全部產品
Search

搜尋本產品

    Platform For AI：安裝Blade

    文件中心

    Platform For AI：安裝Blade

    更新時間：Jul 13, 2024

    Blade的安裝包包括了Wheel包和SDK。在CPU和CUDA環境，您需要安裝Wheel包進行模型最佳化，安裝SDK部署模型推理。而在端側裝置中，您只需要安裝Wheel包進行模型最佳化即可，Blade完成最佳化後直接輸出MNN模型，您可以使用MNN部署模型推理。本文詳細介紹如何在不同類型的裝置中分別安裝Blade。

    使用限制

    Blade僅支援以下作業系統、Python版本、裝置類型及架構版本：

    • 作業系統：Linux。

    • Python版本：Python 3.6、Python 3.7、Python 3.8。

    • 裝置類型：GPU支援CUDA 10.0~11.3，也支援CPU和端側裝置（MNN）。

    • 架構版本：TensorFlow 1.15、2.4、2.7，PyTorch 1.6.0及以上版本，TensorRT 8.X.X系列版本。

    • C++ SDK：支援CXX11和Pre-CXX11兩種ABI，支援RPM、DEB及TGZ三種格式。

    注意事項

    安裝Blade時，務必注意以下事項：

    • Blade不會自動安裝TensorFlow或PyTorch。因此，安裝Blade之前，必須確保環境中已經安裝了支援的架構版本。

    • Blade支援不同裝置、不同CUDA版本的安裝包，請根據您的裝置和CUDA版本安裝對應的Blade的Wheel包。

    • PyTorch 官方1.6.0版本不提供CUDA 10.0版本，您可以使用PAI團隊提供的Wheel包。其餘PyTorch版本均可直接使用官方安裝包。

    操作流程

    在不同類型的裝置中安裝Blade時，存在差異性。您可以參見如下步驟進行安裝：

    • 在CUDA環境中安裝時，您需要安裝TensorFlow/PyTorch、Blade的Wheel包及SDK，以及TensorRT。具體步驟如下：

      1. 安裝架構。

        如果您的模型使用的TensorFlow架構，可自行安裝社區TensorFlow，如果需要TensorRT的支援，也可以安裝PAI團隊先行編譯的Tensorflow，詳情請參見安裝TensorFlow。

        如果您的模型使用的PyTorch架構，可自行安裝社區PyTorch，如果需要支援CUDA 10.0的PyTorch 1.6.0版本，也可以使用PAI團隊先行編譯的PyTorch，詳情請參見安裝PyTorch。

      2. 安裝Blade的Wheel包，詳情請參見安裝Blade的Wheel包。

      3. 下載並安裝Blade的SDK，詳情請參見安裝Blade的SDK。

      4. 擷取鑒權Token，詳情請參見擷取Token。

    • 安裝Blade用於最佳化端側部署時，您需要安裝TensorFlow、MNN及Wheel包，詳情請參見安裝Blade用於最佳化端側部署。

    安裝TensorFlow

    目前Blade支援TensorFlow 1.15和2.4，請確保Python環境和依賴滿足版本限制，詳情請參見使用限制。

    您可以安裝TensorFlow社區提供的包，安裝命令如下： 

    # GPU 版本的 Tensorflow
pip3 install tensorflow-gpu==1.15.0
# 或者：
pip3 install tensorflow-gpu==2.4.0

# CPU 版本的 Tensorflow
pip3 install tensorflow==1.15.0
# 或者
pip3 install tensorflow==2.4.0

    安裝PyTorch

    目前Blade支援PyTorch 1.6.0及以上的版本，您可以參考PyTorch官方網站安裝對應裝置或CUDA版本的PyTorch。如果您需要使用CUDA 11.0的PyTorch 1.7.1 版本嘗試以下命令安裝：

    pip3 install torch==1.7.1+cu110 torchvision==0.8.2+cu110 \
    -f https://download.pytorch.org/whl/torch/

    安裝Blade的Wheel包

    為了最佳化不同架構不同版本的模型，並且適配不同的裝置和CUDA版本，您需要根據環境正確安裝對應的Blade的Wheel包。最新版本的安裝命令如下，歷史版本請參考附錄：歷史版本下載與安裝：

    • CPU

      TensorFlow 1.15.0與PyTorch 1.6.0。 

      # pai_blade_cpu
pip3 install pai_blade_cpu==3.27.0+1.15.0.1.6.0 -f https://pai-blade.oss-cn-zhangjiakou.aliyuncs.com/release/repo.html
# tensorflow_blade_cpu
pip3 install tensorflow_blade_cpu==3.27.0+1.15.0 -f https://pai-blade.oss-cn-zhangjiakou.aliyuncs.com/release/repo.html
# torch_blade_cpu
pip3 install torch_blade_cpu==3.27.0+1.6.0 -f https://pai-blade.oss-cn-zhangjiakou.aliyuncs.com/release/repo.html

