安装与启动
所有文档

          BML 全功能AI开发平台

          安装与启动

          1 下载BML CodeLab

          进入BML CodeLab首页

          image.png

          点击"下载CodeLab",跳转到下载页面。

          image.png

          下载指定版本的客户端或docker镜像。

          2 安装BML CodeLab

          2.1 Windows客户端的安装与启动

          Windows客户端基于wsl2进行优化,能为Windows用户提供原生的Linux子系统环境,用户可以在Linux系统下进行开发和调试;Linux子系统和Windows系统文件系统互通,用户可以方便的拷贝数据;此内置的Linux系统性能强悍,启动迅速。

          2.1.1 安装

          双击.exe文件,将弹出安装程序,首先对环境进行检测:

          image.png

          • 若检测到环境符合要求,按如下流程进行安装:

          image.png

          注意: CodeLab默认安装位置是D盘,点击【浏览】修改安装位置。

          • 若检测到环境不符合要求,则根据具体情况存在8种不同的安装流程:

          image.png image.png

          注意:

            1. 检测系统环境更新大约需要30秒左右;

            2. 系统小版本更新完成后会自动重启,如果用户点击取消重启,用户需要重新点击安装。

          2.1.2 启动

          image.png

          2.2 Mac客户端的安装与启动

          2.2.1 安装

          客户端安装需要四步:

          image.png

          1 双击安装文件:弹出用户协议,点击同意,弹出CodeLab安装程序。

          2 下载docker并安装:前往链接地址下载docker。

          3 启动docker:双击docker图标,启动docker,使其处于运行状态。

          4 拉取、加载镜像:选择CPU镜像进行拉取,启动器提示"正在拉取镜像"并显示拉取进度。

          注意: MAC客户端如果本地执行,只支持使用CPU资源;但提交云端任务时,可使用云端第三方GPU资源。

          2.2.2 启动

          同2.1.2。

          2.3 镜像的安装与启动

          step1: 下载docker并安装

          step2: 导入镜像

          使用docker加载本地镜像(docker镜像使用请参考文档 https://www.runoob.com/docker/docker-image-usage.html )。下载好镜像包后,在终端中输入命令: docker load --input codelab_cpu_3.7.tar.gz,来将镜像导入。

          注意:

            1. 这里docker的版本至少是19.03.0及以上,低版本docker不能保证可以正常打开CodeLab。

            2. docker的Storage Driver用overlay2,同时docker所在的安装路径至少要保留10GB空间以上(cpu的保证在4GB以上),查看docker的安装路径方法:用命令docker info | grep Root 来查看Docker Root Dir。

          step3: 启动镜像

          如果当前机器无GPU卡,启动命令为:

          docker run -d -p {本地启动的端口}:8670 -v /home/work/codelab:/home/work/mnt --privileged {镜像的名称或镜像的ID}

          如果当前机器有GPU卡,启动命令为:

          docker run -d -p {本地启动的端口}:8670 -v /home/work/codelab:/home/work/mnt -–gpus all --privileged {镜像的名称或镜像的ID}

          使用codelab:启动后打开浏览器,输入地址:http://{IP地址}:{本地启动的端口}/notebook/codelab/lab?token=codelab

            说明1:Codelab的初始安装均为CPU运行环境,若需转成GPU环境,请运行codelab install gpu,可以使用如下命令保存已经转为gpu环境的容器:docker commit --change='CMD ["/bin/bash", "/opt/jarvis-agent/bin/start-agent.sh"]' ContainerId ImageName:ImageTag

            说明2:{本地启动的端口}是指启动服务的端口(需要保证本地该端口未被占用), 例如想将服务启动在本地8552的端口上,则启动命令为:docker run -d -p 8552:8670 --gpus all --privileged {镜像的名称或镜像的ID}

            说明3: {镜像的名称或镜像的ID}可以通过docker images来查看,或是在刚才的docker load命令的输出内容结尾处可以看到loaded image:{镜像名称},loaded image后面的即为镜像名称。

            说明4: -v参数将主机的目录和容器中的目录做了映射,保证容器目录(/home/work/mnt)中的文件能够在容器被删除时备份在本机目录(/home/work/codelab)注意:默认指定本机中的/home/work/codelab目录作为挂载目录,用户可以自定义其他路径;本机目录如果不存在,则会自动生成。

          3 包的按需安装

          进入Codelab终端中执行命令: codelab install PackageName,如:codelab install blackhole

          PackageName 说明
          blackhole 百度自研的高性能计算引擎,提供机器学习和数据分析加速能力
          gpu 当前默认为cpu环境,安装gpu可以把本地环境转化为可执行gpu程序的环境
          paddlepaddle 百度自研的深度学习框架(cpu版本),18.04
          paddlepaddle-gpu 百度自研的深度学习框架(gpu版本),18.05
          wenxin 文心NLP套件
          wenxin-gpu 文心NLP套件gpu版

          4 环境保存

          Codelab可以确保用户的代码、ak sk资源配置、任务信息等,不会随容器、Codelab的删除而丢失。Windows版本和Mac版本的启动方式和使用方式与之前没有变化。

            1. Mac版本用户本期暂不支持用户备份到本机;数据保存在容器中,用户不删除容器,数据不会丢失。

            2. Windows版本环境数据保存在wsl2中,用户删除重新安装codelab时,原数据不丢失。用户若要查看备份数据,需要在cmd窗口中执行命令:wsl -d bml-codelab && cd /home/work/project

            3. Linux用户和镜像启动的用户,可以参考2.3的启动方式,需要增加-v参数,用户可以自定义环境备份的目录。

          上一篇
          介绍
          下一篇
          Monaco编辑器