====== qflow gpu 容器版安装 ➡ 高手篇 ======

===== 1. 需求 =====

  * 已安装 NVIDIA 显卡驱动（支持 cuda12.1 以上），并能正常识别 GPU
  * 已安装 Docker
  * 已安装 nvidia-container-toolkit

===== 2. 宿主机安装 server.py 服务 =====

安装说明：点击链接, [[qflow:server|在 Linux 下安装 server.py 服务]] 跟着文档安装好证书服务, 再进行下一步。

===== 3. 导入镜像 =====

<code bash>
sudo docker pull ccr.ccs.tencentyun.com/lxkt/qflowgpu:latest
</code>

===== 4. 启动容器 =====

<code bash>
docker run -d --name qflowgpu \
  --ulimit memlock=-1:-1 --ulimit stack=-1:-1 \
  --gpus all --shm-size=128G --privileged -e SELINUX=disabled \
  -p 80:80 -p 81:81 -p 2297:2297 --hostname=mstation ccr.ccs.tencentyun.com/lxkt/qflowgpu:latest

# 如果命令提示 permission denied while trying to connect to the docker API at unix:///var/run/docker.sock
# 则是当前用户于没有权限执行容器，需要在 docker run 命令前加上sudo docker run -d --name ...

</code>

<WRAP center round todo 10%>
81:81 不能变。 容器内的81端口必须映射成宿主机的 81 端口

通过如下命令查看正在运行的容器：

<code bash>
docker ps
</code>

启动容器前，如有同名容器占用，需停止和删除旧容器：

<code bash>
docker stop qflowgpu
</code>

删除同类型旧容器：
<code bash>
docker rm qflowgpu
</code>

</WRAP>

===== 5. 对容器登录、上传下载 =====

  * 通过 SSH 客户端登录、上传、下载<wrap notice>推荐</wrap>

^ 地址        ^ 端口号  ^ 用户名  ^ 密码             ^
| [宿主机ip]  | 2297    | pwmat   | PWmat2022        |
| [宿主机ip]  | 2297    | root    | PWmatSimplyBest  |


<code bash>
ssh 用户名@宿主机ip -p 端口号

# SSH 首次连接陌生主机会弹出安全校验提示，询问是否继续连接，输入“yes”后回车；输入密码（不会显示）后回车
</code>

  * 或者可以通过 docker 命令直接访问容器

<code bash>
docker exec -it qflowgpu bash

# 使用完退回宿主机
exit
</code>

<WRAP center round todo 10%>
默认Qflow运行路径为/share/home/pwmat/Q-Flow/xxx,可以在命令行在该目录下进行文件操作
</WRAP>

===== 6. qstudio、qflow 访问登录 =====

访问地址：%%http://[宿主机ip]%%

^ 账号 ^ 密码 ^
| 15000000000 | PWmat2022 |

如果 ctrl+v 粘贴密码后提示密码错误，可能是浏览器兼容性存在问题，请手动输入密码即可
~~DISCUSSION:off~~