depth有两个核心模式：

• Monocular Depth（单目深度估计）：只给你一张普通的RGB照片，模型就能猜出场景里每个像素离相机有多远。这就像你闭上一只眼睛，仅凭经验判断物体的远近，非常神奇。
• Depth Completion（深度补全）：你不仅给模型一张RGB照片，还额外给它一张“不完整”的深度图（比如来自激光雷达或ToF传感器的稀疏点云）。模型的任务是结合这两份信息，“脑补”出完整、平滑的高质量深度图。这个模式对机器人导航、3D重建尤其重要。

验证mode，就是确保模型正在执行你期望的任务。如果你上传了深度图却忘了切换模式，或者模式切换了但模型没“听进去”，那得到的结果可能就是错的。

那么，去哪里找这些关键信息呢？答案就在每次推理后，WebUI或API返回的 Info JSON 里。它就像模型的“体检报告”，记录了这次推理的所有关键参数和状态。

2. 环境准备与快速验证

理论说再多，不如动手试一下。我们直接从最简单的WebUI开始，快速验证你的模型是否“健康上岗”。

2.1 访问测试页面

首先，确保你已经按照说明部署了 ins-lingbot-depth-vitl14-v1 镜像，并且实例状态是 “已启动”。

在你的云平台实例列表里，找到这个实例，点击旁边的 “HTTP” 按钮。浏览器会自动打开一个地址，类似 http://你的实例IP:7860。这就是LingBot-Depth的可视化操作界面（Gradio WebUI）。

页面加载后，你会看到左右两个主要的图像显示区域，中间和下方有很多选项和按钮。别被界面吓到，我们一步步来。

2.2 执行一次标准的单目深度估计

这是最基础的测试，能帮你确认模型的基本功能是否正常。

1. 上传测试图片： 在左侧“Input Image”区域，点击上传。为了省事，我们可以直接使用镜像里自带的示例图片。在服务器的这个路径下有一张现成的室内场景图： /root/assets/lingbot-depth-main/examples/0/rgb.png 你可以通过SFTP工具把它下载到本地再上传，或者更简单的方法：在WebUI的文件选择器里，如果支持，尝试直接输入或选择这个路径（部分环境可能不支持直接访问服务器路径，那就随便上传一张你自己的室内或室外照片也行）。

2. 确认模式选择： 在“Mode”选项那里，确保单选按钮选中了 “Monocular Depth”。这个模式下，“Depth Map”上传区域会变灰，因为不需要深度图输入。

3. 点击生成： 大胆地点击那个蓝色的 “Generate Depth” 按钮。

等待几秒钟（通常在2-3秒内），右侧“Output Depth”区域就会显示一张彩色的深度图。颜色越暖（红、黄），代表距离越近；颜色越冷（蓝、紫），代表距离越远。这就是模型根据单张RGB图片“猜”出来的深度信息。

2.3 查看你的第一份Info JSON

生成图像后，你的目光应该立刻移到页面下方的 “Info JSON” 文本框里。这里就是宝藏所在。

你会看到一段格式工整的JSON数据，内容大致如下：

{
  "status": "success",
  "message": "Depth estimation completed successfully.",
  "input_size": "640x480",
  "output_size": "640x480",
  "depth_range": "0.523m ~ 8.145m",
  "mode": "Monocular Depth",
  "device": "cuda",
  "inference_time_ms": 89.7,
  "model_name": "lingbot-depth-pretrain-vitl-14"
}

恭喜你！第一次验证就成功了。

• "device": "cuda"：这行字明确告诉你，模型正在使用GPU进行加速推理。如果你的显卡驱动、CUDA环境都配置正确，这里就应该显示cuda。如果显示cpu，那你可能需要检查一下PyTorch是否安装了GPU版本，或者CUDA是否可用。
• "mode": "Monocular Depth"：这确认了模型刚刚执行的是单目深度估计任务。
• 其他有用信息：
  • depth_range：告诉你这张图里，最近的物体大约0.523米，最远的约8.145米。这能帮你对场景尺度有个直观感受。
  • inference_time_ms：推理耗时约90毫秒，这个速度对于ViT-L大模型来说在GPU上是非常不错的。

