这是本文档旧的修订版！

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：https://www.pwmat.com/license-install-function

注意事项：

config.json 里的 IP 需修改为用如下命令查到的IP

# 如下命令都在宿主机执行：
 
ip addr show docker0 | grep 'inet ' | awk '{print $2}' | cut -d/ -f1
 
或
 
# 最准确, 但需要容器已启动
docker exec qflowcpu ip route | grep default | awk '{print $3}'

config.json 里的 PORT 必须为 50001

config.json 里的 ALLOWED_USERS 为空

config.json文件内容:

{
    "DATABASE": "pwmat.db",
    "TABLE": "client_info",
    "LOG": "log.txt",
    "IP": "172.17.0.1",
    "PORT": 50001,
    "MAX_CONNECTIONS": 1000,
    "LICENSE": "pwmat.lic",
    "SIGNATURE": "pwmat.sig",
    "ALLOWED_USERS":[
    ]
}

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

（1）81:81 不能变。容器内的81端口必须映射成宿主机的 81 端口

（2）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

（3）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 首次连接陌生主机的安全校验提示，询问是偶继续连接，输入“yes”后回车；输入密码（不会显示）后回车

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