网站建设与管理难学吗百度url提交

1.官方文档指引

PaddleX 3.0 是基于飞桨框架构建的低代码开发工具，它集成了众多开箱即用的预训练模型，可以实现模型从训练到推理的全流程开发，支持国内外多款主流硬件，助力AI 开发者进行产业实践。

Python 运行环境：目前支持 Python 3.8 至 Python 3.12。PaddleX 3.0-rc0 版本依赖的 PaddlePaddle 版本为 3.0.0rc0以上版本。

飞桨：开始使用
PaddleX：PaddleX 文档
【注：本文使用Linux系统、pip方式安装、英伟达芯片】

2.确认服务器型号

2.1 确认Python版本

确认Python版本是否满足框架最低版本要求

python --version

2.2 确认pip是否安装

1. 什么是 pip ？
   pip 是 Python 中的标准库管理器。它允许你安装和管理不属于 Python标准库 的其它软件包。
2. 查看是否安装

pip --version

3. 安装pip（如未安装pip）

sudo apt install python3-pip

2.3 确认计算平台

1. 查看显卡驱动程序版本

nvidia-smi

“Driver Version” 后面的数字就是当前 NVIDIA 显卡驱动的版本号

3.本机安装（基于通过 pip 安装）

3.1 下载安装 PaddlePaddle

根据自己服务器的版本信息，选择合适的paddle进行安装

# cpu
python -m pip install paddlepaddle==3.0.0rc0 -i https://www.paddlepaddle.org.cn/packages/stable/cpu/# gpu，该命令仅适用于 CUDA 版本为 11.8 的机器环境
python -m pip install paddlepaddle-gpu==3.0.0rc0 -i https://www.paddlepaddle.org.cn/packages/stable/cu118/# gpu，该命令仅适用于 CUDA 版本为 12.3 的机器环境
python -m pip install paddlepaddle-gpu==3.0.0rc0 -i https://www.paddlepaddle.org.cn/packages/stable/cu123/

我们这里选择450.80.02+（cu118）版本

# gpu，该命令仅适用于 CUDA 版本为 11.8 的机器环境
python -m pip install paddlepaddle-gpu==3.0.0rc0 -i https://www.paddlepaddle.org.cn/packages/stable/cu118/

显示Successfully installed，即表示成功。

3.2 安装PaddleX

3.2.1 安装PaddleX

pip install paddlex==3.0rc0

安装时间有点长，需要耐心等待，出现如下页面即表示安装成功。

3.2.2 命令行规范

统一的命令行格式为：

paddlex --pipeline [产线名称] --input [输入图片] --device [运行设备]

PaddleX的每一条产线对应特定的参数，您可以在各自的产线文档中查看具体的参数说明。每条产线需指定必要的三个参数：

• pipeline：产线名称或产线配置文件
• input：待处理的输入文件（如图片）的本地路径、目录或 URL
• device: 使用的硬件设备及序号（例如gpu:0表示使用第 0 块 GPU），也可选择使用 NPU(npu:0)、 XPU(xpu:0)、CPU(cpu)等

3.2.3 运行示例

# 通用OCR
paddlex --pipeline image_classification --input https://paddle-model-ecology.bj.bcebos.com/paddlex/imgs/demo_image/general_image_classification_001.jpg --device gpu:0

运行结果示例

3.2.4 查看python安装的包所在位置

进入python命令行

import site
print(site.getsitepackages())

3.3 安装高性能推理插件

如果你的设备是 CPU，请使用以下命令安装 PaddleX 的 CPU 版本：

paddlex --install hpi-cpu

如果你的设备是 GPU，请使用以下命令安装 PaddleX 的 GPU 版本。请注意，GPU 版本包含了 CPU 版本的所有功能，因此无需单独安装 CPU 版本：

paddlex --install hpi-gpu# 或者（使用清华源）paddlex --install hpi-gpu -i https://pypi.tuna.tsinghua.edu.cn/simple

我这里是gpu，所以使用的是第二个

目前高性能推理支持的处理器架构、操作系统、设备类型和 Python 版本如下表所示：

处理器架构	操作系统	设备类型	Python 版本
x86-64	Linux	CPU	3.8–3.12
x86-64	Linux	GPU （CUDA 11.8 + cuDNN 8.6）	3.8–3.12

