[AI]docker封装包含cuda cudnn的paddlepaddle PaddleOCR

最新推荐文章于 2025-03-30 22:10:13 发布

Logout:

最新推荐文章于 2025-03-30 22:10:13 发布

阅读量661

点赞数 4

文章标签：人工智能 docker paddlepaddle

本文链接：https://blog.youkuaiyun.com/yyq2272/article/details/145720327

版权

封装,启动时需要在GPU服务器上
显卡驱动 cuda等下载需要注册账号

环境	Ubuntu 24.04 LTS
镜像	uvicorn-gunicorn-fastapi:python3.8
显卡支持版本	CUDA Version: 12.5
cuda版本	cuda_12.4.0_550.54.14_linux.run
cudnn版本
PaddlePaddle-Gpu
PaddleOCR

启动进入容器

 docker run  --gpus all -it  tiangolo/uvicorn-gunicorn-fastapi:python3.8 --name ugf-cuda-cudnn
 docker exec it ugf-cuda-cudnn /bin/bash

安装cuda

1.下载cuda

CUDA Toolkit Archive | NVIDIA Developer
显卡支持cuda版本为12.5 cuda-toolkit降低一个版本12.4

wget https://developer.download.nvidia.com/compu

最低0.47元/天解锁文章

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

Logout:

关注关注

4
点赞
踩
7

收藏

觉得还不错? 一键收藏
0
评论
分享

复制链接

分享到 QQ

分享到新浪微博

扫一扫
举报

举报

PaddlePaddle/PaddleOCR 中英文文字识别

钱多多先森

09-06

9515

1.准备工作 GitHub地址：https://github.com/PaddlePaddle/PaddleOCR 1.QUICK INSTALLATION：https://github.com/PaddlePaddle/PaddleOCR/blob/release/2.2/doc/doc_en/installation_en.md 2.Quick start of Chinese OCR model:https://github.com/PaddlePaddle/PaddleOCR/blob/rel

Dockerfile封装制作pytorch（tensorflow）深度学习框架 + jupyterlab服务 + ssh服务镜像

qq_41905051的博客

06-18

2874

Dockerfile封装制作pytorch（tensorflow）深度学习框架 + jupyterlab服务 + ssh服务镜像

参与评论您还未登录，请先登录后发表或查看评论

paddleocr 在docker环境下部署_docker部署paddleocr(2)

m0_60635245的博客

04-08

942

2. Docker镜像源选择，4. Dockerfile配置。

paddleocr 在docker环境下部署

qq_38531623的博客

03-15

3599

第一步查看cuda的版本nvcc -V,我的是11.2;nvidia-smi 对应的cuda version是11.6，所以采用了registry.baidubce.com/paddlepaddle/paddle:latest-dev-cuda11.6-cudnn8.4-trt8.4-gcc82作为基础镜像。Docker镜像源选择，Dockerfile配置。制作镜像，build。

基于Docker的深度学习环境NVIDIA和CUDA部署以及WSL和linux镜像问题

xu.hyj

05-14

8682

docker的介绍网上有很多，对于深度学习的认来讲，docker的好处就是直接把环境分享给他人，他人不需要再配置环境了。比如我有一个目标检测的项目，我想分享给朋友，那么他首先需要在自己的电脑上配置好显卡驱动、CUDA、CuDNN，在拿到我的项目后，还需要安装各种依赖库，最后代码还不一定跑起来。如果我是用了docker环境进行项目配置，我只需要将环境打包好后分享给朋友。他只需要安装好显卡驱动就行，什么cuda、pytorch之类的都在我分享的环境了。

百度PaddleOCR Docker GPU版安装全指南

九城科技博客：https://blog.minkse.cn/

04-22

4821

官网还是使用的nvidia-docker进行安装的，我们不需要这么麻烦，直接在docker HUB上面找镜像。安装CentOS和Docker的过程就略过了，这也不是本文讨论的重点，网上一大把安装教程。我这里没有使用多应用程序，直接使用的docker里面自带的python安装的环境和包。最近有一个项目需要用到文字识别，但是又是内网项目，不能用在线的第三方接口。这里会自动下载轻量级的模型，如果需要替换为服务端更强大的模型文件，参考。=============分割线================

Linux和Windows系统下:安装Anaconda、Paddle、tensorflow、pytorch，GPU[cuda12.4、cudnn]、CPU安装教学,多版本cuda11.2 自由切换

丨汀、的博客

07-12

9461

Linux和Windows系统下安装深度学习框架所需支持:Anaconda、Paddlepaddle、Paddlenlp、pytorch，含GPU、CPU版本详细安装过程

Windows11系统安装，配置CUDA、cuDNN等

null_10086的博客

09-20

1110

现在 AI 的教学越来越多，今天使用免费的 Dify 云端版和 Deepseek 的 API，搭建一个翻译机器人。

从0到上线：国产大模型部署的Docker化实战全流程（支持多模型 × 自动重启 × 接口封装）

最新发布

在信息的熵增中，记录结构、重建秩序。技术思想者的笔记，系统构建者的注释。

03-30

390

✅ Docker 容器的单位不是“代码”，而是“功能组件”✅ 模型不要封装，服务要尽量拆清楚✅ 一套 Compose 网络 + 路由方案能支撑多模型长期演进✅ 模型和代码解耦，有利于版本控制与多模型复用报错信息出现场景解决方案模型过大 / 并发过高降低 batch size、限制上下文长度、开启 INT4 模式模型路径写错容器内路径应为，注意挂载一致性transformers 版本过低升级至 4.36+ 以上版本INT4 推理失败容器未装，或缺乏 libcudart.so。

