PaddleCloud 开源项目教程

PaddleCloudPaddlePaddle Docker images and K8s operators for PaddleOCR/Detection developers to use on public/private cloud.项目地址:https://gitcode.com/gh_mirrors/pa/PaddleCloud

项目介绍

PaddleCloud 是面向飞桨（PaddlePaddle）框架及其模型套件的部署工具箱。它基于 Kubernetes 的 Operator 机制，为用户提供了多个功能强大的云原生组件，如样本数据缓存组件、分布式训练组件、以及模型推理服务组件。使用这些组件，用户可以快速地在云上进行分布式训练和模型服务化部署。

项目快速启动

环境要求

• Kubernetes v1.16+
• kubectl
• Helm

安装步骤

1. 添加 PaddleCloud Chart 仓库

   helm repo add paddlecloud https://paddleflow-public.hkg.bcebos.com/charts
   helm repo update
   

2. 安装云上飞桨组件

   helm install pdc paddlecloud/paddlecloud --set tags.all-dep=true --namespace paddlecloud --create-namespace
   

3. 检查所有云上飞桨组件是否成功启动

   kubectl get pods -n paddlecloud
   

应用案例和最佳实践

创建 PaddleJob 训练模型

1. 应用配置文件

   kubectl apply -f ppocrv3.yaml
   

2. 查看 PaddleJob 状态

   kubectl get pods -n paddlecloud -l paddle-res-name=ppocrv3-worker-0
   

3. 查看训练日志

   kubectl logs -f ppocrv3-worker-0 -n paddlecloud
   

最佳实践

• 分布式训练：利用 PaddleCloud 的分布式训练组件，可以在 Kubernetes 集群上高效地进行大规模模型训练。
• 模型推理服务：使用推理服务组件，可以快速部署模型服务，并支持自动扩缩容与蓝绿发版。

典型生态项目

PaddleOCR

PaddleOCR 是一个基于飞桨框架的 OCR 模型套件，已经接入 PaddleCloud 的 CI 流水线，支持镜像持续构建和部署。

PaddleDetection

PaddleDetection 是一个基于飞桨框架的目标检测模型套件，同样支持通过 PaddleCloud 进行云原生部署。

PaddleNLP

PaddleNLP 是一个基于飞桨框架的自然语言处理模型套件，也支持通过 PaddleCloud 进行云原生部署。

通过 PaddleCloud，这些模型套件可以实现快速部署和高效运维，满足不同场景和环境的需求。

PaddleCloudPaddlePaddle Docker images and K8s operators for PaddleOCR/Detection developers to use on public/private cloud.项目地址:https://gitcode.com/gh_mirrors/pa/PaddleCloud