Skip to content
体验新版
项目
组织
正在加载...
登录
切换导航
打开侧边栏
PaddlePaddle
Serving
提交
4130ee0b
S
Serving
项目概览
PaddlePaddle
/
Serving
大约 1 年 前同步成功
通知
186
Star
833
Fork
253
代码
文件
提交
分支
Tags
贡献者
分支图
Diff
Issue
105
列表
看板
标记
里程碑
合并请求
10
Wiki
2
Wiki
分析
仓库
DevOps
项目成员
Pages
S
Serving
项目概览
项目概览
详情
发布
仓库
仓库
文件
提交
分支
标签
贡献者
分支图
比较
Issue
105
Issue
105
列表
看板
标记
里程碑
合并请求
10
合并请求
10
Pages
分析
分析
仓库分析
DevOps
Wiki
2
Wiki
成员
成员
收起侧边栏
关闭侧边栏
动态
分支图
创建新Issue
提交
Issue看板
提交
4130ee0b
编写于
3月 11, 2022
作者:
S
ShiningZhang
浏览文件
操作
浏览文件
下载
电子邮件补丁
差异文件
update doc
上级
d38a5c90
变更
1
隐藏空白更改
内联
并排
Showing
1 changed file
with
138 addition
and
44 deletion
+138
-44
doc/Offical_Docs/2-2_Environment_CN.md
doc/Offical_Docs/2-2_Environment_CN.md
+138
-44
未找到文件。
doc/Offical_Docs/Environment_CN.md
→
doc/Offical_Docs/
2-2_
Environment_CN.md
浏览文件 @
4130ee0b
# 环境配置
#
标准
环境配置
使用 PaddleServing 前需要准备相关环境
。
本文介绍基于标准环境进行配置安装
。
## 环境准备
## CentOS 7 环境配置
**一.环境准备**
*
**Linux 版本 (64 bit)**
*
**CentOS 7 (GPU 版本支持CUDA 10.1/10.2/11.0/11.1/11.2)**
*
**Ubuntu 16.04 (GPU 版本支持 CUDA 10.1/10.2/11.0/11.1/11.2)**
*
**Ubuntu 18.04 (GPU 版本支持 CUDA 10.1/10.2/11.0/11.1/11.2)**
*
**Python 版本 3.6/3.7/3.8/3.9 (64 bit)**
## 选择 CPU/GPU
**二.选择 CPU/GPU**
*
如果您的计算机有 NVIDIA® GPU,请确保满足以下条件
...
...
@@ -21,11 +19,9 @@
您可参考NVIDIA官方文档了解CUDA和CUDNN的安装流程和配置方法,请见[CUDA](https://docs.nvidia.com/cuda/cuda-installation-guide-linux/),[cuDNN](https://docs.nvidia.com/deeplearning/sdk/cudnn-install/),[TensorRT](https://docs.nvidia.com/deeplearning/tensorrt/index.html)
## 安装必要工具
**一.更新系统源**
**三.安装必要工具**
*
Centos 环境
1.
更新系统源
更新`yum`的源:
...
...
@@ -39,17 +35,7 @@
yum install -y epel-release
```
*
Ubuntu 环境
更新`apt`的源:
```
apt update
```
**二.安装工具**
*
Centos 环境
2.
安装工具
`bzip2`以及`make`:
...
...
@@ -93,7 +79,70 @@
make -j8 && make install
```
*
Ubuntu 环境
3.
安装GOLANG
建议使用 go1.17.2:
```
wget -qO- https://go.dev/dl/go1.17.2.linux-amd64.tar.gz | \
tar -xz -C /usr/local && \
mkdir /root/go && \
mkdir /root/go/bin && \
mkdir /root/go/src && \
echo "GOROOT=/usr/local/go" >> /root/.bashrc && \
echo "GOPATH=/root/go" >> /root/.bashrc && \
echo "PATH=/usr/local/go/bin:/root/go/bin:$PATH" >> /root/.bashrc
source /root/.bashrc
```
4.
安装依赖库
安装相关依赖库 patchelf:
```
yum install patchelf
```
配置 ssl 依赖库
```
wget https://paddle-serving.bj.bcebos.com/others/centos_ssl.tar && \
tar xf centos_ssl.tar && rm -rf centos_ssl.tar && \
mv libcrypto.so.1.0.2k /usr/lib/libcrypto.so.1.0.2k && mv libssl.so.1.0.2k /usr/lib/libssl.so.1.0.2k && \
ln -sf /usr/lib/libcrypto.so.1.0.2k /usr/lib/libcrypto.so.10 && \
ln -sf /usr/lib/libssl.so.1.0.2k /usr/lib/libssl.so.10 && \
ln -sf /usr/lib/libcrypto.so.10 /usr/lib/libcrypto.so && \
ln -sf /usr/lib/libssl.so.10 /usr/lib/libssl.so
```
## Ubuntu 16.04/18.04 环境配置
**一.环境准备**
*
**Python 版本 3.6/3.7/3.8/3.9 (64 bit)**
**二.选择 CPU/GPU**
*
如果您的计算机有 NVIDIA® GPU,请确保满足以下条件
* **CUDA 工具包 10.1/10.2 配合 cuDNN 7 (cuDNN 版本>=7.6.5)**
* **CUDA 工具包 11.2 配合 cuDNN v8.1.1**
* **配套版本的 TensorRT**
* **GPU运算能力超过3.5的硬件设备**
您可参考NVIDIA官方文档了解CUDA和CUDNN的安装流程和配置方法,请见[CUDA](https://docs.nvidia.com/cuda/cuda-installation-guide-linux/),[cuDNN](https://docs.nvidia.com/deeplearning/sdk/cudnn-install/),[TensorRT](https://docs.nvidia.com/deeplearning/tensorrt/index.html)
**三.安装必要工具**
1.
