PaddleDetection

本镜像仓库用于存储飞桨模型套件PaddleDetection的标准镜像，方便用户进行Docker化部署或云上部署。PaddleDetection套件的标准镜像由PaddleCloud项目基于Tekton Pipeline自动构建。若需对模型套件进行二次开发并持续构建定制镜像，可参考PaddleCloud Tekton文档构建自定义套件镜像CI流水线。更多部署内容可参考云上飞桨项目PaddleCloud。

PaddleCloud优势

• 模型套件Docker镜像大礼包
  提供飞桨模型套件Docker镜像大礼包，包含运行模型套件案例的所有依赖，支持持续更新，适配异构硬件环境和常见CUDA版本，开箱即用。

• 丰富的云上飞桨组件
  包含样本数据缓存组件、分布式训练组件、推理服务组件等云原生功能组件，方便用户在Kubernetes集群上快速实现模型的训练和部署。

• 功能强大的自运维能力
  基于Kubernetes的Operator机制提供自运维能力，如训练组件支持多种架构模式，具备分布式容错与弹性训练能力；推理服务组件支持自动扩缩容与蓝绿发版等。

• 针对飞桨框架的定制优化
  通过缓存样本数据加速云上飞桨分布式训练作业，基于飞桨框架和调度器的协同设计优化集群GPU利用率。

安装Docker

若未安装Docker，可参考Docker文档进行安装。如需使用GPU版本镜像，还需安装NVIDIA相关驱动和nvidia-docker，详情参考文档。

快速上手

Docker环境可快速体验，提供CPU和GPU版本镜像。Docker新手建议学***docker基本用法。

使用CPU版本的Docker镜像

bash
docker run --name dev -v $PWD:/mnt -p 8888:8888 -it paddlecloud/paddledetection:2.4-cpu-e9a542 /bin/bash

使用GPU版本的Docker镜像

bash
docker run --name dev --runtime=nvidia -v $PWD:/mnt -p 8888:8888 -it paddlecloud/paddledetection:2.4-gpu-cuda10.2-cudnn7-e9a542 /bin/bash

进入容器后，即可执行PaddleDetection套件中提供的案例。

PaddleDetection Docker化部署案例

• PP-Human行人检测
• 训练PP-YOLOE模型

镜像列表

镜像tag最后6个字符为commit id（如bb4fbe），用于定位镜像中的模型套件代码版本，方便问题排查。