Docker Schnellstartanleitung für Ultralytics

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

Was Sie lernen werden

• Einrichten von Docker mit NVIDIA Unterstützung
• Installation von Ultralytics Docker-Images
• Ausführung von Ultralytics in einem Docker-Container mit Unterstützung von CPU oder GPU
• Verwendung eines Display-Servers mit Docker zur Anzeige von Ultralytics Erkennungsergebnissen
• Einbindung lokaler Verzeichnisse in den Container

Voraussetzungen

• Stellen Sie sicher, dass Docker auf Ihrem System installiert ist. Falls nicht, können Sie es von der Docker-Website herunterladen und installieren.
• Vergewissern Sie sich, dass Ihr System über ein NVIDIA GPU verfügt und NVIDIA Treiber installiert sind.

Einrichten von Docker mit NVIDIA Unterstützung

Vergewissern Sie sich zunächst, dass die Treiber von NVIDIA ordnungsgemäß installiert sind, indem Sie sie ausführen:

nvidia-smi

Installation von NVIDIA Docker Runtime

Installieren wir nun die NVIDIA Docker-Laufzeitumgebung, um die Unterstützung von GPU 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

Überprüfen Sie NVIDIA Runtime mit Docker

ausführen. 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 Schulungen.
• Dockerfile-arm64: Für ARM64-Architektur, geeignet für Geräte wie Raspberry Pi.
• Dockerfile-cpu: CPU-only version for inference and non-GPU environments.
• 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.

Zum Abrufen des neuesten Bildes:

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

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

Ausführen von Ultralytics in Docker-Containern

So führen Sie den Ultralytics Docker-Container aus:

Nur die Verwendung der CPU

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

Einsatz von GPUs

# 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, so dass Sie mit dem Container interagieren können. Der --ipc=host Flag ermöglicht die gemeinsame Nutzung des IPC-Namensraums des Hosts, was für die gemeinsame Nutzung von Speicher durch Prozesse unerlässlich ist. Die --gpus Flagge erlaubt dem Container den Zugriff auf die GPUs des Hosts.

Ausführen von Ultralytics in Docker-Containern

So führen Sie den Ultralytics Docker-Container aus:

Nur die Verwendung der CPU

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

Einsatz von GPUs

# 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, so dass Sie mit dem Container interagieren können. Der --ipc=host Flag ermöglicht die gemeinsame Nutzung des IPC-Namensraums des Hosts, was für die gemeinsame Nutzung von Speicher durch Prozesse unerlässlich ist. Die --gpus Flagge erlaubt dem Container den Zugriff auf die GPUs des Hosts.

Hinweis zur Zugänglichkeit von Dateien

Um mit Dateien auf Ihrem lokalen Rechner innerhalb des Containers zu arbeiten, können Sie 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

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

Ausführen von Anwendungen mit grafischer Benutzeroberfläche (GUI) in einem Docker-Container

Docker wird in erster Linie zur Containerisierung von Hintergrundanwendungen und CLI Programmen verwendet, kann aber auch grafische Programme ausführen. In der Linux-Welt gibt es zwei wichtige Grafikserver für die grafische Darstellung: X11 (auch bekannt als das X Window System) und Wayland. Bevor Sie beginnen, müssen Sie unbedingt feststellen, welchen Grafikserver Sie derzeit verwenden. Führen Sie diesen Befehl aus, um das herauszufinden:

env | grep -E -i 'x11|xorg|wayland'

Die Einrichtung und Konfiguration eines X11- oder Wayland-Anzeigeservers liegt außerhalb des Rahmens dieses Handbuchs. Wenn der obige Befehl nichts zurückgibt, müssen Sie zunächst eines der beiden Systeme zum Laufen bringen, bevor Sie fortfahren.

Ausführen eines Docker-Containers mit einer GUI

If you're using [GPUs](#using-gpus), you can add the `--gpus all` flag to the command.

xhost +local:docker && docker run -e DISPLAY=$DISPLAY \
-v /tmp/.X11-unix:/tmp/.X11-unix \
-v ~/.Xauthority:/root/.Xauthority \
-it --ipc=host $t

xhost +local:docker && docker run -e DISPLAY=$DISPLAY \
-v $XDG_RUNTIME_DIR/$WAYLAND_DISPLAY:/tmp/$WAYLAND_DISPLAY \
--net=host -it --ipc=host $t

Docker mit einer GUI verwenden

Jetzt können Sie grafische Anwendungen innerhalb Ihres Docker-Containers anzeigen. Sie können zum Beispiel den folgenden CLI Befehl ausführen, um die Vorhersagen eines YOLO11 Modells zu visualisieren:

yolo predict model=yolo11n.pt show=True

Wenn Sie mit Docker GUI fertig sind

xhost -local:docker

Herzlichen Glückwunsch! Sie sind nun in der Lage, Ultralytics mit Docker zu verwenden und die Vorteile seiner leistungsstarken Funktionen zu nutzen. Alternative Installationsmethoden finden Sie in der Schnellstart-DokumentationUltralytics .

