![](https://docs.uipath.com/_next/static/media/grid.05ebd128.png?w=3840&%3Bq=100)
软件要求
Computer Vision 服务器支持的操作系统包括:
- Microsoft Windows 10 21H2、Windows 11
- Ubuntu v16.04、v18.04、v20.04、v22.04
- 红帽企业 Linux 8
Windows Computer Vision 服务器在适用于 Linux 的 Windows 子系统 (WSL) 2 中通过 Docker 使用基于容器的部署。需要安装以下内容:
- WSL 2
- 适用于 Windows 的 Docker 桌面或 Docker 引擎(如果直接安装在 WSL 中)
- Nvidia Windows 11 显示驱动程序
- Nvidia Container Toolkit
必须在要部署到的计算机上安装以下资源:
- CUDA v11.1
- cuDNN8 v8.2.1
- Docker
- Nvidia Container Toolkit
为方便起见,UiPath 提供了一个脚本来安装这些必备程序。 此脚本按“原样”提供,没有任何暗示或显式保证。 要使用此脚本安装必备程序,请在 GPU 计算机的终端中运行以下行:
curl -fsSL https://raw.githubusercontent.com/UiPath/Infrastructure/main/ML/ml_prereq_all.sh | sudo bash -s -- --env gpu
curl -fsSL https://raw.githubusercontent.com/UiPath/Infrastructure/main/ML/ml_prereq_all.sh | sudo bash -s -- --env gpu
此行运行由 UiPath 托管的脚本,该脚本会自动下载并安装上述资源。 完成脚本并安装资源后,要启动任何机器学习模型的服务器实例,需要包含模型的 zip 文件。 此 zip 文件包含入口点脚本和本地速度测试脚本。
如果您想了解有关此脚本的技术详细信息的更多信息,可以访问 UiPath 基础架构 Github 存储库。
必须在要部署到的计算机上安装以下资源:
- CUDA v11.1
- cuDNN8 v8.2.1
- Podman
为方便起见,UiPath 提供了一个脚本来安装这些必备程序。 此脚本按“原样”提供,没有任何暗示或显式保证。 要使用此脚本安装必备程序,请在 GPU 计算机的终端中运行以下行:
curl -fsSL https://raw.githubusercontent.com/UiPath/Infrastructure/main/ML/ml_prereq_podman_rhel8.sh | sudo bash -s -- --env gpu
curl -fsSL https://raw.githubusercontent.com/UiPath/Infrastructure/main/ML/ml_prereq_podman_rhel8.sh | sudo bash -s -- --env gpu
此行运行由 UiPath 托管的脚本,该脚本会自动下载并安装上述资源。 完成脚本并安装资源后,要启动任何机器学习模型的服务器实例,需要包含模型的 zip 文件。 此 zip 文件包含入口点脚本和本地速度测试脚本。
如果您想了解有关此脚本的技术详细信息的更多信息,可以访问 UiPath 基础架构 Github 存储库。