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, 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

sudo docker pull ccr.ccs.tencentyun.com/lxkt/qflowgpu:latest

4. 启动容器

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 ...

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：

docker ps

启动容器前，如有同名容器占用，需停止和删除旧容器：

docker stop qflowgpu

删除同类型旧容器：

docker rm qflowgpu

5. 对容器登录、上传下载

通过 SSH 客户端登录、上传、下载推荐

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

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

或者可以通过 docker 命令直接访问容器

docker exec -it qflowgpu bash
 
# 使用完退回宿主机
exit

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

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