至此，你已经完成了最基础的验证。但我们的目标是深度补全（Depth Completion），那才是展现这个模型真正实力的地方。

3. 深度补全模式的核心验证

深度补全模式需要两份输入：RGB图和不完整的深度图。我们继续使用示例文件来完成这个更复杂的验证。

3.1 准备双模态输入

1. 上传RGB图像：和之前一样，在“Input Image”区域上传 /root/assets/lingbot-depth-main/examples/0/rgb.png（或你之前用的图）。
2. 切换模式：将“Mode”从“Monocular Depth”切换到 “Depth Completion”。切换后，下方的“Depth Map”上传区域会变成可用的。
3. 上传稀疏深度图：在“Depth Map”区域，上传示例的稀疏深度图：/root/assets/lingbot-depth-main/examples/0/raw_depth.png。这张图看起来可能大部分是黑色，只有一些白色的点或线，这正代表了传感器采集到的、不完整的深度信息。

3.2 配置相机参数（关键步骤）

深度补全为了得到度量准确的3D信息，通常需要知道相机的内参。在WebUI上，展开 “Camera Intrinsics” 这个折叠面板。

你会看到四个输入框：fx, fy, cx, cy。对于我们的示例图片，填入以下参数（这些参数通常来自相机标定）：

• fx: 460.14
• fy: 460.20
• cx: 319.66
• cy: 237.40

填写这些参数后，模型在补全深度时，就能结合真实的相机几何模型，输出更准确的、可用于3D重建的深度图。

3.3 执行深度补全并验证JSON

再次点击 “Generate Depth” 按钮。

稍等片刻，右侧会输出新的深度图。你应该能直观地看到，这次的深度图相比单目模式，在物体边缘处更加锐利，在稀疏深度点覆盖的区域更加准确和平滑。

现在，立刻去看“Info JSON”框！ 这是验证的核心。

{
  "status": "success",
  "message": "Depth completion completed successfully.",
  "input_size": "640x480",
  "output_size": "640x480",
  "depth_range": "0.501m ~ 8.203m",
  "mode": "Depth Completion", // 重点1：模式已切换
  "device": "cuda",           // 重点2：仍在GPU运行
  "inference_time_ms": 102.4, // 时间可能略长，因为输入数据更多
  "model_name": "lingbot-depth-pretrain-vitl-14",
  "has_depth_input": true,    // 重点3：确认接收到了深度输入
  "intrinsics_used": {        // 重点4：确认使用了你输入的相机参数
    "fx": 460.14,
    "fy": 460.20,
    "cx": 319.66,
    "cy": 237.40
  }
}

完美！这份JSON报告清晰地告诉我们：

1. 模式验证成功："mode": "Depth Completion"。这说明模型明确知道自己正在执行深度补全任务，而不是错误地运行了单目估计。
2. 设备验证成功："device": "cuda"。即使在处理更复杂的双输入任务时，模型依然稳定地运行在GPU上，保证了效率。
3. 输入验证成功："has_depth_input": true。这是一个重要的标志，确认模型确实接收并处理了你上传的稀疏深度图。
4. 参数验证成功："intrinsics_used" 字段完整地列出了你刚才输入的相机内参。这说明你的参数被正确读取并用于计算。

通过这四点，你可以百分之百确信：你的LingBot-Depth模型正在以“深度补全”模式，在GPU上，使用你提供的相机参数，正确地工作着。

4. 通过API进行程序化验证

WebUI适合手动测试和演示，但真正的工程应用离不开API。LingBot-Depth镜像在8000端口提供了FastAPI服务，我们可以用脚本进行自动化验证。

下面是一个Python示例，演示如何通过调用API，并解析返回的JSON来验证device和mode。

import requests
import json
import base64
from PIL import Image
import io
import numpy as np

# 1. 定义API地址（替换为你的实例IP）
API_URL = "http://你的实例IP:8000/predict"

# 2. 准备图像数据（这里用示例图片路径，实际中你可能需要从文件读取）
# 假设我们读取示例图片
def read_image_to_base64(image_path):
    with open(image_path, "rb") as image_file:
        return base64.b64encode(image_file.read()).decode('utf-8')

