使用Docker安装Paddle Serving

(简体中文|English)

强烈建议您在Docker内构建Paddle Serving，更多镜像请查看Docker镜像列表。

提示-1：本项目仅支持Python3.6/3.7/3.8/3.9，接下来所有的与Python/Pip相关的操作都需要选择正确的Python版本。

提示-2：以下示例中GPU环境均为cuda10.2-cudnn7，如果您使用Python Pipeline来部署，并需要Nvidia TensorRT来优化预测性能，请参考支持的镜像环境和说明来选择其他版本。

1.启动开发镜像

同时支持使用Serving镜像和Paddle镜像，1.1和1.2章节中的操作2选1即可。 在Paddle docker镜像上部署Serving服务需要安装额外依赖库，因此，我们直接使用Serving开发镜像。

1.1 Serving开发镜像（CPU/GPU 2选1）

CPU：

# 启动 CPU Docker
docker pull paddlepaddle/serving:0.8.0-devel
docker run -p 9292:9292 --name test -dit paddlepaddle/serving:0.8.0-devel bash
docker exec -it test bash
git clone https://github.com/PaddlePaddle/Serving

GPU：

# 启动 GPU Docker
docker pull paddlepaddle/serving:0.8.0-cuda10.2-cudnn7-devel
nvidia-docker run -p 9292:9292 --name test -dit paddlepaddle/serving:0.8.0-cuda10.2-cudnn7-devel bash
nvidia-docker exec -it test bash
git clone https://github.com/PaddlePaddle/Serving

1.2 Paddle开发镜像（CPU/GPU 2选1）

CPU：

# 启动 CPU Docker
docker pull paddlepaddle/paddle:2.2.2
docker run -p 9292:9292 --name test -dit paddlepaddle/paddle:2.2.2 bash
docker exec -it test bash
git clone https://github.com/PaddlePaddle/Serving

# Paddle开发镜像需要执行以下脚本增加Serving所需依赖项
bash Serving/tools/paddle_env_install.sh

GPU：

# 启动 GPU Docker
docker pull paddlepaddle/paddle:2.2.2-gpu-cuda10.2-cudnn7
nvidia-docker run -p 9292:9292 --name test -dit paddlepaddle/paddle:2.2.2-gpu-cuda10.2-cudnn7 bash
nvidia-docker exec -it test bash
git clone https://github.com/PaddlePaddle/Serving

# Paddle开发镜像需要执行以下脚本增加Serving所需依赖项
bash Serving/tools/paddle_env_install.sh

2.安装Paddle Serving稳定wheel包

安装所需的pip依赖

cd Serving
pip3 install -r python/requirements.txt

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==0.8.2 -i https://pypi.tuna.tsinghua.edu.cn/simple
pip3 install paddle-serving-app==0.8.2 -i https://pypi.tuna.tsinghua.edu.cn/simple

# CPU Server
pip3 install paddle-serving-server==0.8.2 -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==0.8.2.post102 -i https://pypi.tuna.tsinghua.edu.cn/simple 
pip3 install paddle-serving-server-gpu==0.8.2.post101 -i https://pypi.tuna.tsinghua.edu.cn/simple
pip3 install paddle-serving-server-gpu==0.8.2.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)

如果需要使用develop分支编译的安装包，请从最新安装包列表中获取下载地址进行下载，使用pip install命令进行安装。如果您想自行编译，请参照Paddle Serving编译文档。

paddle-serving-server和paddle-serving-server-gpu安装包支持Centos 6/7, Ubuntu 16/18和Windows 10。

paddle-serving-client和paddle-serving-app安装包支持Linux和Windows，其中paddle-serving-client仅支持python3.6/3.7/3.8/3.9。

如果您之前使用paddle serving 0.5.X 0.6.X的Cuda10.2环境，需要注意在0.8.0版本，paddle-serving-server-gpu==0.8.0.post102的使用Cudnn7和TensorRT6，而0.6.0.post102使用cudnn8和TensorRT7。如果0.6.0的cuda10.2用户需要升级安装，请使用paddle-serving-server-gpu==0.8.0.post1028

3.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 -i https://pypi.tuna.tsinghua.edu.cn/simple

