PaddleClas 图像分类工具库环境配置指南

PaddleClas 图像分类工具库环境配置指南

PaddleClas A treasure chest for visual classification and recognition powered by PaddlePaddle 项目地址: https://gitcode.com/gh_mirrors/pa/PaddleClas

前言

PaddleClas 是飞桨（PaddlePaddle）生态下的图像分类开发套件，提供了从训练到部署的全流程解决方案。本文将详细介绍如何配置 PaddleClas 的运行环境，包括 PaddlePaddle 深度学习框架的安装、PaddleClas 代码获取以及相关依赖库的配置。

环境配置方案概述

我们提供两种环境配置方案：

1. 手动配置方案：适合需要自定义环境或有特殊需求的开发者
2. 快速配置方案：使用预配置好的 Docker 镜像，适合快速上手体验

方案一：手动配置环境

1. PaddlePaddle 安装

PaddleClas 要求 PaddlePaddle 版本 >= 2.3。推荐使用 Docker 方式安装，以避免环境冲突。

1.1 使用官方 Docker 镜像

GPU 用户执行：

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

CPU 用户执行：

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

注意事项：

• 首次运行会自动下载镜像，请耐心等待
• --shm-size=8G 设置共享内存大小，建议根据机器配置调整
• 使用 Ctrl + P + Q 组合键可退出容器而不关闭它
• 重新进入容器使用：sudo docker exec -it ppcls /bin/bash

1.2 直接安装 PaddlePaddle

也可以通过 pip 直接安装：

pip install paddlepaddle-gpu==2.3.0  # GPU版本
pip install paddlepaddle==2.3.0     # CPU版本

1.3 验证安装

执行以下 Python 代码验证安装：

import paddle
paddle.utils.run_check()

查看版本：

python -c "import paddle; print(paddle.__version__)"

2. 获取 PaddleClas 代码

执行以下命令获取最新开发版代码：

git clone -b develop https://gitee.com/paddlepaddle/PaddleClas.git

3. 安装 Python 依赖库

3.1 直接安装（推荐）

pip install paddleclas

3.2 开发模式安装（适合二次开发）

pip install -v -e .

方案二：快速配置环境

我们提供了预配置好的 Docker 镜像，包含完整的 PaddlePaddle 和 PaddleClas 环境，开箱即用。

镜像特点：

• 包含最新 PaddleClas 代码（默认使用 release/2.4 分支）
• 预装所有必要的依赖库
• 提供 CPU、GPU 和 ROCm 版本

使用方法：

1. 拉取对应版本的镜像
2. 运行容器即可开始使用

常见问题解答

Q：为什么需要设置较大的共享内存？ A：PaddlePaddle 的数据读取会使用共享内存加速，较大的共享内存能提升数据加载效率。

Q：如何选择 Docker 镜像版本？ A：根据您的硬件环境选择对应的镜像：

• GPU 用户选择带 cuda 和 cudnn 的版本
• CPU 用户选择不带 GPU 标识的版本
• AMD 显卡用户选择 ROCm 版本

Q：开发模式安装有什么不同？ A：开发模式安装（-e 参数）会创建代码的符号链接，使您可以直接修改代码而不需要重新安装。

结语

本文详细介绍了 PaddleClas 的两种环境配置方法。对于大多数用户，推荐使用预配置的 Docker 镜像快速开始。如果您有特殊需求或想深入了解环境配置，可以参考手动配置方案。配置好环境后，您就可以开始体验 PaddleClas 强大的图像分类功能了。

PaddleClas A treasure chest for visual classification and recognition powered by PaddlePaddle 项目地址: https://gitcode.com/gh_mirrors/pa/PaddleClas