PaddleOCR基于PaddleHub Serving的服务部署(docker环境)

进击的豌豆的博客

12-30

9476

qq_15821487的博客

06-08

1675

1.2、制作镜像，启动容器指令 1.3、配置文件 1.4、启动文件 1.5、ppocr_keys_v1字典下载地址官方下载地址 1.7、ocr_reader.py 参考：官方下载地址 2.2、制作镜像，启动容器指令 2.3、pipeline_rpc_client.py 2.4、安装包其他参考，之前系列文章一、OCR-docker部署最新版PaddleServing和PaddleOCR，服务端，客户端，dockerfile部署二、OCR-docker部署最新版PaddleServing和P

qq_15821487的博客

06-07

1466

1.2、dockerfile编写 1.3、制作镜像，启动容器指令 1.4、客户端访问案例 1.5、服务器制作镜像，启动容器指令 2、客户端部署

PaddleubuOCR GPU版本部署ubuntu16.04+cuda10.1（详细问题解决版）

qq_43158129的博客

04-26

1570

PaddleOCR 使用教程 PaddleOCR超轻量级中文OCR模型在线体验安装官网建议准备docker环境，这里使用虚拟环境即可环境：python 3.7，cuda10.1-cudnn7 1、安装PaddlePaddle Fluid v1.7 python3 -m pip install paddlepaddle-gpu==1.7.2.post107 -i https://pypi.tuna.tsinghua.edu.cn/simple #报错如下 #使用 --trusted-host pypi.

在ubuntu16.04下创建cuda加速的docker镜像

gx947791229的博客

07-30

6160

在ubuntu16.04下创建cuda加速的docker镜像ubuntu_cuda

Docker 安装 TensorFlow GPU 实战

热门推荐

我想静静

03-27

2万+

安装背景AI如雨后春笋般的出现，DEVOPS的理论不断深入。所有高大上的开源产品都支持两个环境：docker 和Linux。本文主要讲解怎么在一台安装了GPU的centos7 环境安装tensorflow docker镜像。国内就几个大厂的同学可以享受这种高级环境待遇，如果您有该环境建议尝试起来吧，毕竟AI可以让我们多一项skill。安装nvidia-dockernvidia 对docker进行了一

docker中cuda9.2+cudnn7+caffe

True Truth

09-28

3056

万事开头难, 所以尽量找别人开好的头, 现在nvidia官方给的都cuda9.2了, 开源的gpu-caffe基本还是cuda8.0, 经过综合考虑, 还是在docker上面重新搭建, 这样不影响本地主机的环境又方便以后的移植部署. 1. Pull docker image. (docker的安装请自行百度下.) # sudo docker pull nvidia/cuda:9.2-...

docker中使用cuda

rongbaohan的博客

06-21

1万+

### 需要注意的事项: 1. 注意应用NVIDIA在docker_hub上提供的镜像, 本次使用的是:nvidia/cuda:10.1-cudnn7-devel-ubuntu18.04 2. 在宿主机安装 nvidia-docker2 3. 运行时, 要加"--run-time=nvidia", 本次执行命令为: export DEVICES=$(\ls /dev/nvidi...

用nvidia-docker跑深度学习模型

weixin_42749767的博客

10-03

1万+

用nvidia-docker跑深度学习模型 ##背景最近实验室要参加一个目标检测的比赛，这段时间一直在跑ssd模型，最开始根据作者给的文档成功编译后，可以在VOC数据集上进行训练。由于要用比赛官方的数据集，因此做了几天的数据集，然后拿自己的数据集训练的时候，出现了以下报错：Check failed: a &amp;amp;lt;= b (0 vs. -1.192093-07) 去网上搜了相关的解决方法，全都...

docker nvidia gpu

02-11

### 如何在 Docker 中使用 NVIDIA GPU 为了使 Docker 容器能够访问主机上的 NVIDIA GPU 资源，安装 `nvidia-docker2` 和相关组件是必要的。这可以通过一系列命令来完成：通过包管理工具安装所需的软件包： ```bash sudo apt-get update && sudo apt-get install -y nvidia-driver-xxx sudo apt-get install -y nvidia-docker2 sudo apt-get install -y nvidia-container-runtime ``` 配置 Docker 使用新的运行时环境以便支持 GPU 加速的应用程序[^1]。重启 Docker 服务以应用更改并验证设置是否成功： ```bash sudo systemctl restart docker ``` 创建带有 GPU 支持的容器实例时，需指定特定标志让其识别可用硬件资源： ```bash docker run --gpus all nvidia/cuda:11.0-base nvidia-smi ``` 上述指令会启动一个基于 CUDA 的基础镜像，并执行 `nvidia-smi` 命令显示当前系统的 GPU 状态信息，以此确认 GPU 已被正确挂载到容器内。对于开发工作流而言，在集成开发环境中利用远程连接功能可以极大提高效率。例如，在 Visual Studio Code (VSCode) 上构建 Python 应用程序时，可通过 Remote Development 插件集配合 Docker 扩展实现无缝调试体验；同时还能确保本地机器不受影响而保持轻量化操作[^2]。此外，借助于 Docker 提供的强大封装能力，开发者不仅限于简单的应用程序隔离，更能轻松部署复杂的 AI/ML 模型训练任务至云端或边缘设备上。TensorFlow Serving 就是一个很好的例子，它允许用户快速搭建起高性能的服务端架构用于推理预测等场景[^3]。