3.4 卸载pip安装的paddlepaddle和paddlex

• 查看已安装的paddlepaddle paddlex

pip list | grep paddle

• 卸载

# paddlepaddle-gpu paddlex 根据上述查询出来的决定
pip uninstall paddlepaddle-gpu paddlex

4.docker安装（基于 Docker 安装飞桨）

4.1 检查docker版本

docker --version

4.2 安装飞桨 PaddlePaddle

我的docker版本是24.0.7，所以选择第一个安装方案。

4.2.1 Docker 版本 >= 19.03

4.2.1.1 各版本命令

# 对于 cpu 用户:
docker run --name paddlex -v $PWD:/paddle --shm-size=8G --network=host -it ccr-2vdh3abv-pub.cnc.bj.baidubce.com/paddlepaddle/paddle:3.0.0rc0 /bin/bash# 对于 gpu 用户:
# GPU 版本，需显卡驱动程序版本 ≥450.80.02（Linux）或 ≥452.39（Windows）
docker run --gpus all --name paddlex -v $PWD:/paddle --shm-size=8G --network=host -it ccr-2vdh3abv-pub.cnc.bj.baidubce.com/paddlepaddle/paddle:3.0.0rc0-gpu-cuda11.8-cudnn8.6-trt8.5 /bin/bash# GPU 版本，需显卡驱动程序版本 ≥545.23.06（Linux）或 ≥545.84（Windows）
docker run --gpus all --name paddlex -v $PWD:/paddle --shm-size=8G --network=host -it ccr-2vdh3abv-pub.cnc.bj.baidubce.com/paddlepaddle/paddle:3.0.0rc0-gpu-cuda12.3-cudnn9.0-trt8.6 /bin/bash

4.2.1.2 执行

使用飞桨官方 Docker 镜像，创建一个名为 paddlepaddle 的容器，并将当前工作目录映射到容器内的 /paddle 目录

docker run --gpus all --name paddlepaddle -v $PWD:/paddle --shm-size=8G --network=host -it ccr-2vdh3abv-pub.cnc.bj.baidubce.com/paddlepaddle/paddle:3.0.0rc0-gpu-cuda11.8-cudnn8.6-trt8.5 /bin/bash

安装成功

若想暂时退出容器但保留其运行状态，使用 Ctrl + P 再按 Ctrl + Q 组合键；若要完全退出并停止容器，在容器内使用 exit 命令 。后续还可使用 docker start 命令重新启动已停止的容器。

4.2.2 Docker 版本 <= 19.03 但 >= 17.06

# 对于 cpu 用户:
docker run --name paddlex -v $PWD:/paddle --shm-size=8G --network=host -it ccr-2vdh3abv-pub.cnc.bj.baidubce.com/paddlepaddle/paddle:3.0.0rc0 /bin/bash# 对于 gpu 用户:
# CUDA11.8 用户
nvidia-docker run --name paddlex -v $PWD:/paddle --shm-size=8G --network=host -it ccr-2vdh3abv-pub.cnc.bj.baidubce.com/paddlepaddle/paddle:3.0.0rc0-gpu-cuda11.8-cudnn8.6-trt8.5 /bin/bash# CUDA12.3 用户
nvidia-docker run --name paddlex -v $PWD:/paddle --shm-size=8G --network=host -it ccr-2vdh3abv-pub.cnc.bj.baidubce.com/paddlepaddle/paddle:3.0.0rc0-gpu-cuda12.3-cudnn9.0-trt8.6 /bin/bash

4.3 基于Docker获取PaddleX

4.3.1 Docker 版本 >= 19.03

4.3.1.1各版本命令

# 对于 CPU 用户
docker run --name paddlex -v $PWD:/paddle --shm-size=8g --network=host -it ccr-2vdh3abv-pub.cnc.bj.baidubce.com/paddlex/paddlex:paddlex3.0.0rc0-paddlepaddle3.0.0rc0-cpu /bin/bash# 对于 GPU 用户
# GPU 版本，需显卡驱动程序版本 ≥450.80.02（Linux）或 ≥452.39（Windows）
docker run --gpus all --name paddlex -v $PWD:/paddle --shm-size=8g --network=host -it ccr-2vdh3abv-pub.cnc.bj.baidubce.com/paddlex/paddlex:paddlex3.0.0rc0-paddlepaddle3.0.0rc0-gpu-cuda11.8-cudnn8.6-trt8.5 /bin/bash# GPU 版本，需显卡驱动程序版本 ≥545.23.06（Linux）或 ≥545.84（Windows）
docker run --gpus all --name paddlex -v $PWD:/paddle --shm-size=8g --network=host -it ccr-2vdh3abv-pub.cnc.bj.baidubce.com/paddlex/paddlex:paddlex3.0.0rc0-paddlepaddle3.0.0rc0-gpu-cuda12.3-cudnn9.0-trt8.6 /bin/bash