      TensorFlow 2.4.0與PyTorch 1.7.1。 

      # pai_blade_cpu
pip3 install pai_blade_cpu==3.27.0+2.4.0.1.7.1 -f https://pai-blade.oss-cn-zhangjiakou.aliyuncs.com/release/repo.html
# tensorflow_blade_cpu
pip3 install tensorflow_blade_cpu==3.27.0+2.4.0 -f https://pai-blade.oss-cn-zhangjiakou.aliyuncs.com/release/repo.html
# torch_blade_cpu
pip3 install torch_blade_cpu==3.27.0+1.7.1 -f https://pai-blade.oss-cn-zhangjiakou.aliyuncs.com/release/repo.html

      PyTorch 1.8.1。 

      # pai_blade_cpu
pip3 install pai_blade_cpu==3.27.0+1.8.1 -f https://pai-blade.oss-cn-zhangjiakou.aliyuncs.com/release/repo.html
# torch_blade_cpu
pip3 install torch_blade_cpu==3.27.0+1.8.1 -f https://pai-blade.oss-cn-zhangjiakou.aliyuncs.com/release/repo.html

      PyTorch 1.9.0。

      # pai_blade_cpu
pip3 install pai_blade_cpu==3.27.0+1.9.0 -f https://pai-blade.oss-cn-zhangjiakou.aliyuncs.com/release/repo.html
# torch_blade_cpu
pip3 install torch_blade_cpu==3.27.0+1.9.0 -f https://pai-blade.oss-cn-zhangjiakou.aliyuncs.com/release/repo.html

      TensorFlow 2.7.0與PyTorch 1.10.0。 

      # pai_blade_cpu
pip3 install pai_blade_cpu==3.27.0+2.7.0.1.10.0 -f https://pai-blade.oss-cn-zhangjiakou.aliyuncs.com/release/repo.html
# tensorflow_blade_cpu
pip3 install tensorflow_blade_cpu==3.27.0+2.7.0 -f https://pai-blade.oss-cn-zhangjiakou.aliyuncs.com/release/repo.html
# torch_blade_cpu
pip3 install torch_blade_cpu==3.27.0+1.10.0 -f https://pai-blade.oss-cn-zhangjiakou.aliyuncs.com/release/repo.html

    • CUDA 11.0

      TensorFlow 2.4.0與PyTorch 1.7.1。 

      # pai_blade_gpu
pip3 install pai_blade_gpu==3.27.0+cu110.2.4.0.1.7.1 -f https://pai-blade.oss-cn-zhangjiakou.aliyuncs.com/release/repo_ext.html
# tensorflow_blade_gpu
pip3 install tensorflow_blade_gpu==3.27.0+cu110.2.4.0 -f https://pai-blade.oss-cn-zhangjiakou.aliyuncs.com/release/repo_ext.html
# torch_blade
pip3 install torch_blade==3.27.0+1.7.1.cu110 -f https://pai-blade.oss-cn-zhangjiakou.aliyuncs.com/release/repo_ext.html

    • CUDA 11.1

      PyTorch 1.8.1。 

      # pai_blade_gpu
pip3 install pai_blade_gpu==3.27.0+cu111.1.8.1 -f https://pai-blade.oss-cn-zhangjiakou.aliyuncs.com/release/repo_ext.html
# torch_blade
pip3 install torch_blade==3.27.0+1.8.1.cu111 -f https://pai-blade.oss-cn-zhangjiakou.aliyuncs.com/release/repo_ext.html

      PyTorch 1.9.0。 

      # pai_blade_gpu
pip3 install pai_blade_gpu==3.27.0+cu111.1.9.0 -f https://pai-blade.oss-cn-zhangjiakou.aliyuncs.com/release/repo_ext.html
# torch_blade
pip3 install torch_blade==3.27.0+1.9.0.cu111 -f https://pai-blade.oss-cn-zhangjiakou.aliyuncs.com/release/repo_ext.html

      PyTorch 1.10.0。 

      # pai_blade_gpu
pip3 install pai_blade_gpu==3.27.0+cu111.1.10.0 -f https://pai-blade.oss-cn-zhangjiakou.aliyuncs.com/release/repo_ext.html
# torch_blade
pip3 install torch_blade==3.27.0+1.10.0.cu111 -f https://pai-blade.oss-cn-zhangjiakou.aliyuncs.com/release/repo_ext.html

    • CUDA 11.2

      TensorFlow 2.7.0。 

      # pai_blade_gpu
pip3 install pai_blade_gpu==3.27.0+cu112.2.7.0 -f https://pai-blade.oss-cn-zhangjiakou.aliyuncs.com/release/repo_ext.html
# tensorflow_blade_gpu
pip3 install tensorflow_blade_gpu==3.27.0+cu112.2.7.0 -f https://pai-blade.oss-cn-zhangjiakou.aliyuncs.com/release/repo_ext.html

