Installation (Headless)

Die Installation von Headless AugeLab Studio hängt von Ihrem Betriebssystem ab. Folgen Sie den Anweisungen unten für Ihre Plattform.

Windows

Der AugeLab Studio-Installer richtet die Headless-Runtime bereits automatisch ein. Das ist die empfohlene Methode, Headless Studio unter Windows zu installieren.

Linux

Laden Sie das Linux-Installationsskript von https://account.augelab.com herunter. Der Installer unterstützt Debian und Debian-basierte Distributionen (z. B. Ubuntu). Er erstellt ein isoliertes virtuelles Umfeld unter ~/studio_venv, installiert das gewählte studio-Paketprofil und legt bei Auswahl der UI-Modus-Option Desktop-Launcher an.

Warnung: Der Installer installiert nicht das NVIDIA CUDA Toolkit oder NVIDIA-Treiber. Für AI/GPU-Betrieb installieren Sie zuerst den passenden NVIDIA-Treiber und CUDA 12.8 auf dem Rechner.

Vollständige Installation

Für die reguläre Desktop- + Headless-Installation:

chmod +x installer.sh
./installer.sh --ui

Dies installiert studio[ui], erstellt ~/studio_venv, fügt den Launcher augelab_studio hinzu und legt Desktop-Einträge an.

Nach der Installation starten Sie:

augelab_studio

Vollständige Installation mit AI/GPU-Unterstützung

Installieren Sie zuerst den NVIDIA-Treiber und CUDA 12.8. Dann:

chmod +x installer.sh
./installer.sh --ui --ai

Dies installiert studio[ui,gpu].

Nur Headless

Wenn Sie nur die Python-API benötigen und keine Desktop-Oberfläche:

chmod +x installer.sh
./installer.sh --headless

Dies installiert studio. Es werden keine UI-Launcher oder Desktop-Einträge angelegt.

Headless mit AI/GPU-Unterstützung

Installieren Sie zuerst NVIDIA-Treiber und CUDA 12.8. Dann:

chmod +x installer.sh
./installer.sh --headless --ai

Dies installiert studio[gpu]. Es werden keine UI-Launcher oder Desktop-Einträge angelegt.

Interaktive Installation

Starten Sie den Installer ohne Modus-Flags, um den Installationsmodus interaktiv auszuwählen:

chmod +x installer.sh
./installer.sh

Der Installer fragt dann, ob UI- oder Headless-Modus installiert werden soll und ob AI/GPU eingeschlossen werden soll.

Uninteraktive Installation mit Umgebungsvariablen

Nützlich für Automatisierung:

INSTALL_UI=1 INSTALL_AI=0 ./installer.sh
INSTALL_UI=1 INSTALL_AI=1 ./installer.sh
INSTALL_UI=0 INSTALL_AI=0 ./installer.sh
INSTALL_UI=0 INSTALL_AI=1 ./installer.sh

INSTALL_UI=1 wählt den UI-Modus. INSTALL_AI=1 fügt das AI/GPU-Extra hinzu.

Deinstallation

./installer.sh --uninstall

Dies entfernt vom Installer angelegte Dateien:

• ~/studio_venv

• ~/.local/bin/augelab_studio

• AugeLab Studio Desktop-Einträge

• AugeLab Studio Icons

Elternverzeichnisse werden nur entfernt, wenn sie leer sind.

Manuelle Python-Installation

Verwenden Sie wenn möglich den Installer. Wenn Sie manuell installieren müssen, legen Sie ein isoliertes virtuelles Umfeld an (nicht das System-Python):

apt-get update -y && \
    apt-get install -y --no-install-recommends \
    libdmtx0b \
    zbar-tools \
    build-essential \
    libgl1-mesa-glx \
    curl \
    ca-certificates \
    && rm -rf /var/lib/apt/lists/*

curl -fsSL https://astral.sh/uv/install.sh | sh
uv venv -p 3.12 studio_venv
uv pip install --python studio_venv/bin/python \
    studio \
    --extra-index-url https://pyrepo.augelab.com \
    --extra-index-url https://download.pytorch.org/whl/cpu \
    --index-strategy unsafe-best-match

Für eine manuelle AI/GPU-Installation installieren Sie zuerst NVIDIA-Treiber und CUDA 12.8, und ersetzen dann studio durch studio[gpu].

