丹青识画系统Ubuntu20.04部署全攻略从环境配置到服务启动你是不是也想在自己的服务器上搭建一个强大的AI识图系统让它能看懂图片、回答关于图片的各种问题今天我就手把手带你走一遍“丹青识画”系统在Ubuntu 20.04上的完整部署流程。整个过程不复杂但有些细节需要注意跟着做半小时左右你就能拥有一个属于自己的、7x24小时稳定运行的智能识图服务。这篇文章会从最基础的系统环境准备开始一直讲到如何配置成开机自启动的服务并加上安全的网络访问。无论你是个人开发者想尝鲜还是团队需要搭建一个内部工具这篇指南都适用。1. 部署前的准备工作在开始敲命令之前我们先花几分钟理清思路准备好“食材”。部署一个AI应用尤其是涉及GPU的就像做一道大菜备料是关键。首先你需要一台运行Ubuntu 20.04 LTS的服务器。为什么是20.04因为它是一个长期支持版本社区资源丰富遇到问题容易找到解决方案。服务器的配置取决于你的需求CPU和内存至少4核CPU和8GB内存。如果只是轻度使用或测试这个配置勉强够用但如果想获得更流畅的体验或处理并发请求建议配置更高。GPU核心这是“丹青识画”这类视觉大模型能流畅运行的关键。你需要一块支持CUDA的NVIDIA显卡。显存大小直接影响模型能处理图片的复杂度和速度8GB显存是一个比较理想的起步配置。存储除了系统盘建议准备一块足够大的数据盘比如100GB以上用于存放Docker镜像、模型文件和生成的缓存数据避免挤占系统空间。网络确保服务器能稳定访问互联网因为我们需要从网络拉取镜像和模型。接下来你需要拥有这台服务器的root权限或者是一个具有sudo权限的普通用户。后面的所有操作我们都会在命令行终端里完成。最后在心理上做好准备部署过程可能会因为网络、系统环境差异遇到一些小问题。别担心我会把常见的坑和解决方法也写出来。咱们一步一步来遇到问题解决问题就好。2. 基础系统环境配置万事开头难但把基础打牢了后面就顺了。这一节我们来做三件事更新系统、安装必要的工具以及配置好GPU驱动。2.1 系统更新与基础工具安装首先通过SSH连接到你的Ubuntu 20.04服务器。连接成功后第一件事就是更新系统的软件包列表并升级已有的软件到最新版本。这能确保我们安装的依赖都是兼容的。打开终端输入以下命令sudo apt update sudo apt upgrade -y这个命令可能会运行几分钟。完成后我们安装一些后续步骤必需的软件包比如curl用于网络请求、wget下载工具、vim文本编辑器你可以用自己熟悉的如nano等。sudo apt install -y curl wget vim git net-tools2.2 安装Docker与Docker Compose“丹青识画”系统通常被打包成Docker镜像这能完美解决环境依赖问题。所以我们需要安装Docker引擎。Docker官方提供了便捷的安装脚本。我们直接使用它curl -fsSL https://get.docker.com -o get-docker.sh sudo sh get-docker.sh安装完成后将当前用户添加到docker用户组这样以后运行Docker命令就不需要每次都加sudo了。sudo usermod -aG docker $USER重要执行完上面的命令后你需要完全退出当前的SSH会话然后重新登录这个用户组变更才会生效。重新登录后运行以下命令验证Docker是否安装成功并已正确配置docker --version docker run hello-world如果能看到Docker版本信息以及一个“Hello from Docker!”的欢迎消息说明Docker安装成功了。接下来安装Docker Compose它是一个用于定义和运行多容器Docker应用的工具。虽然我们可能只运行一个容器但用Compose文件来管理配置会更清晰。sudo curl -L https://github.com/docker/compose/releases/download/v2.20.0/docker-compose-$(uname -s)-$(uname -m) -o /usr/local/bin/docker-compose sudo chmod x /usr/local/bin/docker-compose docker-compose --version2.3 安装NVIDIA驱动与容器工具为了让Docker容器能使用服务器的GPU我们需要安装NVIDIA的驱动和相关的容器运行时工具。首先添加NVIDIA的容器工具仓库并安装nvidia-docker2distribution$(. /etc/os-release;echo $ID$VERSION_ID) curl -s -L https://nvidia.github.io/nvidia-docker/gpgkey | sudo apt-key add - curl -s -L https://nvidia.github.io/nvidia-docker/$distribution/nvidia-docker.list | sudo tee /etc/apt/sources.list.d/nvidia-docker.list sudo apt update sudo apt install -y nvidia-docker2安装完成后需要重启Docker服务以使配置生效sudo systemctl restart docker现在我们可以运行一个测试命令来验证GPU在Docker中是否可用docker run --rm --gpus all nvidia/cuda:11.8.0-base-ubuntu20.04 nvidia-smi如果这个命令能成功输出你显卡的信息类似你在宿主机上直接运行nvidia-smi看到的结果那么恭喜你GPU环境配置成功这是最关键的一步。3. 获取与运行丹青识画镜像基础环境搞定现在主角登场。我们将从镜像仓库拉取“丹青识画”系统的Docker镜像并运行它。3.1 拉取镜像假设我们已经从可靠的镜像平台例如一些开发者社区或平台提供的镜像广场获取到了具体的镜像名称和标签。这里我们用一个示例镜像名registry.example.com/danqing:latest来演示。请务必替换为你实际获取到的镜像地址。拉取镜像的命令很简单docker pull registry.example.com/danqing:latest这个过程需要下载镜像文件时间长短取决于你的网络速度和镜像大小可能需要等待几分钟到十几分钟。你可以去喝杯咖啡。3.2 配置持久化存储与环境变量AI模型通常比较大而且运行过程中会产生一些数据比如缓存、会话记录。我们不希望这些数据在容器重启后丢失所以需要把容器内的目录“映射”到宿主机的磁盘上这叫做“挂载数据卷”。同时系统可能还需要一些配置参数比如服务监听的端口、模型路径等。我们可以通过环境变量来传递。一个比较好的实践是创建一个专门的目录来管理所有相关文件。我们来创建一个mkdir -p ~/danqing-app cd ~/danqing-app在这个目录下我们创建一个用于挂载的目录mkdir data接下来我们编写一个docker-compose.yml文件来定义我们的服务。这个文件把镜像、端口、卷、环境变量等配置都写在一起管理起来非常方便。用你喜欢的编辑器比如vim创建这个文件vim docker-compose.yml然后将类似下面的内容粘贴进去并根据你的实际情况进行调整version: 3.8 services: danqing: image: registry.example.com/danqing:latest # 替换为你的实际镜像名 container_name: danqing-service restart: unless-stopped # 容器意外退出时自动重启 ports: - 7860:7860 # 将容器内的7860端口映射到宿主机的7860端口 volumes: - ./data:/app/data # 将宿主机的./data目录挂载到容器的/app/data environment: - MODEL_PATH/app/data/models # 示例环境变量设置模型路径 - LISTEN_PORT7860 # 示例环境变量设置监听端口 - TZAsia/Shanghai # 设置容器时区 deploy: resources: reservations: devices: - driver: nvidia count: all capabilities: [gpu]关键配置解释ports: “7860:7860”左边是宿主机端口右边是容器内部端口。这意味着你通过服务器的IP地址和7860端口就能访问服务。volumes: “./data:/app/data”把当前目录下的data文件夹映射到容器里的/app/data。这样容器里/app/data下的所有文件都会保存在你服务器的~/danqing-app/data里。environment这里设置容器运行时的环境变量。具体需要哪些变量需要参考你获取的“丹青识画”镜像的文档说明。deploy.resources这部分是Docker Compose v3的语法用于声明GPU资源确保容器能使用GPU。保存并退出编辑器。3.3 启动服务配置好之后启动服务就一行命令cd ~/danqing-app docker-compose up -d-d参数代表“后台运行”。执行后Docker会按照docker-compose.yml的描述去启动容器。你可以用以下命令查看容器是否正常运行docker-compose ps或者查看容器的实时日志docker-compose logs -f如果看到日志显示服务已经启动并在监听7860端口那么最核心的部署就完成了现在你可以尝试在浏览器访问http://你的服务器IP地址:7860应该能看到“丹青识画”系统的Web界面了。4. 配置系统服务与网络访问让容器跑起来只是第一步。对于一个生产环境可用的服务我们还需要它能够开机自启并且通过更友好的域名而不是IP端口来访问最好还能加上HTTPS加密。这一节就来解决这些问题。4.1 使用Systemd实现开机自启虽然我们在docker-compose.yml里设置了restart: unless-stopped但这依赖于Docker服务本身已启动。为了更可靠我们创建一个systemd服务单元让系统在启动时自动运行我们的docker-compose项目。创建服务文件sudo vim /etc/systemd/system/danqing.service写入以下内容。注意替换/home/your_username/danqing-app为你实际的docker-compose.yml文件所在路径以及your_username为你的用户名。[Unit] DescriptionDanqing AI Service Requiresdocker.service Afterdocker.service network-online.target [Service] Typeoneshot RemainAfterExityes WorkingDirectory/home/your_username/danqing-app # 修改为你的路径 ExecStart/usr/local/bin/docker-compose up -d ExecStop/usr/local/bin/docker-compose down Useryour_username # 修改为你的用户名 Groupdocker [Install] WantedBymulti-user.target保存退出后重新加载systemd配置并启用这个服务sudo systemctl daemon-reload sudo systemctl enable danqing.service现在你可以用sudo systemctl start danqing.service来启动用sudo systemctl stop danqing.service来停止。