feat(photo-ai): официальный CodeFormer вендорен, веса на этапе сборки

CodeFormer был написан по API сторонней обёртки с PyPI (rohitkhatri):
CodeFormer(..., device=..., fp16=False) и net.device официальный класс
не принимает — вызов падал бы с TypeError. В photo-ai/vendor/codeformer
вендорен официальный sczhou/CodeFormer (codeformer_arch.py +
vqgan_arch.py, b33cc7d, лицензия S-Lab 1.0), устройство передаётся
через net.to(device), чекпоинт читается из params_ema.

Веса больше не качаются лениво при первом запросе: fetch-weights.py на
сборке образа кладёт их в /opt/photo-ai-seed (build-arg
PHOTO_AI_PREFETCH, дефолт codeformer), при старте seed_weights()
переносит их в том photo-ai-models:/models/weights. Том переживает
пересборку образа, BuildKit-кэш не даёт качать повторно, недоступная
сеть на сборке не роняет образ.

photo-ai/app.py

@@ -80,6 +80,7 @@ if DEVICE_PREF not in ('auto', 'cuda', 'cpu', 'mps'):
     DEVICE_PREF = 'auto'
 MODELS_DIR = env_text('PHOTO_AI_MODELS_DIR', '/models')
 WEIGHTS_DIR = os.path.join(MODELS_DIR, 'weights')
+SEED_DIR = env_text('PHOTO_AI_SEED_DIR', '/opt/photo-ai-seed')
 LEGACY_MODEL_PATH = env_text('MODEL_PATH')
 MAX_PIXELS = max(env_int('PHOTO_AI_MAX_PIXELS', env_int('MAX_INPUT_PIXELS', 4000000)), 1)
 BASE_TILE = max(env_int('PHOTO_AI_TILE', 256), 0)
@@ -320,10 +321,48 @@ def ensure_weight(name, spec, alias=''):
         link_or_copy(alias, target)
         log.info('веса %s взяты из существующего файла %s', name, alias)
         return target
+    seed = os.path.join(SEED_DIR, name)
+    if file_ok(seed, spec['min_bytes']):
+        link_or_copy(seed, target)
+        log.info('веса %s взяты из слоя образа %s', name, seed)
+        return target
     download_weight(spec['url'], target, spec['min_bytes'])
     return target
 
 
+def seed_weights():
+    names = [spec['file'] for spec in MODEL_REGISTRY.values()]
+    names += [spec['file'] for spec in FACE_REGISTRY.values()]
+    names += [spec['dni']['file'] for spec in MODEL_REGISTRY.values() if spec.get('dni')]
+    names += list(FACEXLIB_WEIGHTS)
+    seeded = 0
+    for name in names:
+        source = os.path.join(SEED_DIR, name)
+        spec = weight_spec(name)
+        if spec is None or not file_ok(source, spec['min_bytes']):
+            continue
+        try:
+            ensure_weight(name, spec)
+            seeded += 1
+        except EnhanceError as err:
+            log.warning('не удалось перенести веса %s из образа: %s', name, err)
+    if seeded:
+        log.info('перенесено весов из слоя образа: %d', seeded)
+    return seeded
+
+
+def weight_spec(name):
+    for spec in MODEL_REGISTRY.values():
+        if spec['file'] == name:
+            return spec
+        if spec.get('dni') and spec['dni']['file'] == name:
+            return spec['dni']
+    for spec in FACE_REGISTRY.values():
+        if spec['file'] == name:
+            return spec
+    return FACEXLIB_WEIGHTS.get(name)
+
+
 def ensure_facexlib_weights():
     for name, spec in FACEXLIB_WEIGHTS.items():
         ensure_weight(name, spec)
@@ -552,10 +591,14 @@ def build_face_codeformer(spec, outscale, bg):
     from torchvision.transforms.functional import normalize
     ensure_facexlib_weights()
     path = ensure_weight(spec['file'], spec)
+    device = torch.device(state['device'])
     net = CodeFormer(dim_embd=512, codebook_size=1024, n_head=8, n_layers=9,
-                     connect_list=['32', '64', '128', '256'], device=state['device'], fp16=False)
-    net.load_state_dict(torch.load(path, map_location=lambda storage, loc: storage))
+                     connect_list=['32', '64', '128', '256'])
+    checkpoint = torch.load(path, map_location='cpu', weights_only=False)
+    state_dict = checkpoint.get('params_ema', checkpoint) if isinstance(checkpoint, dict) else checkpoint
+    net.load_state_dict(state_dict)
     net.eval()
+    net.to(device)
     guard_forward(net)
     helper = face_helper(outscale)
 
@@ -567,7 +610,7 @@ def build_face_codeformer(spec, outscale, bg):
         for cropped in helper.cropped_faces:
             tensor = img2tensor(cropped / 255., bgr2rgb=True, float32=True)
             normalize(tensor, (0.5, 0.5, 0.5), (0.5, 0.5, 0.5), inplace=True)
-            tensor = tensor.unsqueeze(0).to(net.device)
+            tensor = tensor.unsqueeze(0).to(device)
             with torch.no_grad():
                 output = net(tensor, w=clamp(float(strength), 0.0, 1.0))[0]
             restored = tensor2img(output.squeeze(0), rgb2bgr=True, min_max=(-1, 1))
@@ -733,6 +776,10 @@ def validate(model_name, face, face_name, strength, quality):
 
 
 def preload():
+    try:
+        seed_weights()
+    except Exception as err:
+        log.warning('перенос весов из образа не удался: %s', err)
     names = list(MODEL_REGISTRY) if LOAD_ALL else [DEFAULT_MODEL]
     for name in names:
         try: