魔搭社区

魔搭社区

• 魔搭社区(ModelScope)官网
• BiliBili视频

安装

• 官网安装文档
• 尽量使用官方已经打包好的镜像，本地python安装的方式很难成功，各种报错解决到哭

运行CPU镜像

• 只是体验一下的画可以使用CPU镜像

export IMAGE=registry.cn-hangzhou.aliyuncs.com/modelscope-repo/modelscope:ubuntu22.04-py310-torch2.1.0-tf2.14.0-1.10.0

docker run -itd --name model-scope $IMAGE sh

GPU镜像

• 使用GPU会比CPU快很多，我自己粗略估算了下速度可以相差到30-50倍
• 但是GPU版本需要安装CUDA/cuDNN/nvidia-container-runtime，可能有些麻烦

CUDA安装

• 安装CUDA

  • CUDA版本选择：显卡驱动和CUDA版本关系
  • CUDA安装地址:https://developer.nvidia.com/cuda-downloads

• 安装cuDNN

  • cuDNN下载地址：https://developer.nvidia.com/rdp/cudnn-archive

• 安装nvidia-container-runtime

  • 安装指引：https://docs.docker.com/config/containers/resource_constraints/#gpu
  • 注意看指引文档，命令运行前需要先配置apt源：https://nvidia.github.io/nvidia-container-runtime/

# 验证GPU在容器内生效
docker run -it --rm --gpus all ubuntu nvidia-smi

运行GPU镜像

• 上述的CUDA/cuDNN/nvidia-container-runtime需要先安装好

  export IMAGE=registry.cn-beijing.aliyuncs.com/modelscope-repo/modelscope:ubuntu22.04-cuda11.8.0-py310-torch2.1.0-tf2.14.0-1.10.0
  
  docker run -itd --name model-scope --gpus all $IMAGE sh

• 上面的命令很可能出现下方的问题
• 原因：CUDA等库和容器内的文件冲突

• 解决方法

  • 不挂载GPU启动容器(去掉"--gpus all")
  • 根据提示删除冲突文件
  • 将该容器保存成新镜像
  • 使用新镜像带上GPU启动容器，如果还是报错冲突继续上面的步骤

  # 如果如下报错
  # docker: Error response from daemon: failed to create task for container: failed to create shim task: OCI runtime create failed: runc create failed: unable to start container process: error during container init: error running hook #0: error running hook: exit status 1, stdout: , stderr: Auto-detected mode as 'legacy'
  # nvidia-container-cli: mount error: file creation failed: /var/lib/docker/overlay2/aed7d08d93dfa9237877dc46cd7fd8b9cf0f0f16df7fcbab92cb01d07d6aebfa/merged/usr/lib/x86_64-linux-gnu/libnvidia-ml.so.1: file exists: unknown.
  
  # 不挂在GPU启动容器
  docker run -itd --name demo-v0 $IMAGE sh
  
  # 进入不带GPU的容器内，删除冲突文件(报错的文件路径)
  docker exec -it demo-v0 sh
  rm -rf /usr/lib/x86_64-linux-gnu/libnvidia-ml.so.1
  rm -rf /usr/lib/x86_64-linux-gnu/libcuda.so.1
  rm -rf /usr/lib/x86_64-linux-gnu/libcudadebugger.so.1
  
  # 保存成新镜像
  docker commit <container id> demo:v1
  
  # 使用新镜像启动容器
  docker run -itd --name demo-v1 --gpus all demo:v1 sh

使用

• 可以在模型库找自己想要的模型：魔搭社区-模型库
• 下面以15点人体关键点检测模型作为示例

启用环境

• 示例使用CPU镜像
• 镜像中包含了所有依赖，可以直接使用

export IMAGE=registry.cn-hangzhou.aliyuncs.com/modelscope-repo/modelscope:ubuntu22.04-py310-torch2.1.0-tf2.14.0-1.10.0

docker run -itd --name model-scope $IMAGE sh

下载模型

• 点击页面的"模型文件"，打开标签页
• 点击右上角"下载模型"
• 复制"SDK下载"中的代码
• 打开容器，创建一个pytho文件，复制代码并运行

#模型下载
from modelscope import snapshot_download
model_dir = snapshot_download('iic/cv_hrnetv2w32_body-2d-keypoints_image')

运行代码

• 回到"模型介绍"标签页，找到代码范例
• 创建一个py文件，复制代码并运行
• 运行即可得到结果
• 结果可以结合BiliBili视频:AI编码助手+OpenCV=玩做出好玩的东西来

from modelscope.pipelines import pipeline
from modelscope.utils.constant import Tasks

model_id = 'damo/cv_hrnetv2w32_body-2d-keypoints_image'
body_2d_keypoints = pipeline(Tasks.body_2d_keypoints, model=model_id)

# 该示例为线上图片，可以改为本地图片，填写路径即可
output = body_2d_keypoints('https://modelscope.oss-cn-beijing.aliyuncs.com/test/images/keypoints_detect/000000438862.jpg')

# the output contains poses, scores and boxes
print(output)