我们提供了两种配置PaddlePaddle、PaddleClas环境的方法,第一种需要基于 docker 手动配置,您可以根据提供的命令更灵活的配置您的环境,详情请见1. 手动配置PaddlePaddle, PaddleClas环境。第二种方式是我们将 PaddlePaddle、PaddleClas 相关的环境已配置到一个 docker 镜像中,您可以直接拉取使用,详情请见2. 快速创建PaddlePaddle, PaddleClas环境。
目前,PaddleClas 要求 PaddlePaddle 版本 >=2.3
。
建议使用Paddle官方提供的 Docker 镜像运行 PaddleClas,有关 Docker、nvidia-docker 的相关使用教程可以参考链接。
- 切换到工作目录下,例如工作目录为
/home/Projects
,则运行命令:
cd /home/Projects
- 创建 docker 容器
下述命令会创建一个名为 ppcls 的 Docker 容器,并将当前工作目录映射到容器内的 /paddle
目录。
# 对于 GPU 用户
sudo nvidia-docker run --name ppcls -v $PWD:/paddle --shm-size=8G --network=host -it registry.baidubce.com/paddlepaddle/paddle:2.3.0-gpu-cuda10.2-cudnn7 /bin/bash
# 对于 CPU 用户
sudo docker run --name ppcls -v $PWD:/paddle --shm-size=8G --network=host -it paddlepaddle/paddle:2.3.0-gpu-cuda10.2-cudnn7 /bin/bash
注意:
-
首次使用该镜像时,下述命令会自动下载该镜像文件,下载需要一定的时间,请耐心等待;
-
上述命令会创建一个名为 ppcls 的 Docker 容器,之后再次使用该容器时无需再次运行该命令;
-
参数
--shm-size=8G
将设置容器的共享内存为 8 G,如机器环境允许,建议将该参数设置较大,如64G
; -
您也可以访问 DockerHub ,手动选择需要的镜像;
-
退出/进入 docker 容器:
- 在进入 Docker 容器后,可使用组合键
Ctrl + P + Q
退出当前容器,同时不关闭该容器; - 如需再次进入容器,可使用下述命令:
sudo Docker exec -it ppcls /bin/bash
- 在进入 Docker 容器后,可使用组合键
您也可以用pip或conda直接安装paddle,详情请参考官方文档中的快速安装部分。
使用以下命令可以验证 PaddlePaddle 是否安装成功。
import paddle
paddle.utils.run_check()
查看 PaddlePaddle 版本的命令如下:
python -c "import paddle; print(paddle.__version__)"
注意:
- 从源码编译的 PaddlePaddle 版本号为
0.0.0
,请确保使用 PaddlePaddle 2.3 及之后的源码进行编译; - PaddleClas 基于 PaddlePaddle 高性能的分布式训练能力,若您从源码编译,请确保打开编译选项
WITH_DISTRIBUTE=ON
。具体编译选项参考 编译选项表; - 在 Docker 中运行时,为保证 Docker 容器有足够的共享内存用于 Paddle 的数据读取加速,在创建 Docker 容器时,请设置参数
--shm-size=8g
,条件允许的话可以设置为更大的值。
从 GitHub 下载:
git clone https://github.com/PaddlePaddle/PaddleClas.git -b develop
如果访问 GitHub 网速较慢,可以从 Gitee 下载,命令如下:
git clone https://gitee.com/paddlepaddle/PaddleClas.git -b develop
- [建议] 直接安装 PaddleClas:
pip install paddleclas
- 如需使用 PaddleClas develop 分支体验最新功能,或是需要基于 PaddleClas 进行二次开发,请本地构建安装,命令如下:
pip install -v -e .
我们也提供了包含最新 PaddleClas 代码的 docker 镜像,并预先安装好了所有的环境和库依赖,您只需要拉取并运行docker镜像,无需其他任何额外操作,即可开始享用 PaddleClas 的所有功能。
在Docker Hub中获取这些镜像及相应的使用指南,包括CPU、GPU、ROCm 版本。
如果您对自动化制作docker镜像感兴趣,或有自定义需求,请访问PaddlePaddle/PaddleCloud做进一步了解。
备注:当前的镜像中的 PaddleClas 代码默认使用最新的 release/2.4 分支。