更重要的是下次服务器重启后这个服务会自动运行。检查服务状态sudo systemctl status danqing.service4.2 使用Nginx配置反向代理与SSL直接通过IP和端口访问不太美观也不安全。我们使用Nginx作为反向代理将来自80HTTP和443HTTPS端口的请求转发到内部运行的7860端口服务上并配置SSL证书实现HTTPS加密。首先安装Nginxsudo apt install -y nginx假设你有一个域名例如ai.yourdomain.com已经解析到了这台服务器的公网IP。我们为这个域名配置Nginx。创建一个新的Nginx站点配置文件sudo vim /etc/nginx/sites-available/danqing写入以下配置。请将ai.yourdomain.com替换为你自己的域名。server { listen 80; server_name ai.yourdomain.com; # 替换为你的域名 return 301 https://$server_name$request_uri; # 强制跳转到HTTPS } server { listen 443 ssl http2; server_name ai.yourdomain.com; # 替换为你的域名 # SSL证书路径你需要提前获取证书文件 ssl_certificate /etc/ssl/certs/your_domain.crt; # 替换为你的证书路径 ssl_certificate_key /etc/ssl/private/your_domain.key; # 替换为你的私钥路径 # SSL优化配置可选但推荐 ssl_protocols TLSv1.2 TLSv1.3; ssl_ciphers ECDHE-RSA-AES256-GCM-SHA512:DHE-RSA-AES256-GCM-SHA512; ssl_prefer_server_ciphers off; location / { proxy_pass http://127.0.0.1:7860; # 转发到本地运行的丹青服务 proxy_set_header Host $host; proxy_set_header X-Real-IP $remote_addr; proxy_set_header X-Forwarded-For $proxy_add_x_forwarded_for; proxy_set_header X-Forwarded-Proto $scheme; # 以下配置对于WebSocket或长连接应用很重要 proxy_http_version 1.1; proxy_set_header Upgrade $http_upgrade; proxy_set_header Connection upgrade; proxy_read_timeout 300s; proxy_send_timeout 300s; } # 可选的静态资源缓存配置 location ~* \.(jpg|jpeg|png|gif|ico|css|js)$ { expires 7d; add_header Cache-Control public, immutable; } }关于SSL证书你可以从Let‘s Encrypt免费获取。使用Certbot工具可以自动化这个过程sudo apt install -y certbot python3-certbot-nginx sudo certbot --nginx -d ai.yourdomain.comCertbot会自动修改你的Nginx配置并安装证书。如果你手动管理证书就需要将上面配置中的证书路径指向你的文件。保存Nginx配置文件后创建一个符号链接到sites-enabled目录以启用该站点并测试配置语法sudo ln -s /etc/nginx/sites-available/danqing /etc/nginx/sites-enabled/ sudo nginx -t如果显示“syntax is ok”就可以重启Nginx了sudo systemctl restart nginx最后别忘了在你的云服务器提供商的安全组或防火墙设置中放行80和443端口的入站流量。现在你应该可以通过https://ai.yourdomain.com安全地访问你的“丹青识画”系统了5. 总结与后续建议走完这一整套流程你的“丹青识画”系统应该已经在Ubuntu 20.04上稳稳地跑起来了并且具备了开机自启和HTTPS访问的能力。回顾一下我们其实做了几件关键事把基础的系统环境、Docker和GPU驱动搭好把AI应用镜像拉下来并用Docker Compose管理起来最后为了让这个服务更像一个“产品”我们给它加上了系统级的守护进程和安全的网络门户。部署只是第一步真正用好它还需要花点心思。建议你打开服务后先上传几张不同类型的图片试试它的识别和对话能力感受一下它的强项和边界在哪里。比如试试风景照、带文字的截图、复杂的图表看看它的回答准不准、细不细。如果发现对某些类型的图片理解不好可以看看是否有相关领域的微调模型可以加载。关于维护定期检查一下docker-compose logs看看有没有错误日志关注服务器的磁盘空间特别是你挂载的data目录如果镜像有更新可以尝试拉取新版本并重启服务。安全方面除了我们已经配置的HTTPS还要确保服务器系统的密码足够复杂并考虑设置Nginx的基础访问认证给Web界面再加一把锁。整个过程里最可能出问题的环节是GPU驱动的安装和Nginx的配置。如果遇到问题多看看日志日志是最好的老师。网络上的社区和论坛也有很多现成的解决方案。希望这篇详细的指南能帮你省下不少摸索的时间。获取更多AI镜像想探索更多AI镜像和应用场景访问 CSDN星图镜像广场提供丰富的预置镜像覆盖大模型推理、图像生成、视频生成、模型微调等多个领域支持一键部署。