更新系统源
更新`apt`的源:
```
apt update
```
2.
安装工具
`bzip2`以及`make`:
...
...
@@ -136,7 +185,7 @@
make -j8 && make install
```
**三.安装GOLANG**
3.
安装GOLANG
建议使用 go1.17.2:
...
...
@@ -152,14 +201,12 @@
source /root/.bashrc
```
**四.安装依赖库**
*
Centos 环境
4.
安装依赖库
安装相关依赖库 patchelf:
```
yum
install patchelf
apt-get
install patchelf
```
配置 ssl 依赖库
...
...
@@ -174,22 +221,69 @@
ln -sf /usr/lib/libssl.so.10 /usr/lib/libssl.so
```
*
Ubuntu 环境
## Windows 环境配置
安装相关依赖库 patchelf:
由于受限第三方库的支持,Windows平台目前只支持用web service的方式搭建local predictor预测服务。
```
apt-get install patchelf
```
**一.环境准备**
配置 ssl 依赖库
**目前原生Windows仅支持Python 3.6或更高版本**
。首先需要将Python的可执行程序所在目录加入到PATH当中。通常在
**系统属性/我的电脑属性**
-
**高级**
-
**环境变量**
,点选Path,并在开头加上路径。例如
`C:\Users\$USER\AppData\Local\Programs\Python\Python36`
,最后连续点击
**确定**
。在Powershell上如果输入python可以进入python交互界面,说明环境变量配置成功。
```
wget https://paddle-serving.bj.bcebos.com/others/centos_ssl.tar && \
tar xf centos_ssl.tar && rm -rf centos_ssl.tar && \
mv libcrypto.so.1.0.2k /usr/lib/libcrypto.so.1.0.2k && mv libssl.so.1.0.2k /usr/lib/libssl.so.1.0.2k && \
ln -sf /usr/lib/libcrypto.so.1.0.2k /usr/lib/libcrypto.so.10 && \
ln -sf /usr/lib/libssl.so.1.0.2k /usr/lib/libssl.so.10 && \
ln -sf /usr/lib/libcrypto.so.10 /usr/lib/libcrypto.so && \
ln -sf /usr/lib/libssl.so.10 /usr/lib/libssl.so
```
\ No newline at end of file
**二.安装必要工具**
1.
更新 wget 工具
在链接[下载wget](http://gnuwin32.sourceforge.net/packages/wget.htm),解压后复制到`C:\Windows\System32`下,如有安全提示需要通过。
2.
安装git工具
详情参见[Git官网](https://git-scm.com/downloads)
3.
安装必要的C++库(可选)
部分用户可能会在`import paddle`阶段遇见dll无法链接的问题,建议[安装Visual Studio社区版本](https://visualstudio.microsoft.com/) ,并且安装C++的相关组件。
## 使用 pip 安装
**一. 安装服务 whl 包**
共有3种 client、app、server,Server 分为 CPU 和 GPU,GPU 包根据您的环境选择一种安装
-
post102 = CUDA10.2 + Cudnn7 + TensorRT6(推荐)
-
post101 = CUDA10.1 + TensorRT6
-
post112 = CUDA11.2 + TensorRT8
```
pip3 install paddle-serving-client==0.8.3 -i https://pypi.tuna.tsinghua.edu.cn/simple
pip3 install paddle-serving-app==0.8.3 -i https://pypi.tuna.tsinghua.edu.cn/simple
# CPU Server
pip3 install paddle-serving-server==0.8.3 -i https://pypi.tuna.tsinghua.edu.cn/simple
# GPU Server,需要确认环境再选择执行哪一条,推荐使用CUDA 10.2的包
pip3 install paddle-serving-server-gpu==0.8.3.post102 -i https://pypi.tuna.tsinghua.edu.cn/simple
pip3 install paddle-serving-server-gpu==0.8.3.post101 -i https://pypi.tuna.tsinghua.edu.cn/simple
pip3 install paddle-serving-server-gpu==0.8.3.post112 -i https://pypi.tuna.tsinghua.edu.cn/simple
```
默认开启国内清华镜像源来加速下载,如果您使用 HTTP 代理可以关闭(
`-i https://pypi.tuna.tsinghua.edu.cn/simple`
)
**二. 安装 Paddle 相关 Python 库**
**当您使用`paddle_serving_client.convert`命令或者`Python Pipeline 框架`时才需要安装。**
```
# CPU 环境请执行
pip3 install paddlepaddle==2.2.2
# GPU CUDA 10.2环境请执行
pip3 install paddlepaddle-gpu==2.2.2
```
**注意**
: 如果您的 Cuda 版本不是10.2,或者您需要在 GPU 环境上使用 TensorRT,请勿直接执行上述命令,需要参考
[
Paddle-Inference官方文档-下载安装Linux预测库
](
https:/paddleinference.paddlepaddle.org.cn/master/user_guides/download_lib.html#python
)
选择相应的 GPU 环境的 url 链接并进行安装。
**三. 安装完成后的环境检查**
当以上步骤均完成后可使用命令行运行环境检查功能,自动运行 Paddle Serving 相关示例,进行环境相关配置校验。
```
python3 -m paddle_serving_server.serve check
```
详情请参考
[
环境检查文档
](
./Check_Env_CN.md
)
\ No newline at end of file
编辑
预览
Markdown
is supported
0%
请重试
或
添加新附件
.
添加附件
取消
You are about to add
0
people
to the discussion. Proceed with caution.
先完成此消息的编辑!
取消
想要评论请
注册
或
登录