# GPU CUDA 10.2环境请执行
pip3 install paddlepaddle-gpu==2.2.2 -i https://pypi.tuna.tsinghua.edu.cn/simple

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预测库选择相应的GPU环境的url链接并进行安装。举例假设您使用python3.6，请执行如下命令。

# CUDA10.1 + CUDNN7 + TensorRT6
pip3 install https://paddle-inference-lib.bj.bcebos.com/2.2.2/python/Linux/GPU/x86-64_gcc8.2_avx_mkl_cuda10.1_cudnn7.6.5_trt6.0.1.5/paddlepaddle_gpu-2.2.2.post101-cp36-cp36m-linux_x86_64.whl

# CUDA10.2 + CUDNN7 + TensorRT6, 需要注意的是此环境和Cuda10.1+Cudnn7+TensorRT6使用同一个paddle whl包
pip3 install https://paddle-inference-lib.bj.bcebos.com/2.2.2/python/Linux/GPU/x86-64_gcc8.2_avx_mkl_cuda10.1_cudnn7.6.5_trt6.0.1.5/paddlepaddle_gpu-2.2.2.post101-cp36-cp36m-linux_x86_64.whl

# CUDA10.2 + CUDNN8 + TensorRT7
pip3 install https://paddle-inference-lib.bj.bcebos.com/2.2.2/python/Linux/GPU/x86-64_gcc8.2_avx_mkl_cuda10.2_cudnn8.1.1_trt7.2.3.4/paddlepaddle_gpu-2.2.2-cp36-cp36m-linux_x86_64.whl

# CUDA11.2 + CUDNN8 + TensorRT8
pip3 install https://paddle-inference-lib.bj.bcebos.com/2.2.2/python/Linux/GPU/x86-64_gcc8.2_avx_mkl_cuda11.2_cudnn8.2.1_trt8.0.3.4/paddlepaddle_gpu-2.2.2.post112-cp36-cp36m-linux_x86_64.whl

例如CUDA 10.1的Python3.6用户，请选择表格当中的cp36-cp36m和linux-cuda10.1-cudnn7.6-trt6-gcc8.2对应的url，复制下来并执行

pip3 install https://paddle-inference-lib.bj.bcebos.com/2.2.2/python/Linux/GPU/x86-64_gcc8.2_avx_mkl_cuda10.1_cudnn7.6.5_trt6.0.1.5/paddlepaddle_gpu-2.2.2.post101-cp36-cp36m-linux_x86_64.whl

4.支持的镜像环境和说明

环境	Serving开发镜像Tag	操作系统	Paddle开发镜像Tag	操作系统
CPU	0.8.0-devel	Ubuntu 16.04	2.2.2	Ubuntu 18.04.
CUDA10.1 + CUDNN7	0.8.0-cuda10.1-cudnn7-devel	Ubuntu 16.04	无	无
CUDA10.2 + CUDNN7	0.8.0-cuda10.2-cudnn7-devel	Ubuntu 16.04	2.2.2-gpu-cuda10.2-cudnn7	Ubuntu 16.04
CUDA10.2 + CUDNN8	0.8.0-cuda10.2-cudnn8-devel	Ubuntu 16.04	无	无
CUDA11.2 + CUDNN8	0.8.0-cuda11.2-cudnn8-devel	Ubuntu 16.04	2.2.2-gpu-cuda11.2-cudnn8	Ubuntu 18.04

对于Windows 10 用户，请参考文档Windows平台使用Paddle Serving指导。

5.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

杨鑫 / Serving

使用Docker安装Paddle Serving

1.启动开发镜像

1.1 Serving开发镜像（CPU/GPU 2选1）

1.2 Paddle开发镜像（CPU/GPU 2选1）

2.安装Paddle Serving稳定wheel包

3.安装Paddle相关Python库

4.支持的镜像环境和说明

5.安装完成后的环境检查

简介

发行版

贡献者

近期动态

杨鑫 / Serving .gitee-modal { width: 500px !important; }

使用Docker安装Paddle Serving

1.启动开发镜像

1.1 Serving开发镜像（CPU/GPU 2选1）

1.2 Paddle开发镜像（CPU/GPU 2选1）

2.安装Paddle Serving稳定wheel包

3.安装Paddle相关Python库

4.支持的镜像环境和说明

5.安装完成后的环境检查

简介

发行版

贡献者

近期动态

搜索帮助

杨鑫 / Serving