ابدأ العمل مع YOLOv5 🚀 في Docker

سيرشدك هذا البرنامج التعليمي خلال عملية إعداد YOLOv5 وتشغيله في حاوية Docker، مع توفير إرشادات شاملة لكل من بيئات CPU GPU .

يمكنك أيضًا استكشاف خيارات أخرى للبدء السريع YOLOv5 ، مثل دفتر ملاحظات كولاب , جهاز التعلم العميق الافتراضي GCPو أمازون AWS.

المتطلبات الأساسية

Docker: قم بتثبيت Docker من موقع Docker الرسمي.
برنامج تشغيلNVIDIA (لدعم GPU ): الإصدار 455.23 أو أعلى. التنزيل من موقعNVIDIA على الويب.
وقت تشغيلNVIDIA Docker Runtime (لدعم GPU ): يسمح لـ Docker بالتفاعل مع GPU المحلية. اتبع تعليمات التثبيت أدناه.

إعداد وقت تشغيل NVIDIA Docker Runtime

تحقق من تثبيت برامج تشغيل NVIDIA بشكل صحيح:

nvidia-smi

قم بتثبيت وقت تشغيل NVIDIA Docker Docker:

# Add NVIDIA package repositories
curl -s -L https://nvidia.github.io/nvidia-docker/gpgkey | sudo apt-key add -
distribution=$(lsb_release -cs)
curl -s -L https://nvidia.github.io/nvidia-docker/$distribution/nvidia-docker.list | sudo tee /etc/apt/sources.list.d/nvidia-docker.list

# Install NVIDIA Docker runtime
sudo apt-get update
sudo apt-get install -y nvidia-docker2

# Restart Docker service
sudo systemctl restart docker

تحقق من توفر وقت تشغيل NVIDIA :

docker info | grep -i runtime

الخطوة 1: اسحب صورة Docker YOLOv5

يتوفر مستودع Ultralytics YOLOv5 DockerHub على الرابط التالي https://hub.docker.com/r/ultralytics/yolov5. يضمن الإنشاء التلقائي ل Docker Autobuild ultralytics/yolov5:latest الصورة متزامنة دائمًا مع أحدث التزام للمستودع.

# Set image name as a variable
t=ultralytics/yolov5:latest

# Pull the latest image
sudo docker pull $t

الخطوة 2: تشغيل حاوية Docker Container

استخدام CPU فقط

قم بتشغيل مثيل تفاعلي لصورة YOLOv5 Docker (تسمى "حاوية") باستخدام -it العلم:

# Run without GPU
sudo docker run -it --ipc=host $t

استخدام GPU

# Run with all GPUs
sudo docker run -it --ipc=host --gpus all $t

# Run with specific GPUs
sudo docker run -it --ipc=host --gpus '"device=2,3"' $t

تركيب الدلائل المحلية

للوصول إلى الملفات الموجودة على جهازك المحلي داخل الحاوية:

# Mount a local directory into the container
sudo docker run -it --ipc=host --gpus all -v /path/on/host:/path/in/container $t

حاوية بها GPU الوصول

لتشغيل حاوية مع وصول GPU ، استخدم أداة --gpus all العلم:

sudo docker run --ipc=host -it --gpus all ultralytics/yolov5:latest

الخطوة 3: استخدام YOLOv5 🚀 داخل حاوية Docker

يمكنك الآن تدريب واختبار واكتشاف وتصدير نماذج YOLOv5 داخل حاوية Docker قيد التشغيل:

# Train a model on your data
python train.py

# Validate the trained model for Precision, Recall, and mAP
python val.py --weights yolov5s.pt

# Run inference using the trained model on your images or videos
python detect.py --weights yolov5s.pt --source path/to/images

# Export the trained model to other formats for deployment
python export.py --weights yolov5s.pt --include onnx coreml tflite