安装部署步骤
1.准备项目
第一步要准备好你所需要部署的项目，确保在工作目录下所以程序.py文件正常调用并能正确运行
如上，main要在工作目录中能跑通，这里有一点需要注意
在IDE src不要标记为源代码根目录，观察一下是否能跑通代码
若跑不通，将import中调包前添加src.可解决，修改如下
2.添加三份文件
1.Dockerfile
FROM .../nvidia/cuda:11.8.0-cudnn8-devel-ubuntu22.04 # 容器系统
ARG VENV_NAME="your_program" # docker镜像项目名
ENV VENV=$VENV_NAME # 环境名
ENV LANG=C.UTF-8 LC_ALL=C.UTF-8
ENV DEBIAN_FRONTEN=noninteractive
ENV PYTHONUNBUFFERED=1
SHELL ["/bin/bash", "--login", "-c"]
# 系统搭建的一些常用安装包，ubuntu系统常用（项目需要的安装包也可以一并安上）
RUN apt-get update -y --fix-missing
RUN apt-get install -y git build-essential curl wget ffmpeg unzip git git-lfs sox libsox-dev && \
apt-get clean && \
git lfs install
# ==================================================================
# conda install and conda forge channel as default
# ------------------------------------------------------------------
# Install miniforge
# 这里下载一些离线安装包（可见博客说明）
COPY install_package/Miniforge3-Linux-x86_64.sh /root/miniforge.sh
RUN chmod +x /root/miniforge.sh
# RUN wget --quiet https://github.com/conda-forge/miniforge/releases/latest/download/Miniforge3-Linux-x86_64.sh -O ~/miniforge.sh && \
RUN /bin/bash /root/miniforge.sh -b -p /opt/conda && \
rm /root/miniforge.sh && \
ln -s /opt/conda/etc/profile.d/conda.sh /etc/profile.d/conda.sh && \
echo "source /opt/conda/etc/profile.d/conda.sh" >> /opt/nvidia/entrypoint.d/100.conda.sh && \
echo "source /opt/conda/etc/profile.d/conda.sh" >> /root/.bashrc && \
echo "conda activate ${VENV}" >> /opt/nvidia/entrypoint.d/110.conda_default_env.sh && \
echo "conda activate ${VENV}" >> $HOME/.bashrc
ENV PATH /opt/conda/bin:$PATH
# 设置清华镜像源，增加超时时间和重试次数
RUN conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/ && \
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/ && \
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r/ && \
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/pro/ && \
conda config --add channels conda-forge && \
conda config --set channel_priority strict && \
conda config --set remote_connect_timeout_secs 30 && \
conda config --set remote_read_timeout_secs 30 && \
conda config --set remote_max_retries 3
# ------------------------------------------------------------------
# ~conda
# ==================================================================
# 创建虚拟环境（环境名上面已经定义了，和conda创建虚拟环境命令一致）
RUN conda create -y -n ${VENV} python=3.9
ENV CONDA_DEFAULT_ENV=${VENV}
ENV PATH /opt/conda/bin:/opt/conda/envs/${VENV}/bin:$PATH
# 复制到工作路径
COPY . /workspace/your_program
WORKDIR /workspace
ENV PYTHONPATH="${PYTHONPATH}:/workspace/your_program"
# conda pip 下载项目所需包（可以用清华源、阿里加速）
RUN conda activate ${VENV} && conda install -y -c conda-forge pynini==2.1.5
# https://pypi.tuna.tsinghua.edu.cn/simple/torch/
# https://pypi.tuna.tsinghua.edu.cn/simple/torchaudio/
RUN conda activate ${VENV} && cd your_program && \
pip install --default-timeout=100 -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple/
# 确定工作路径
WORKDIR /workspace/your_program如果使用阿里云，可能需要添加 --trusted-host=mirrors.aliyun.com
2.requirements.txt
对于一些比较大的安装包.whl文件可以先下好放在项目中，在requirements.txt文件中以以下形式进行安装，如下
./install_package/torch-2.3.0-cp39-cp39-manylinux1_x86_64.whl
./install_package/torchaudio-2.3.0-cp39-cp39-manylinux1_x86_64.whl
./install_package/nvidia_cudnn_cu12-8.9.2.26-py3-none-manylinux1_x86_64.whl
modelscope
huggingface
huggingface_hub
funasr>=1.1.3
numpy<=1.26.4
gradio
fastapi>=0.111.1
requests一种是通过本地离线包下载（对于比较大的文件），一种是通过清华源/阿里拉取
3.docker-compose.yml
一些系统配置（容器理解为一个独立的ubuntu系统，下面作为运行本项目的一些系统配置）
version: '3.3'
services:
your_program:
image: your_program:v1.0
container_name: your-program-server
working_dir: /workspace/your-program
command: python3 main.py
volumes:
- /usr/share/zoneinfo:/usr/share/zoneinfo
- /etc/localtime:/etc/timezone:ro
- ./logs:/workspace/your-program/logs
- ./resources:/workspace/your-program/resources
environment:
- TZ=Asia/Shanghai
- CUDA_DEVICE_ORDER=PCI_BUS_ID
- CUDA_VISIBLE_DEVICES=1
- SERVER_PORT=8666
ports:
- "8666:8666"
restart: always
runtime: nvidia
# networks:
# - test-network
#networks:
# test-network:
# external: true- CUDA_VISIBLE_DEVICES=1
服务器如果有多张显卡，可以设成哪张卡可见（cuda:0就是读取可见卡的第一张）
3.将整个项目结构上传服务器
Pycharm在工具栏中有一个上传连接服务器的工具（推荐）
先配置
连接服务器（有密码形式、SSH等）
后上传
4.服务器打开项目目录
cd到项目总目录下
4.1从源码中构建docker镜像
docker build -t your_program:v1.0 .4.2启动容器
docker-compose up -d
# 查看启动情况
docker logs your-program-server如果要重新打容器（不继续上一步的）可以用以下命令
docker build --no-cache -t hy-asr:v1.0 .
