NVIDIA CUDA GPU Installation

在环境满足如下条件前提下

GPU驱动 >= 535
CUDA >= 12.3
CUDNN >= 9.5
Python >= 3.10
Linux X86_64

可通过如下5种方式进行安装

1. 预编译Docker安装(推荐)

注意：预编译镜像支持 80/86/89/90 架构的GPU硬件 (如 A800/H800/L20/L40/4090) 且仅支持 Python 3.10。

# CUDA 12.6
docker pull ccr-2vdh3abv-pub.cnc.bj.baidubce.com/paddlepaddle/fastdeploy-cuda-12.6:2.5.0
# CUDA 12.9
docker pull ccr-2vdh3abv-pub.cnc.bj.baidubce.com/paddlepaddle/fastdeploy-cuda-12.9:2.5.0

2. 预编译Pip安装

首先安装 paddlepaddle-gpu，详细安装方式参考 PaddlePaddle安装

# Install stable release
# CUDA 12.6
python -m pip install paddlepaddle-gpu==3.3.1 -i https://www.paddlepaddle.org.cn/packages/stable/cu126/
# CUDA 12.9
python -m pip install paddlepaddle-gpu==3.3.1 -i https://www.paddlepaddle.org.cn/packages/stable/cu129/

# Install latest Nightly build
# CUDA 12.6
python -m pip install --pre paddlepaddle-gpu -i https://www.paddlepaddle.org.cn/packages/nightly/cu126/
# CUDA 12.9
python -m pip install --pre paddlepaddle-gpu -i https://www.paddlepaddle.org.cn/packages/nightly/cu129/

再安装 fastdeploy，注意不要通过pypi源安装，需要通过如下方式安装(目前支持80/86/89/90四个架构GPU）

注意: 稳定版本的FastDeploy搭配稳定版本的PaddlePaddle; 而Nightly Build的FastDeploy则对应Nightly Build的PaddlePaddle。其中 --extra-index-url 仅用于安装 fastdeploy-gpu 所需的依赖包，fastdeploy-gpu 本身必须从 -i 指定的 Paddle 源安装。

# 安装稳定版本FastDeploy
# CUDA 12.6
python -m pip install fastdeploy-gpu==2.5.0 -i https://www.paddlepaddle.org.cn/packages/stable/cu126/ --extra-index-url https://mirrors.tuna.tsinghua.edu.cn/pypi/web/simple
# CUDA 12.9
python -m pip install fastdeploy-gpu==2.5.0 -i https://www.paddlepaddle.org.cn/packages/stable/cu129/ --extra-index-url https://mirrors.tuna.tsinghua.edu.cn/pypi/web/simple

# 安装Nightly Build版本FastDeploy
# CUDA 12.6
python -m pip install fastdeploy-gpu -i https://www.paddlepaddle.org.cn/packages/nightly/cu126/ --extra-index-url https://mirrors.tuna.tsinghua.edu.cn/pypi/web/simple
# CUDA 12.9
python -m pip install fastdeploy-gpu -i https://www.paddlepaddle.org.cn/packages/nightly/cu129/ --extra-index-url https://mirrors.tuna.tsinghua.edu.cn/pypi/web/simple

3. 镜像自行构建

注意 dockerfiles/Dockerfile.gpu 默认编译产物仅支持 SM 80/86/89/90 架构，基于 CUDA 12.6 环境构建，且仅支持 Python 3.10，如若需要支持其它架构，需自行修改Dockerfile中的 bash build.sh 1 python false [80,90]，建议不超过2个架构。

git clone https://github.com/PaddlePaddle/FastDeploy
cd FastDeploy

docker build -f dockerfiles/Dockerfile.gpu -t fastdeploy:gpu .

4. Wheel包源码编译

首先安装 paddlepaddle-gpu，详细安装方式参考 PaddlePaddle安装

python -m pip install paddlepaddle-gpu==3.3.1 -i https://www.paddlepaddle.org.cn/packages/stable/cu126/

接着克隆源代码，编译安装

git clone https://github.com/PaddlePaddle/FastDeploy
cd FastDeploy

# 第1个参数: 表示是否要构建wheel包，1表示打包，0表示只编译
# 第2个参数: Python解释器路径
# 第3个参数: 是否编译CPU推理算子
# 第4个参数: 编译的GPU架构
bash build.sh 1 python false [80,90]

编译后的产物在FastDeploy/dist目录下。

5. 算子预编译 Wheel 包

FastDeploy 提供了 GPU 算子预编译版 Wheel 包，可在无需完整源码编译的情况下快速构建。该方式当前仅支持 SM80/90 架构（A100/H100等） CUDA 12.6 和 Python 3.10 环境。

默认情况下，build.sh 会从源码编译；若希望使用预编译包，可使用FD_USE_PRECOMPILED 参数；若预编译包下载失败或与环境不匹配，系统会自动回退至 4. wheel 包源码编译 模式。

首先安装 paddlepaddle-gpu，详细安装方式参考 PaddlePaddle安装

python -m pip install paddlepaddle-gpu==3.3.1 -i https://www.paddlepaddle.org.cn/packages/stable/cu126/

接着克隆源代码，拉取 whl 包并安装

git clone https://github.com/PaddlePaddle/FastDeploy
cd FastDeploy

# 第1个参数: 是否打包成 wheel (1 表示打包)
# 第2个参数: Python 解释器路径
# 第3个参数: 是否编译 CPU 推理算子 (false 表示仅 GPU)
# 第4个参数: GPU 架构 (当前仅支持 80/90)
# 第5个参数: 是否使用预编译算子 (1 表示启用预编译)
# 第6个参数(可选): 指定预编译算子的 commitID（默认使用当前的 commitID）

# 使用预编译 whl 包加速构建
bash build.sh 1 python false [90] 1

# 从指定 commitID 获取对应预编译算子
bash build.sh 1 python false [90] 1 d693d4be1448d414097882386fdc24c8bec2a63a

下载的 whl 包在 FastDeploy/pre_wheel目录下。

构建完成后，算子相关的产物位于 FastDeploy/fastdeploy/model_executor/ops/gpu 目录下。

说明： - 该模式会优先下载预编译的 GPU 算子 whl 包，减少编译时间； - 目前仅支持 GPU， SM80/90 架构， CUDA 12.6， Python3.10； - 若希望自定义架构或修改算子逻辑，请使用 源码编译方式（第4节）。 - 您可以在 FastDeploy CI 构建状态页面查看对应 commit 的预编译 whl 是否已构建成功。

环境检查

在安装 FastDeploy 后，通过如下 Python 代码检查环境的可用性

import paddle
from paddle.jit.marker import unified
# 检查GPU卡的可用性
paddle.utils.run_check()

如上代码执行成功，则认为环境可用。