CVAT平台安装和半自动标注搭建

一.我的运行环境

(cvat-2.6.0版本验证可用。)

（1）只支持Ubuntu18.04及以上的系统，16.04不支持

（2）我的电脑环境显卡是2080Ti：

如果要安装cvat其他版本，需要把之前安装好的docker容器关闭和删除，docker镜像也要删除，只保留nvidia/cuda的镜像。然后再按照下面的步骤重新走一边安装流程。

bash 复制代码

docker简单的一些操作：
docker compose down ，    docker stop xxxx，   
docker rm xxxx（删容器）， docker rmi xxxx（删镜像）

二.平台搭建

1.基础安装-平台搭建

1.1 先安装Docker 和 Docker Compose**

（是docker compose 不是docker-compose）

（docker 需要 19.03版本及以上）

bash 复制代码

sudo apt-get update
sudo apt-get --no-install-recommends install -y \
  apt-transport-https \
  ca-certificates \
  curl \
  gnupg-agent \
  software-properties-common
curl -fsSL https://download.docker.com/linux/ubuntu/gpg | sudo apt-key add -
sudo add-apt-repository \
  "deb [arch=amd64] https://download.docker.com/linux/ubuntu \
  $(lsb_release -cs) \
  stable"
sudo apt-get update
sudo apt-get --no-install-recommends install -y \
  docker-ce docker-ce-cli containerd.io docker-compose-plugin

也可以在docker 的官网安装：

bash 复制代码

https://docs.docker.com/engine/install/ubuntu/#set-up-the-repository

1.2 设置不需要root权限

bash 复制代码

sudo groupadd docker
sudo usermod -aG docker $USER

1.3下载cvat

bash 复制代码

git clone https://github.com/opencv/cvat
cd cvat

1.4设置cvat运行的环境

bash 复制代码

export CVAT_HOST=your-ip-address
比如我的ubuntu电脑ip:192.168.15.27

1.5 配置docker-compose.yml，启动ip:8080登录

注意：如果这步不做，cvat会出现有时候只能用localhost:8080登录。

先备份一份docker-compose.yml，再把docker-compose.yml里面的localhost全都改为部署cvat的电脑ip：

1.6 运行docker容器

bash 复制代码

docker compose up -d

1.7创建一个超级用户。（这一步很重要）

超级用户可以使用管理面板，为用户分配正确的组。

bash 复制代码

docker exec -it cvat_server bash -ic 'python3 ~/manage.py createsuperuser'

1.8安装google的chrome浏览器（选择安装，火狐浏览器也可以使用）

bash 复制代码

curl https://dl-ssl.google.com/linux/linux_signing_key.pub | sudo apt-key add -
sudo sh -c 'echo "deb [arch=amd64] http://dl.google.com/linux/chrome/deb/ stable main" >> /etc/apt/sources.list.d/google-chrome.list'
sudo apt-get update
sudo apt-get --no-install-recommends install -y google-chrome-stable

1.9 登录cvat平台

打开已安装的Google Chrome浏览器并转到192.168.15.27:8080。在登录页面上键入超级用户的登录名/密码，然后按Login 按钮，就可以创建项目和任务了。

2.高级安装1-cpu自动标注搭建

2.1先将所有开启的跟cvat有关的容器关闭

bash 复制代码

sudo docker compose down

2.2启动带有serverless框架的容器服务

利用serverless框架的nuclio来进行安装半自动标注功能。

bash 复制代码

sudo docker compose -f docker-compose.yml -f components/serverless/docker-compose.serverless.yml up -d

注意：如果对docker composose文件做了任何更改，或者运行上述指令无法全部启动服务，需要在末尾添加--build，重建serverless框架。

bash 复制代码

sudo docker compose -f docker-compose.yml -f components/serverless/docker-compose.serverless.yml up -d --build

测试serverless框架的nuclio是否已经正常启动，需要登录网页，输入192.168.15.27:8070查看。

（192.168.15.27是我部署服务的电脑ip）

2.3安装nuclio中的nuctl命令行工具才能构建和部署无服务器功能。

下载的版本必须与docker-compose.serverless.yml里面写着的版本一致。这里是写着1.8.14，所以nuctl要下载1.8.14版本。

bash 复制代码

image: quay.io/nuclio/dashboard:1.8.14-amd64

bash 复制代码

wget https://github.com/nuclio/nuclio/releases/download/1.8.14/nuctl-1.8.14-linux-amd64

2.4给nuctl加上权限，做软连接

bash 复制代码

sudo chmod +x nuctl-1.8.14-linux-amd64
sudo ln -sf $(pwd)/nuctl-1.8.14-linux-amd64 /usr/local/bin/nuctl

2.5利用cpu来部署serverless functions(半自动标注函数)

先修改要部署的模型的function.yaml或者function-gpu.yaml文件，把opencv-python， torch等库用清华源来安装，因为这种库从官网安装会超级慢。

具体参考下面gpu安装的sam模型。
若不想用cpu来部署半自动标注函数，有gpu的可以使用下面3步骤的gpu方式来部署半自动标注函数

bash 复制代码

sudo ./serverless/deploy_cpu.sh serverless/openvino/omz/public/yolo-v3-tf
sudo ./serverless/deploy_cpu.sh serverless/openvino/dextr

3.高级安装2-gpu自动标注搭建

先安装Nvidia Container Toolkit

bash 复制代码

https://docs.nvidia.com/datacenter/cloud-native/container-toolkit/latest/install-guide.html

3.1设置Docker

bash 复制代码

curl https://get.docker.com | sh \
&& sudo systemctl --now enable docker

3.2设置NVIDIA Container Toolkit

设置软件包存储库和GPG密钥, 在终端执行：

bash 复制代码

distribution=$(. /etc/os-release;echo $ID$VERSION_ID) \
      && curl -fsSL https://nvidia.github.io/libnvidia-container/gpgkey | sudo gpg --dearmor -o /usr/share/keyrings/nvidia-container-toolkit-keyring.gpg \
      && curl -s -L https://nvidia.github.io/libnvidia-container/$distribution/libnvidia-container.list | \
            sed 's#deb https://#deb [signed-by=/usr/share/keyrings/nvidia-container-toolkit-keyring.gpg] https://#g' | \
            sudo tee /etc/apt/sources.list.d/nvidia-container-toolkit.list

如果在配置存储库后运行apt update会引发有关Signed-By选项冲突的错误，请参阅疑难解答部分。

3.3安装nvidia-container-toolkit包（和依赖项）：

bash 复制代码

sudo apt-get update
sudo apt-get install -y nvidia-container-toolkit
sudo nvidia-ctk runtime configure --runtime=docker
sudo systemctl restart docker

3.4 测试cuda容器是否正常

bash 复制代码

sudo docker run --rm --runtime=nvidia --gpus all nvidia/cuda:11.6.2-base-ubuntu20.04 nvidia-smi

3.5 gpu部署sam等半自动标注工具

有分割，检测，文本，3D点云等半自动标注的网路模型：

先修改serverless/pytorch/facebookresearch/sam/function-gpu.yaml文件:

(1) 把不好下载的库，用清华源来下载：

改为：

再执行以下命令：

bash 复制代码

#部署sam模型
sudo ./serverless/deploy_gpu.sh serverless/pytorch/facebookresearch/sam

如果运行nuctl create project cvat --platform local出现段错误，可能原因：

（1）之前版本残留，影响了现在版本的安装。

（2）这个版本自身存在问题。
解决方案（验证可行）：清空之前版本，更换另一版本版本进行安装。