部署服务器

如果要使用 Microsoft Windows 或 Ubuntu 上的 Docker 或 Red Hat Enterprise Linux 上的 Podman 部署自己的 Computer Vision 服务器，并将其与“Computer Vision”活动一起使用，请按照以下步骤操作。

Microsoft Windows

在部署服务器之前，请务必检查软件和硬件要求。

安装 WSL

首先，必须在您的计算机上安装 WSL。

要安装 WSL，请运行以下命令，其中 {distribution} 是要使用的 Linux 发行版：

wsl --install -d {distribution}

注意：对于此安装过程，推荐的操作系统是 Ubuntu。

安装 NVIDIA 驱动程序

要在 Windows 计算机上运行计算机视觉服务器，您必须从 NVIDIA 官方网站下载并在具有兼容GeForce或 NVIDIA RTX/Quadro 卡的系统上安装 NVIDIA Windows 11 显示驱动程序。

重要提示： WSL 中安装的任何类型的 Linux 显示驱动程序都可能导致错误。

安装 Docker 和 Nvidia 容器工具包

您可以通过运行以下脚本来安装 Docker 和 NVIDIA 容器工具包：

https://github.com/UiPath/Infrastructure/blob/main/ML/ml_prereq_wsl.sh

运行服务器

要运行计算机视觉服务器，您必须在 WSL Linux 终端中运行以下命令：

export CV_URL="LINK_FROM_SALES_REP"
wget "$CV_URL" -O controls_detection.tar
docker load -i controls_detection.tar
docker run -p 8501:5000 --gpus all controls_detection eula=accept

使服务器在网络上可用

为了使服务器在本地网络上可见，必须在 Windows 上创建防火墙规则，并为计算机视觉服务器可用的端口创建入站规则。 默认情况下，端口为 8501。

由于在 WSL 中运行的 Linux 实例具有自己的虚拟网络接口控制器，因此流向主机 IP 的流量不会直接重定向到 Linux 实例的 IP。 通过使用以下命令将主机 IP 的流量转发到 Linux 实例，可以绕过此问题：

netsh interface portproxy add v4tov4 listenaddress=0.0.0.0 listenport=8501 connectaddress=$wsl_ip connectport=8501

可以使用以下命令找到 WSL IP：

wsl -d {distribution} hostname -I

注意： 在 Windows 上使用 Docker Desktop 时不会出现此问题。

自动启动服务器

使用直接安装在 Linux 上的 Docker 引擎时，要在计算机引导时自动启动服务器，必须在 Windows 中创建计划任务。 此任务在系统启动时执行，并运行以下 PowerShell 脚本，其中 {distribution} 是已安装的 Linux 分发版：

wsl -d {distribution} echo "starting...";
$wsl_ips = (wsl -d {distribution} hostname -I);
$host_ip = $wsl_ips.Split(" ")[0];
netsh interface portproxy add v4tov4 listenport=8501 listenaddress=0.0.0.0 connectport=8501 connectaddress=$host_ip;
wsl -d {distribution} -u root service docker start;
wsl -d {distribution} -u root docker run -p 8501:5000 --gpus all controls_detection eula=accept;

安装限制

此安装过程需要支持嵌套虚拟化的计算机。 目前，大多数 Cloud 虚拟机不支持 GPU 计算机的嵌套虚拟化。 总之，此安装流程最适合拥有带 GPU 的物理 Windows 服务器的客户。

Ubuntu

在部署服务器之前，请务必检查软件和硬件要求。

此页面上列出的所有命令都应在 GPU 计算机上的终端中执行。

下载 Computer Vision 服务器图像导出

保存销售代表在当前终端会话中提供给您的链接：

export CV_URL="LINK_FROM_SALES_REP"

下载导出：

wget "$CV_URL" -O controls_detection.tar

将映像加载到 Docker 中

运行以下命令：

docker load -i controls_detection.tar

启动服务器

运行以下命令：

docker run \
-p 8501:5000 \
--gpus all \
controls_detection eula=accept

升级 Computer Vision 模型

升级模型等同于安装模型的新版本。这是因为升级意味着更改模型本身及其二进制文件，这不可避免地会导致服务器停止工作。

如果要在完全相同的服务器计算机上执行升级，则预计会出现停机。为避免这种情况，您只需在另一台服务器计算机上安装新版本，并在安装完成后将流量切换到该计算机即可。

标准升级方案如下所示：

1. 准备并宣布停机时间（如果适用）。
2. 安装新型号以代替旧型号。
3. 运行服务器。

如果您的环境使用多节点负载均衡器设置，则可以通过每次重新安装每个节点来完全避免停机。

Linux RHEL

在部署服务器之前，请务必检查软件和硬件要求。

此页面上列出的所有命令都应在 GPU 计算机上的终端中执行。

下载 Computer Vision 服务器图像导出

保存销售代表在当前终端会话中提供给您的链接：

export CV_URL="LINK_FROM_SALES_REP"

下载导出：

wget "$CV_URL" -O controls_detection.tar

将图像加载到 Podman 中

运行以下命令：

podman load -i controls_detection.tar

启动服务器

运行以下命令：

podman run -p 8501:5000 --hooks-dir=/usr/share/containers/oci/hooks.d/
      \--security-opt=label=disable controls_detection eula=accept

升级 Computer Vision 模型

升级模型等同于安装模型的新版本。这是因为升级意味着更改模型本身及其二进制文件，这不可避免地会导致服务器停止工作。

如果要在完全相同的服务器计算机上执行升级，则预计会出现停机。为避免这种情况，您只需在另一台服务器计算机上安装新版本，并在安装完成后将流量切换到该计算机即可。

标准升级方案如下所示：

1. 准备并宣布停机时间（如果适用）。
2. 安装新型号以代替旧型号。
3. 运行服务器。

如果您的环境使用多节点负载均衡器设置，则可以通过每次重新安装每个节点来完全避免停机。