4.3.1.2 运行

使用 PaddleX 官方 Docker 镜像，创建一个名为 paddlex 的容器，并将当前工作目录映射到容器内的 /paddle 目录

docker run --gpus all --name paddlex -v $PWD:/paddle --shm-size=8g --network=host -it ccr-2vdh3abv-pub.cnc.bj.baidubce.com/paddlex/paddlex:paddlex3.0.0rc0-paddlepaddle3.0.0rc0-gpu-cuda11.8-cudnn8.6-trt8.5 /bin/bash

• 安装成功
  
  如需映射端口可使用

docker run --gpus all --name paddlex -v $PWD:/paddle --shm-size=8g --network=host -p 6666:6666 -it ccr-2vdh3abv-pub.cnc.bj.baidubce.com/paddlex/paddlex:paddlex3.0.0rc0-paddlepaddle3.0.0rc0-gpu-cuda11.8-cudnn8.6-trt8.5 /bin/bash

• 进入容器

docker exec -it paddlex /bin/bash

这里的 -i 选项表示保持标准输入打开，-t 选项为终端分配一个伪终端，/bin/bash 是要在容器内执行的 shell 命令。

4.3.2 Docker 版本 <= 19.03 但 >= 17.06

# 对于 CPU 用户
docker run --name paddlex -v $PWD:/paddle --shm-size=8g --network=host -it ccr-2vdh3abv-pub.cnc.bj.baidubce.com/paddlex/paddlex:paddlex3.0.0rc0-paddlepaddle3.0.0rc0-cpu /bin/bash# 对于 GPU 用户
# 对于 CUDA11.8 用户
nvidia-docker run --name paddlex -v $PWD:/paddle --shm-size=8g --network=host -it ccr-2vdh3abv-pub.cnc.bj.baidubce.com/paddlex/paddlex:paddlex3.0.0rc0-paddlepaddle3.0.0rc0-gpu-cuda11.8-cudnn8.6-trt8.5 /bin/bash# 对于 CUDA12.3 用户
nvidia-docker run --name paddlex -v $PWD:/paddle --shm-size=8g --network=host -it ccr-2vdh3abv-pub.cnc.bj.baidubce.com/paddlex/paddlex:paddlex3.0.0rc0-paddlepaddle3.0.0rc0-gpu-cuda12.3-cudnn9.0-trt8.6 /bin/bash

5.PaddleX 服务化部署（基于pip部署，基础服务化部署）

针对用户的不同需求，PaddleX 提供多种产线服务化部署方案：

• 基础服务化部署：简单易用的服务化部署方案，开发成本低。
• 高稳定性服务化部署：基于 NVIDIA Triton Inference Server 打造。与基础服务化部署相比，该方案提供更高的稳定性，并允许用户调整配置以优化性能。

注意：PaddleX 对产线而不是模块进行服务化部署。当前部署使用基础服务化部署。

5.1 官方部署文档

服务化部署：PaddleX 服务化部署指南

5.2 安装服务化部署插件

paddlex --install serving

5.3 与 服务化部署相关的命令行选项

名称	说明
–pipeline	产线名称或产线配置文件路径。
–device	产线部署设备。默认为 cpu（如 GPU 不可用）或 gpu（如 GPU 可用）。
–host	服务器绑定的主机名或 IP 地址。默认为 0.0.0.0。
–port	服务器监听的端口号。默认为 8080。
–use_hpip	如果指定，则启用高性能推理插件。

5.4 安装一条产线

测试运行，安装一条产线（通用图像分类产线：image_classification ）

# 以图像分类产线为例，使用方式如下：
paddlex --pipeline image_classification \--input https://paddle-model-ecology.bj.bcebos.com/paddlex/imgs/demo_image/general_image_classification_001.jpg \--device gpu:0 \--save_path ./output/ \--topk 5

若想暂时退出容器但保留其运行状态，使用 Ctrl + P 再按 Ctrl + Q 组合键；若要完全退出并停止容器，在容器内使用 exit 命令 。后续还可使用 docker start 命令重新启动已停止的容器。

• 测试远程接口调用
  判断服务器网络和端口 是否可访问
  【注意】这里的端口是服务器暴露到外部访问的端口，通常需要做服务器端口和容器端口的映射，一般两者端口都保持一致，方便管理。如果出现端口冲突，可以修改，但最好做好记录。

# Windows操作系统 telnet [服务器IP] [服务器端口] 
telnet xxx.xxx.xx.xxx 6666

弹出黑色空白界面，按下CTRL + ] 键，即可进入如下页面，表示网络状态是连通的。