魔搭社群

魔搭社群

• 魔搭社群(ModelScope)官網
• BiliBili影片

安裝

• 官網安裝文件
• 儘量使用官方已經打包好的映象，本地python安裝的方式很難成功，各種報錯解決到哭

執行CPU映象

• 只是體驗一下的畫可以使用CPU映象

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映象

• 使用GPU會比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版本需要安裝CUDA/cuDNN/nvidia-container-runtime，可能有些麻煩

CUDA安裝

• 安裝CUDA

  • CUDA版本選擇：顯示卡驅動和CUDA版本關係
  • CUDA安裝地址:https://developer.nvidia.com/cuda-downloads

• 安裝cuDNN

  • cuDNN下載地址：https://developer.nvidia.com/rdp/cudnn-archive

• 安裝nvidia-container-runtime

  • 安裝指引：https://docs.docker.com/config/containers/resource_constraints/#gpu
  • 注意看指引文件，命令執行前需要先配置apt源：https://nvidia.github.io/nvidia-container-runtime/

# 驗證GPU在容器內生效
docker run -it --rm --gpus all ubuntu nvidia-smi

執行GPU映象

• 上述的CUDA/cuDNN/nvidia-container-runtime需要先安裝好

  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現下方的問題
• 原因：CUDA等庫和容器內的檔案衝突

• 解決方法

  • 不掛載GPU啟動容器(去掉"--gpus all")
  • 根據提示刪除衝突檔案
  • 將該容器儲存成新映象
  • 使用新映象帶上GPU啟動容器，如果還是報錯衝突繼續上面的步驟

  # 如果如下報錯
  # 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.
  
  # 不掛在GPU啟動容器
  docker run -itd --name demo-v0 $IMAGE sh
  
  # 進入不帶GPU的容器內，刪除衝突檔案(報錯的檔案路徑)
  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
  
  # 儲存成新映象
  docker commit <container id> demo:v1
  
  # 使用新映象啟動容器
  docker run -itd --name demo-v1 --gpus all demo:v1 sh

使用

• 可以在模型庫找自己想要的模型：魔搭社群-模型庫
• 下面以15點人體關鍵點檢測模型作為示例

啟用環境

• 示例使用CPU映象
• 映象中包含了所有依賴，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

下載模型

• 點選頁面的"模型檔案"，開啟標籤頁
• 點選右上角"下載模型"
• 複製"SDK下載"中的程式碼
• 開啟容器，建立一個pytho檔案，複製程式碼並執行

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

執行程式碼

• 回到"模型介紹"標籤頁，找到程式碼範例
• 建立一個py檔案，複製程式碼並執行
• 執行即可得到結果
• 結果可以結合BiliBili影片:AI編碼助手+OpenCV=玩做出好玩的東西來

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)

# 該示例為線上圖片，可以改為本地圖片，填寫路徑即可
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)