    • CUDA 11.3

      PyTorch 1.11.0。 

      # pai_blade_gpu
pip3 install pai_blade_gpu==3.27.0+cu113.1.11.0 -f https://pai-blade.oss-cn-zhangjiakou.aliyuncs.com/release/repo_ext.html
# torch_blade
pip3 install torch_blade==3.27.0+1.11.0.cu113 -f https://pai-blade.oss-cn-zhangjiakou.aliyuncs.com/release/repo_ext.html

      PyTorch 1.12.1。 

      # pai_blade_gpu
pip3 install pai_blade_gpu==3.27.0+cu113.1.12.1 -f https://pai-blade.oss-cn-zhangjiakou.aliyuncs.com/release/repo_ext.html
# torch_blade
pip3 install torch_blade==3.27.0+1.12.1.cu113 -f https://pai-blade.oss-cn-zhangjiakou.aliyuncs.com/release/repo_ext.html

    安裝Blade的SDK

    Blade的SDK僅支援Linux系統的GCC編譯器。為方便使用者使用，Blade提供兩種GCC ABI（GCC ABI官方文檔）的SDK包：

    • 如果您的GCC版本低於5.1或設定了宏_GLIBCXX_USE_CXX11_ABI=0，請使用Pre-CXX11 ABI的SDK。

    • 如果GCC版本大於等於5.1，且未配置宏_GLIBCXX_USE_CXX11_ABI=0，請使用CXX11 ABI的SDK。

    同時，我們也提供了適用於不同Linux發行版的包格式：

    • RPM包：適用於CentOS和Red Hat，使用rpm命令安裝。

    • DEB包：適用於Ubuntu和Debian，使用dpkg命令安裝。

    • TGZ包：適用於各種Linux發行版，解壓使用即可。

    以3.23.0 Pre-CXX11 ABI CUDA 11.0 的SDK安裝為例，命令如下：

    • 安裝RPM包 

      rpm -ivh https://pai-blade.oss-cn-zhangjiakou.aliyuncs.com/release/3.23.0/py3.6.8_cu110_tf2.4.0_torch1.7.1_abiprecxx11/blade_cpp_sdk_gpu-3.23.0-Linux.rpm

    • 安裝DEB包 

      wget https://pai-blade.oss-cn-zhangjiakou.aliyuncs.com/release/3.23.0/py3.6.8_cu110_tf2.4.0_torch1.7.1_abiprecxx11/blade_cpp_sdk_gpu-3.23.0-Linux.deb
dpkg-blade_cpp_sdk_gpu-3.23.0-Linux.deb

    RPM包和DEB包的預設的安裝路徑為/usr/local，安裝或解壓後的SDK目錄結構如下所示。 

    /usr/local/
├── bin
│ ├── disc_compiler_main
│ └── tao_compiler_main
└── lib
    ├── libral_base_context.so
    ├── libtao_ops.so
    ├── libtf_blade.so
    ├── libtorch_blade.so
    └── mlir_disc_builder.so

    部署模型時會使用/usr/local/lib子目錄下的動態連結程式庫。

    最新版C++ SDK下載地址如下，歷史版本請參考附錄：歷史版本下載與安裝：

    • CXX11 ABI

      • CPU

        Tensorflow 1.15.0與PyTorch 1.6.0：DEB、RPM、TGZ。

    • Pre-CXX11 ABI

      • CPU

        • Tensorflow 1.15.0與PyTorch 1.6.0： DEB、 RPM、 TGZ。

        • Tensorflow 2.4.0與PyTorch 1.7.1： DEB、 RPM、 TGZ。

        • PyTorch 1.8.1： DEB、 RPM、 TGZ。

        • PyTorch 1.9.0： DEB、 RPM、 TGZ。

        • Tensorflow 2.7.0與PyTorch 1.10.0： DEB、 RPM、 TGZ。

      • CUDA 11.0

        Tensorflow 2.4.0與PyTorch 1.7.1：DEB、RPM、TGZ。

      • CUDA 11.1

      • CUDA 11.2

        Tensorflow 2.7.0：DEB、RPM、TGZ。

      • CUDA 11.3

    擷取Token

    Blade的SDK運行時需要鑒權Token，且能夠在阿里雲環境中使用。請使用DingTalk搜尋21946131群號，加入Blade客戶群，從而擷取試用Token。

    安裝Blade用於最佳化端側部署

    面向端側部署最佳化時，Blade僅支援從TensorFlow模型轉換為MNN，並進行最佳化。因此，您需要預先安裝TensorFlow和MNN，命令如下。 

    pip3 install tensorflow==1.15 MNN==1.1.0

    最佳化端側模型時，您可以使用GPU或CPU版本的Blade。安裝Blade的Wheel包的具體命令如下：

    • 如果您已安裝GPU，則使用如下命令。 

      pip3 install pai-blade-gpu \
  -f https://pai-blade.oss-cn-zhangjiakou.aliyuncs.com/release/repo.html

    • 如果沒有安裝GPU，則使用如下命令。 

      pip3 install pai-blade-cpu \
  -f https://pai-blade.oss-cn-zhangjiakou.aliyuncs.com/release/repo.html