北京
把2.5万张照片交给AI自动分类，听起来很美好。实际跑完一遍，我想聊聊哪里靠谱、哪里翻车。
实验配置：DGX Spark工作站 + CLIP（OpenAI的图像理解模型）+ Qwen2-VL（阿里开源的视觉语言模型）。流程分三步：iCloud同步到Windows电脑，再传到DGX，最后让CLIP分类、VLM验货。
先说结论：整体一致率84.5%。人像检测最稳——7195张照片只漏了59张，准确率99.2%。但文档和截图几乎对半错，这个类别基本不可用。
传输环节先卡了壳。WiFi下速度0.5MB/s，预估6天。切到有线局域网、修复主机名解析后，飙到80MB/s，快了160倍。这一步就耗掉大半天。
CLIP的工作方式很直接：给一张图，同时问"这是猫？风景？截图？"，返回每个标签的相似度分数。我设了8个类别，每个配多组英文描述，取最高分。低于0.5置信度的扔进"不确定"桶人工复核。批量跑完约20分钟。
但人工抽查2.5万张不现实，于是让Qwen2-VL当裁判——逐张问"这是截图吗？是/否"。最初16秒一张，全量要5天。瓶颈是图像尺寸，压缩后降到约3小时跑完。
最后坦白：中途放弃了，全量倒进Amazon Photos。五年Prime会员，刚知道有无限照片存储。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
