Docker Schnellstartanleitung für Ultralytics

Dieser Leitfaden dient als umfassende Einführung in die Einrichtung einer Docker-Umgebung für deine Ultralytics Projekte. Docker ist eine Plattform für die Entwicklung, den Versand und die Ausführung von Anwendungen in Containern. Sie ist besonders nützlich, um sicherzustellen, dass die Software immer gleich läuft, unabhängig davon, wo sie eingesetzt wird. Weitere Informationen findest du im Ultralytics Docker Repository auf Docker Hub.

Was du lernen wirst

• Docker mit NVIDIA-Unterstützung einrichten
• Installation von Ultralytics Docker-Images
• Ultralytics in einem Docker-Container ausführen
• Lokale Verzeichnisse in den Container einbinden

Voraussetzungen

• Stelle sicher, dass Docker auf deinem System installiert ist. Falls nicht, kannst du es von der Website von Docker herunterladen und installieren.
• Vergewissere dich, dass dein System einen NVIDIA-Grafikprozessor hat und die NVIDIA-Treiber installiert sind.

Docker mit NVIDIA-Unterstützung einrichten

Überprüfe zunächst, ob die NVIDIA-Treiber richtig installiert sind, indem du sie ausführst:

nvidia-smi

Installation der NVIDIA Docker Runtime

Jetzt installieren wir die NVIDIA Docker-Laufzeit, um die GPU-Unterstützung in Docker-Containern zu aktivieren:

# 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 to apply changes
sudo systemctl restart docker

NVIDIA Runtime mit Docker verifizieren

Lauf docker info | grep -i runtime um sicherzustellen, dass nvidia erscheint in der Liste der Laufzeiten:

docker info | grep -i runtime

Installation von Ultralytics Docker Images

Ultralytics bietet mehrere Docker-Images, die für verschiedene Plattformen und Anwendungsfälle optimiert sind:

• Dockerfile: GPU-Image, ideal für das Training.
• Dockerfile-arm64: Für die ARM64-Architektur, geeignet für Geräte wie den Raspberry Pi.
• Dockerfile-cpu: Eine reine CPU-Version für Inferenz- und Nicht-GPU-Umgebungen.
• Dockerfile-jetson: Optimiert für NVIDIA Jetson Geräte.
• Dockerfile-python: Minimale Python Umgebung für leichtgewichtige Anwendungen.
• Dockerfile-conda: Enthält Miniconda3 und das Ultralytics Paket, das über Conda installiert wird.

So ziehst du das neueste Bild:

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

# Pull the latest Ultralytics image from Docker Hub
sudo docker pull $t

Ultralytics in Docker Container ausführen

Hier erfährst du, wie du den Ultralytics Docker-Container ausführst:

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

# Run specifying which GPUs to use
sudo docker run -it --ipc=host --gpus '"device=2,3"' $t

Die -it Flag weist ein Pseudo-TTY zu und hält stdin offen, damit du mit dem Container interagieren kannst. Die --ipc=host Flag ermöglicht die gemeinsame Nutzung des IPC-Namensraums des Hosts, der für die gemeinsame Nutzung von Speicher durch Prozesse unerlässlich ist. Die --gpus Flag ermöglicht dem Container den Zugriff auf die GPUs des Hosts.

Hinweis zur Zugänglichkeit von Dateien

Um mit Dateien auf deinem lokalen Rechner innerhalb des Containers zu arbeiten, kannst du Docker-Volumes verwenden:

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

Ersetze /path/on/host mit dem Verzeichnispfad auf deinem lokalen Rechner und /path/in/container mit dem gewünschten Pfad innerhalb des Docker-Containers.

Herzlichen Glückwunsch! Du bist nun in der Lage, Ultralytics mit Docker zu verwenden und die Vorteile seiner leistungsstarken Funktionen zu nutzen. Alternative Installationsmethoden findest du in der Schnellstart-DokumentationUltralytics .

Kommentare