(简体中文|English)
该文档维护了 Paddle Serving 提供的镜像列表。
您可以通过两种方式获取镜像。
-
通过 TAG 直接从 dockerhub 或
registry.baidubce.com
拉取镜像,具体TAG请参见下文的镜像说明章节的表格。docker pull registry.baidubce.com/paddlepaddle/serving:<TAG>
-
基于 Dockerfile 构建镜像
建立新目录,复制对应 Dockerfile 内容到该目录下 Dockerfile 文件。执行
docker build -f tools/${DOCKERFILE} -t registry.baidubce.com/paddlepaddle/serving:<images-tag> .
若需要基于源代码二次开发编译,请使用后缀为-devel的版本。 在TAG列,0.9.0也可以替换成对应的版本号,例如0.5.0/0.4.1等,但需要注意的是,部分开发环境随着某个版本迭代才增加,因此并非所有环境都有对应的版本号可以使用。
开发镜像:
开发镜像中安装多种开发工具,可用于调试和编译代码,适配2种 GCC 版本和多种 CUDA 环境,但镜像体积较大。
镜像选择 | 操作系统 | TAG | Dockerfile |
---|---|---|---|
CPU development | Ubuntu16 | 0.9.0-devel | Dockerfile.devel |
GPU (cuda10.1-cudnn7-tensorRT6) development | Ubuntu16 | 0.9.0-cuda10.1-cudnn7-devel | Dockerfile.cuda10.1-cudnn7.devel |
GPU (cuda10.2-cudnn7-tensorRT6) development | Ubuntu16 | 0.9.0-cuda10.2-cudnn7-devel | Dockerfile.cuda10.2-cudnn7.devel |
GPU (cuda10.2-cudnn8-tensorRT7) development | Ubuntu16 | 0.9.0-cuda10.2-cudnn8-devel | Dockerfile.cuda10.2-cudnn8.devel |
GPU (cuda11.2-cudnn8-tensorRT8) development | Ubuntu16 | 0.9.0-cuda11.2-cudnn8-devel | Dockerfile.cuda11.2-cudnn8.devel |
运行镜像:
运行镜像比开发镜像更加轻量化, 运行镜像提供了serving的whl和bin,但为了运行期更小的镜像体积,没有提供诸如cmake这样但开发工具。 如果您想了解有关信息,请检查文档在Kubernetes上使用Paddle Serving。
Env | Version | Docker images tag | OS | Gcc Version | Size |
---|---|---|---|---|---|
CPU | 0.9.0 | 0.9.0-runtime | Ubuntu 16 | 8.2.0 | 3.9 GB |
CUDA 10.1 + cuDNN 7 | 0.9.0 | 0.9.0-cuda10.1-cudnn7-runtime | Ubuntu 16 | 8.2.0 | 10 GB |
CUDA 10.2 + cuDNN 7 | 0.9.0 | 0.9.0-cuda10.2-cudnn7-runtime | Ubuntu 16 | 8.2.0 | 10.1 GB |
CUDA 10.2 + cuDNN 8 | 0.9.0 | 0.9.0-cuda10.2-cudnn8-runtime | Ubuntu 16 | 8.2.0 | 10.1 GB |
CUDA 11.2 + cuDNN 8 | 0.9.0 | 0.9.0-cuda11.2-cudnn8-runtime | Ubuntu 16 | 8.2.0 | 14.2 GB |
Java镜像:
registry.baidubce.com/paddlepaddle/serving:0.9.0-cuda10.2-cudnn8-java
XPU镜像:
registry.baidubce.com/paddlepaddle/serving:xpu-arm # for arm xpu user
registry.baidubce.com/paddlepaddle/serving:xpu-x86 # for x86 xpu user
运行CUDA容器需要至少具有一个支持CUDA的GPU以及与您所使用的CUDA工具包版本兼容的驱动程序。
运行CUDA容器的机器只需要相应的NVIDIA驱动程序,而CUDA工具包不是必要的。
相关CUDA工具包版本、驱动版本和GPU架构的关系请参阅 nvidia-docker wiki。