FAQ

Wie kann ich Ultralytics mit Docker einrichten?

Um Ultralytics mit Docker einzurichten, stellen Sie zunächst sicher, dass Docker auf Ihrem System installiert ist. Wenn Sie eine NVIDIA GPU haben, installieren Sie die NVIDIA Docker-Laufzeitumgebung, um die GPU -Unterstützung zu aktivieren. Ziehen Sie dann das neueste Ultralytics Docker-Image von Docker Hub mit dem folgenden Befehl:

sudo docker pull ultralytics/ultralytics:latest

Detaillierte Schritte finden Sie in unserem Docker Quickstart Guide.

Was sind die Vorteile der Verwendung von Ultralytics Docker-Images für Projekte des maschinellen Lernens?

Die Verwendung von Ultralytics Docker-Images gewährleistet eine konsistente Umgebung auf verschiedenen Rechnern und repliziert die gleiche Software und Abhängigkeiten. Dies ist besonders nützlich für die Zusammenarbeit zwischen Teams, die Ausführung von Modellen auf unterschiedlicher Hardware und die Aufrechterhaltung der Reproduzierbarkeit. Für GPU-basiertes Training bietet Ultralytics optimierte Docker-Images wie Dockerfile für den allgemeinen Gebrauch GPU und Dockerfile-jetson für NVIDIA Jetson-Geräte. Erkunden Sie Ultralytics Docker-Hub für weitere Einzelheiten.

Wie kann ich Ultralytics YOLO in einem Docker-Container mit GPU Unterstützung ausführen?

Stellen Sie zunächst sicher, dass die NVIDIA Docker-Laufzeitumgebung installiert und konfiguriert ist. Verwenden Sie dann den folgenden Befehl, um Ultralytics YOLO mit Unterstützung von GPU auszuführen:

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

Mit diesem Befehl wird ein Docker-Container mit GPU Zugriff eingerichtet. Weitere Einzelheiten finden Sie im Docker Quickstart Guide.

Wie visualisiere ich YOLO Vorhersageergebnisse in einem Docker-Container mit einem Display-Server?

Um YOLO Vorhersageergebnisse mit einer grafischen Benutzeroberfläche in einem Docker-Container zu visualisieren, müssen Sie Docker den Zugriff auf Ihren Anzeigeserver erlauben. Für Systeme, auf denen X11 läuft, lautet der Befehl:

xhost +local:docker && docker run -e DISPLAY=$DISPLAY \
-v /tmp/.X11-unix:/tmp/.X11-unix \
-v ~/.Xauthority:/root/.Xauthority \
-it --ipc=host ultralytics/ultralytics:latest

Für Systeme, auf denen Wayland läuft, verwenden Sie:

xhost +local:docker && docker run -e DISPLAY=$DISPLAY \
-v $XDG_RUNTIME_DIR/$WAYLAND_DISPLAY:/tmp/$WAYLAND_DISPLAY \
--net=host -it --ipc=host ultralytics/ultralytics:latest

Weitere Informationen finden Sie im Abschnitt Ausführen von Anwendungen mit grafischer Benutzeroberfläche (GUI) in einem Docker-Container.

Kann ich lokale Verzeichnisse in den Ultralytics Docker-Container einbinden?

Ja, Sie können lokale Verzeichnisse in den Ultralytics Docker-Container mounten, indem Sie die -v Flagge:

sudo docker run -it --ipc=host --gpus all -v /path/on/host:/path/in/container ultralytics/ultralytics:latest

Ersetzen Sie /path/on/host mit dem Verzeichnis auf Ihrem lokalen Rechner und /path/in/container mit dem gewünschten Pfad innerhalb des Containers. Auf diese Weise können Sie mit Ihren lokalen Dateien innerhalb des Containers arbeiten. Weitere Informationen finden Sie in dem entsprechenden Abschnitt über Montage lokaler Verzeichnisse.

📅 Erstellt vor 1 Jahr ✏️ Aktualisiert vor 2 Monaten

Kommentare