Skip to content

Latest commit

 

History

History
64 lines (44 loc) · 2.22 KB

build_from_docker.md

File metadata and controls

64 lines (44 loc) · 2.22 KB
Raw

使用 Docker 镜像

我们分别为 CPU 和 GPU 提供了两个 dockerfile。对于 CPU 用户，我们对接 ONNXRuntime、ncnn 和 OpenVINO 后端安装 MMDeploy。对于 GPU 用户，我们安装带有 TensorRT 后端的 MMDeploy。此外，用户可以在构建 docker 镜像时安装不同版本的 mmdeploy。

构建镜像

对于 CPU 用户，我们可以通过以下方式使用最新的 MMDeploy 构建 docker 镜像：

cd mmdeploy
docker build docker/CPU/ -t mmdeploy:master-cpu

对于 GPU 用户，我们可以通过以下方式使用最新的 MMDeploy 构建 docker 镜像：

cd mmdeploy
docker build docker/GPU/ -t mmdeploy:master-gpu

要安装具有特定版本的 MMDeploy，我们可以将 --build-arg VERSION=${VERSION} 附加到构建命令中。以 GPU 为例：

cd mmdeploy
docker build docker/GPU/ -t mmdeploy:0.1.0 --build-arg  VERSION=0.1.0

要切换成阿里源安装依赖，我们可以将 --build-arg USE_SRC_INSIDE=${USE_SRC_INSIDE} 附加到构建命令中。

# 以 GPU 为例
cd mmdeploy
docker build docker/GPU/ -t mmdeploy:inside --build-arg  USE_SRC_INSIDE=true

# 以 CPU 为例
cd mmdeploy
docker build docker/CPU/ -t mmdeploy:inside --build-arg  USE_SRC_INSIDE=true

运行 docker 容器

构建 docker 镜像成功后，我们可以使用 docker run 启动 docker 服务。 GPU 镜像为例：

docker run --gpus all -it mmdeploy:master-gpu

常见问答

  1. CUDA error: the provided PTX was compiled with an unsupported toolchain:

    如 这里所说，更新 GPU 的驱动到您的GPU能使用的最新版本。

  2. docker: Error response from daemon: could not select device driver "" with capabilities: [gpu].

    # Add the package repositories
distribution=$(. /etc/os-release;echo $ID$VERSION_ID)
curl -s -L https://nvidia.github.io/nvidia-docker/gpgkey | sudo apt-key add -
curl -s -L https://nvidia.github.io/nvidia-docker/$distribution/nvidia-docker.list | sudo tee /etc/apt/sources.list.d/nvidia-docker.list

sudo apt-get update && sudo apt-get install -y nvidia-container-toolkit
sudo systemctl restart docker