Docker mit CPU/CUDA auf x86_64

Für Kundendeployments bauen Sie das Container-Image aus einem Dockerfile. AugeLab Studio ist Closed-Source, daher installiert das Docker-Image das studio-Paket aus dem AugeLab-Paketindex statt Studio aus dem Quellcode zu bauen.

Verwenden Sie das Dokument Docker Example (docker-example.md) als offiziellen Leitfaden. Es enthält:

• CPU Dockerfile

• GPU/CUDA Dockerfile

• docker-compose.yml

• .env

• ein Script zum Ausführen von Szenarien

• ein eingebundenes Output-Verzeichnis

CPU Docker

Verwenden Sie CPU Docker, wenn Ihr Szenario keine CUDA-Beschleunigung benötigt. Das Beispiel baut auf python:3.12-slim-bookworm und installiert studio.

GPU/CUDA

AugeLab Studio unterstützt CUDA-Beschleunigung für Headless-Szenarien. Für GPU-Docker sind kompatible NVIDIA-Treiber und das NVIDIA Container Toolkit auf dem Host erforderlich.

Verwenden Sie das GPU/CUDA Dockerfile im Docker Example. Es baut auf einem NVIDIA CUDA-Runtime-Image auf und installiert studio[gpu].

ARM64 (Raspberry Pi, Jetson Nano/AGX)

AugeLab Studio unterstützt ARM64-Architektur für Headless-Nutzung auf Debian-basierten Geräten wie Raspberry Pi und NVIDIA Jetson.

Laden Sie die Linux ARM64-Installationsskripte von https://account.augelab.com herunter und führen Sie den Installer auf dem Gerät aus.

Vollständige ARM64-Installation

chmod +x installer.sh
./installer.sh --ui

Dies installiert studio[ui], erstellt ~/studio_venv, fügt den Launcher augelab_studio hinzu und legt Desktop-Einträge an.

Vollständige ARM64-Installation mit AI/GPU-Unterstützung

Installieren Sie zuerst den passenden NVIDIA JetPack/CUDA-Stack für Ihr Gerät. Bei Jetson-Geräten verwenden Sie die CUDA-Version, die zu Ihrer JetPack-Version passt.

chmod +x installer.sh
./installer.sh --ui --ai

Dies installiert studio[ui,gpu].

Nur Headless ARM64

chmod +x installer.sh
./installer.sh --headless

Dies installiert studio. Es werden keine UI-Launcher oder Desktop-Einträge angelegt.

Headless ARM64 mit AI/GPU-Unterstützung

Installieren Sie zuerst den passenden NVIDIA JetPack/CUDA-Stack für Ihr Gerät. Bei Jetson-Geräten verwenden Sie die CUDA-Version, die zu Ihrer JetPack-Version passt.

chmod +x installer.sh
./installer.sh --headless --ai

Dies installiert studio[gpu]. Es werden keine UI-Launcher oder Desktop-Einträge angelegt.

ARM64 Deinstallation

./installer.sh --uninstall

Info: Der ARM64-Installer unterstützt Debian und Debian-basierte Distributionen. Wenn Ihr Gerät eine andere Linux-Familie verwendet, kontaktieren Sie AugeLab für Deployment-Hilfe.

Für Jetson GPU/CUDA-Deployments sorgen Sie dafür, dass Installer, JetPack, CUDA-Stack und das AugeLab-Paketprofil für Ihr Gerät zueinander passen.