feat: 二次元识别功能 + 模型目录整理(nwfs/wd-tagger 子目录)，修复 wd-tagger 输入维度(NHWC)

internal/nsfw/server.py

@@ -6,9 +6,9 @@ onnxruntime 的 InferenceSession 不是线程安全的，同一个实例并发
 所以这里用一个固定大小的推理线程池：每个 worker 线程各持一份独立模型实例，
 N 个请求可以真·并行推理。收到 /detect 就把图片喂给 NudeDetector，返回结果 JSON。
 
-模型加载优先级（模型放在 <程序运行目录>/lib/320n.onnx）：
+模型加载优先级（模型放在 <程序运行目录>/lib/nwfs/320n.onnx）：
   1. 本地已有该文件 → 直接加载（离线可用，适合随程序分发）；
-  2. 本地没有 → 自动下载到 lib/320n.onnx 再加载（仅第一次需要网络）；
+  2. 本地没有 → 自动下载到 lib/nwfs/320n.onnx 再加载（仅第一次需要网络）；
   3. 下载失败 → 回退用 nudenet 包自带的模型。
 下载地址是 NudeNet 官方 release 的 320n.onnx（约 11.6MB）。
 
@@ -46,7 +46,7 @@ SENSITIVE = {
 }
 
 # 模型文件与官方下载地址
-MODEL_FILENAME = "320n.onnx"
+MODEL_FILENAME = "nwfs/320n.onnx"
 MODEL_URL = "https://github.com/notAI-tech/NudeNet/releases/download/v3.4-weights/320n.onnx"
 
 # 模型目录由 Go 侧作为第二个参数传入（程序运行目录下的 lib）；没传则回退用包自带模型
@@ -265,4 +265,4 @@ if __name__ == "__main__":
     get_detector()
     # 固定大小推理线程池：每个 worker 线程持一份独立模型实例，可并行推理
     _executor = concurrent.futures.ThreadPoolExecutor(max_workers=INFER_WORKERS)
-    Server(("127.0.0.1", port), Handler).serve_forever()
+    Server(("127.0.0.1", port), Handler).serve_forever()