# 读取RGB和深度图（请确保路径正确）
rgb_image_path = "/root/assets/lingbot-depth-main/examples/0/rgb.png"
depth_image_path = "/root/assets/lingbot-depth-main/examples/0/raw_depth.png"

rgb_b64 = read_image_to_base64(rgb_image_path)
depth_b64 = read_image_to_base64(depth_image_path)

# 3. 构建请求数据 - 深度补全模式
payload = {
    "rgb_image": rgb_b64,
    "depth_image": depth_b64,  # 提供深度图，API会自动进入深度补全模式
    "mode": "depth_completion",  # 明确指定模式，可选 'monocular' 或 'depth_completion'
    "intrinsics": {  # 提供相机内参
        "fx": 460.14,
        "fy": 460.20,
        "cx": 319.66,
        "cy": 237.40
    }
}

# 4. 发送POST请求
headers = {'Content-Type': 'application/json'}
response = requests.post(API_URL, json=payload, headers=headers)

# 5. 解析响应，进行验证
if response.status_code == 200:
    result = response.json()
    
    print("=== API调用验证报告 ===")
    print(f"状态: {result.get('status')}")
    print(f"消息: {result.get('message')}")
    
    # 核心验证点
    mode = result.get('mode', 'N/A')
    device = result.get('device', 'N/A')
    has_depth_input = result.get('has_depth_input', False)
    
    print(f"\n[验证1] 工作模式: {mode}")
    if mode.lower() == "depth completion":
        print("   ✅ 模式验证通过：模型处于深度补全模式。")
    else:
        print("   ❌ 模式异常：预期为'Depth Completion'。")
        
    print(f"\n[验证2] 计算设备: {device}")
    if device.lower() == "cuda":
        print("   ✅ 设备验证通过：模型正在使用GPU加速。")
    else:
        print("   ⚠️  设备警告：模型运行在CPU上，速度可能较慢。")
        
    print(f"\n[验证3] 深度图输入: {has_depth_input}")
    if has_depth_input:
        print("   ✅ 输入验证通过：API确认接收并处理了深度图。")
    else:
        print("   ❌ 输入异常：深度图可能未成功传入。")
    
    # 打印其他有用信息
    print(f"\n[其他信息]")
    print(f"   推理时间: {result.get('inference_time_ms')} ms")
    print(f"   深度范围: {result.get('depth_range')}")
    print(f"   输入尺寸: {result.get('input_size')}")
    
    # 你可以选择保存返回的深度图
    depth_b64_result = result.get('depth_image')
    if depth_b64_result:
        depth_data = base64.b64decode(depth_b64_result)
        depth_image = Image.open(io.BytesIO(depth_data))
        depth_image.save("api_output_depth.png")
        print("   深度图已保存至: api_output_depth.png")
        
else:
    print(f"API请求失败，状态码: {response.status_code}")
    print(response.text)

运行这个脚本，你会在控制台得到一份清晰的验证报告。通过程序化地检查mode和device字段，你可以轻松地将这个验证步骤集成到你的自动化测试流程或应用监控中。

5. 总结

通过这篇教程，你应该已经掌握了验证LingBot-Depth模型工作状态的“火眼金睛”。无论是通过直观的WebUI界面，还是通过编程调用REST API，核心都是检查 Info JSON 中的几个关键字段：

1. device字段：确保其值为 "cuda"，这是模型高效运行的基石。
2. mode字段：根据你的任务，确认其值为 "Monocular Depth" 或 "Depth Completion"，这是结果正确性的前提。
3. has_depth_input字段（仅深度补全）：确认模型感知到了你的深度输入。
4. intrinsics_used字段（如果提供）：确认你输入的相机参数已被采纳。

养成在测试和开发中查看这些信息的习惯，能帮你快速定位问题是出在模型配置、输入数据还是运行环境上，从而节省大量调试时间。现在，你可以自信地使用LingBot-Depth，去完成你的机器人视觉、3D重建或其他有趣的深度感知项目了。

---

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。