openmmlab/mmdeploy

MMDeploy Docker镜像文档

镜像概述和主要用途

MMDeploy提供预构建的Docker镜像，方便用户快速使用深度学习模型部署工具集。该镜像基于https://github.com/open-mmlab/mmdeploy%E9%A1%B9%E7%9B%AE%E6%9E%84%E5%BB%BA%EF%BC%8C%E9%80%82%E7%94%A8%E4%BA%8E%E5%90%84%E7%B1%BB%E6%B7%B1%E5%BA%A6%E5%AD%A6%E4%B9%A0%E6%A8%A1%E5%9E%8B%E7%9A%84%E9%83%A8%E7%BD%B2%E5%9C%BA%E6%99%AF%E3%80%82%E4%BE%8B%E5%A6%82%EF%BC%8C%E6%A0%87%E7%AD%BE%E4%B8%BA%60openmmlab/mmdeploy:ubuntu20.04-cuda11.3-mmdeploy%60%E7%9A%84%E9%95%9C%E5%83%8F%E5%9F%BA%E4%BA%8E%E6%9C%80%E6%96%B0%E7%89%88mmdeploy%E6%9E%84%E5%BB%BA%EF%BC%8C%E8%80%8C%E6%A0%87%E7%AD%BE%E4%B8%BA%60openmmlab/mmdeploy:ubuntu20.04-cuda11.3-mmdeploy1.1.0%60%E7%9A%84%E9%95%9C%E5%83%8F%E5%AF%B9%E5%BA%94%E7%89%B9%E5%AE%9A%E7%89%88%E6%9C%AC%60mmdeploy==1.1.0%60%E3%80%82

核心功能和特性

Docker镜像的具体规格如下：

使用场景和适用范围

• 深度学习模型部署：适用于将训练好的深度学习模型部署到生产环境的场景
• 多后端支持：兼容TensorRT、ONNXRuntime、OpenVINO、ncnn、openppl等主流推理后端
• 开发与测试：提供一致的部署环境，便于模型部署流程的开发、测试和验证
• 跨平台一致性：消除不同环境配置差异，确保部署流程的可重复性

使用方法和配置说明

拉取镜像

拉取最新版本镜像：

bash
docker pull docker.xuanyuan.run/openmmlab/mmdeploy:ubuntu20.04-cuda11.3-mmdeploy

拉取特定版本镜像（如1.1.0）：

bash
docker pull docker.xuanyuan.run/openmmlab/mmdeploy:ubuntu20.04-cuda11.3-mmdeploy1.1.0

运行容器

启动交互式容器（支持GPU）：

bash
docker run -it --gpus all --name mmdeploy-container docker.xuanyuan.run/openmmlab/mmdeploy:ubuntu20.04-cuda11.3-mmdeploy /bin/bash

参数说明：

• -it：以交互模式运行容器
• --gpus all：启用所有GPU（需系统已配置NVIDIA Docker）
• --name mmdeploy-container：指定容器名称
• /bin/bash：启动bash终端

验证环境

进入容器后，验证MMDeploy安装状态：

bash
mmdeploy --version

若输出MMDeploy版本信息，则说明环境配置成功。

典型应用示例

在容器内使用MMDeploy进行模型转换：

bash
# 假设已准备好PyTorch模型
mmdeploy model-convert mmcls resnet50 torch --deploy-cfg configs/mmcls/resnet/deploy_resnet50_onnxruntime_dynamic.py