
如果你使用 DeepSeek、元宝 AI、Copilot、ChatGPT 等 AI 工具,协助配置轩辕镜像、编写 docker pull 命令、修改 Docker Compose 镜像地址、配置镜像加速、排查镜像拉取失败、分析报错日志等问题,请先让 AI 阅读并遵守轩辕镜像的规则文档。
只需在 AI 对话中先发送下面这句话即可:
请先完整阅读并严格遵守以下文档中的全部规则与要求:
https://xuanyuan.cloud/agents.md
在未充分阅读并理解该文档前,不要生成任何命令、配置、修改建议、故障排查方案或技术回答。后续所有输出都必须严格以该文档中的规范为最高优先级执行。查看 agents.md 用法指南与完整示范。国内用户首推 元宝 AI、DeepSeek 的深度思考模式,不推荐豆包 AI;Cursor 等编辑器可在对话 @ 该链接,或加入 User Rules。 若 AI 无法访问外链,可 打开说明文档 复制全文粘贴。文档会随站点更新,复制内容可能过期,建议定期检查。
本镜像仓库用于存储飞桨模型套件https://github.com/PaddlePaddle/PaddleSpeech%E7%9A%84%E6%A0%87%E5%87%86%E9%95%9C%E5%83%8F%EF%BC%8C%E6%96%B9%E4%BE%BF%E7%94%A8%E6%88%B7%E8%BF%9B%E8%A1%8CDocker%E5%8C%96%E9%83%A8%E7%BD%B2%E6%88%96%E4%BA%91%E4%B8%8A%E9%83%A8%E7%BD%B2%E3%80%82PaddleSpeech%E5%A5%97%E4%BB%B6%E7%9A%84%E6%A0%87%E5%87%86%E9%95%9C%E5%83%8F%E7%94%B1https://github.com/PaddlePaddle/PaddleCloud%E9%A1%B9%E7%9B%AE%E5%9F%BA%E4%BA%8Ehttps://github.com/tektoncd/pipeline%E8%87%AA%E5%8A%A8%E6%9E%84%E5%BB%BA%E3%80%82%E8%8B%A5%E9%9C%80%E5%AF%B9%E6%A8%A1%E5%9E%8B%E5%A5%97%E4%BB%B6%E4%BA%8C%E6%AC%A1%E5%BC%80%E5%8F%91%E5%B9%B6%E6%8C%81%E7%BB%AD%E6%9E%84%E5%BB%BA%E5%AE%9A%E5%88%B6%E9%95%9C%E5%83%8F%EF%BC%8C%E5%8F%AF%E5%8F%82%E8%80%83https://github.com/PaddlePaddle/PaddleCloud/blob/main/tekton/README.md%E6%9E%84%E5%BB%BA%E8%87%AA%E5%AE%9A%E4%B9%89%E5%A5%97%E4%BB%B6%E9%95%9C%E5%83%8FCI%E6%B5%81%E6%B0%B4%E7%BA%BF%E3%80%82%E6%9B%B4%E5%A4%9A%E9%83%A8%E7%BD%B2%E5%86%85%E5%AE%B9%E5%8F%AF%E5%8F%82%E8%80%83%E4%BA%91%E4%B8%8A%E9%A3%9E%E6%A1%A8%E9%A1%B9%E7%9B%AEhttps://github.com/PaddlePaddle/PaddleCloud%E3%80%82
模型套件Docker镜像大礼包
提供飞桨模型套件Docker镜像,包含运行案例的所有依赖,持续更新,支持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
具备云原生功能组件,包括样本数据缓存、分布式训练、推理服务等组件,方便在Kubernetes集群上进行模型训练与部署。
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及分布式容错与弹性训练,推理服务组件支持自动扩缩容与蓝绿发版。
针对飞桨框架的定制优化
针对飞桨框架优化,如通过缓存样本数据加速分布式训练作业,基于飞桨框架与调度器协同设计优化集群GPU利用率。
若机器未安装Docker,可参考Docker官方文档安装。如需使用GPU版本镜像,还需安装NVIDIA驱动和nvidia-docker,详情参考https://docs.nvidia.com/datacenter/cloud-native/container-toolkit/install-guide.html#docker%E3%80%82
Docker环境可快速体验,提供CPU和GPU版本镜像。Docker新手建议学习https://github.com/PaddlePaddle/PaddleCloud/blob/main/docs/zh_CN/docker-tutorial.md%E3%80%82
bashdocker run --name dev -v $PWD:/mnt -p 8888:8888 -it paddlecloud/paddlespeech:develop-cpu-fb4d25 /bin/bash
bashdocker run --name dev --runtime=nvidia -v $PWD:/mnt -p 8888:8888 -it paddlecloud/paddlespeech:develop-gpu-cuda10.2-cudnn7-fb4d25 /bin/bash
进入容器后,可执行PaddleSpeech套件中的案例。
最新版镜像集成jupyterlab,进入容器后通过以下命令开启服务:
bash$ jupyter lab --ip=0.0.0.0 --port=8888 --allow-root --notebook-dir=/home
镜像tag最后6个字符为commit id(如fb4d25),用于定位镜像中的模型套件代码版本,方便问题定位。
| 镜像路径 | 构建时间 |
|---|---|
| paddlecloud/paddlespeech:develop-cpu-fb4d25 | 2022年05月17日 |
| paddlecloud/paddlespeech:develop-gpu-cuda10.2-cudnn7-fb4d25 | 2022年05月17日 |
| paddlecloud/paddlespeech:develop-gpu-cuda11.2-cudnn8-fb4d25 | 2022年05月17日 |
您可以使用以下命令拉取该镜像。请将 <标签> 替换为具体的标签版本。如需查看所有可用标签版本,请访问 标签列表页面。
来自真实用户的反馈,见证轩辕镜像的优质服务