Guide de démarrage rapide de Docker pour Ultralytics

Ce guide sert d'introduction complète à la mise en place d'un environnement Docker pour tes projets Ultralytics . Docker est une plateforme qui permet de développer, d'expédier et d'exécuter des applications dans des conteneurs. Elle est particulièrement bénéfique pour s'assurer que le logiciel fonctionnera toujours de la même manière, quel que soit l'endroit où il est déployé. Pour plus de détails, visite le dépôt Docker Ultralytics sur Docker Hub.

Ce que tu apprendras

• Configuration de Docker avec prise en charge de NVIDIA
• Installation de Ultralytics Images Docker
• Exécuter Ultralytics dans un conteneur Docker avec le support de CPU ou GPU .
• Utilisation d'un serveur d'affichage avec Docker pour afficher les résultats de la détection de Ultralytics .
• Montage des répertoires locaux dans le conteneur

Conditions préalables

• Assure-toi que Docker est installé sur ton système. Si ce n'est pas le cas, tu peux le télécharger et l'installer à partir du site web de Docker.
• Assure-toi que ton système dispose d'un NVIDIA GPU et que les pilotes NVIDIA sont installés.

Configuration de Docker avec NVIDIA Support

Tout d'abord, vérifie que les pilotes NVIDIA sont correctement installés en lançant :

nvidia-smi

Installation de NVIDIA Docker Runtime

Maintenant, installons le runtime Docker NVIDIA pour activer la prise en charge de GPU dans les conteneurs 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 to apply changes
sudo systemctl restart docker

Vérifier NVIDIA Runtime avec Docker

Exécuter docker info | grep -i runtime pour s'assurer que nvidia apparaît dans la liste des durées d'exécution :

docker info | grep -i runtime

Installation de Ultralytics Images Docker

Ultralytics propose plusieurs images Docker optimisées pour différentes plateformes et cas d'utilisation :

• Dockerfile : image GPU , idéale pour la formation.
• Dockerfile-arm64 : Pour l'architecture ARM64, adaptée aux appareils comme le Raspberry Pi.
• Dockerfile-cpu: CPU-version uniquement pour les environnements d'inférence et nonGPU .
• Dockerfile-jetson : Optimisé pour les appareils NVIDIA Jetson.
• Dockerfile-python: Environnement minimal Python pour les applications légères.
• Dockerfile-conda : inclut le paquet Miniconda3 et Ultralytics installé via Conda.

Pour obtenir la dernière image :

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

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

Exécuter Ultralytics dans un conteneur Docker

Voici comment exécuter le conteneur Docker Ultralytics :

En utilisant uniquement le CPU

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

Utilisation des GPU

# 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

Le -it attribue un pseudo-TTY et garde stdin ouvert, ce qui te permet d'interagir avec le conteneur. L'indicateur --ipc=host permet de partager l'espace de noms IPC de l'hôte, ce qui est essentiel pour partager la mémoire entre les processus. L'indicateur --gpus permet au conteneur d'accéder aux GPU de l'hôte.

Exécuter Ultralytics dans un conteneur Docker

Voici comment exécuter le conteneur Docker Ultralytics :

En utilisant uniquement le CPU

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

Utilisation des GPU

# 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

Le -it attribue un pseudo-TTY et garde stdin ouvert, ce qui te permet d'interagir avec le conteneur. L'indicateur --ipc=host permet de partager l'espace de noms IPC de l'hôte, ce qui est essentiel pour partager la mémoire entre les processus. L'indicateur --gpus permet au conteneur d'accéder aux GPU de l'hôte.

Note sur l'accessibilité des fichiers

Pour travailler avec des fichiers sur ta machine locale au sein du conteneur, tu peux utiliser les volumes Docker :

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

Remplacer /path/on/host avec le chemin du répertoire sur ta machine locale et /path/in/container avec le chemin souhaité à l'intérieur du conteneur Docker.

Exécuter des applications d'interface utilisateur graphique (GUI) dans un conteneur Docker.

Docker est principalement utilisé pour conteneuriser des applications d'arrière-plan et des programmes CLI , mais il peut également exécuter des programmes graphiques. Dans le monde Linux, deux principaux serveurs graphiques gèrent l'affichage graphique : X11 (également connu sous le nom de système X Window) et Wayland. Avant de commencer, il est essentiel de déterminer quel serveur graphique tu utilises actuellement. Exécute cette commande pour le savoir :

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

L'installation et la configuration d'un serveur d'affichage X11 ou Wayland sortent du cadre de ce guide. Si la commande ci-dessus ne renvoie rien, alors tu devras commencer par faire fonctionner l'un ou l'autre pour ton système avant de continuer.

Exécuter un conteneur Docker avec une interface graphique

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

Utiliser Docker avec une interface graphique

Tu peux maintenant afficher des applications graphiques à l'intérieur de ton conteneur Docker. Par exemple, tu peux exécuter la commandeCLI suivante pour visualiser les prédictions d'un modèleYOLOv8 :

yolo predict model=yolov8n.pt show=True

Lorsque tu as terminé avec l'interface graphique de Docker

xhost -local:docker

Félicitations ! Tu es maintenant configuré pour utiliser Ultralytics avec Docker et prêt à profiter de ses puissantes capacités. Pour connaître d'autres méthodes d'installation, n'hésite pas à explorer la documentation de démarrage rapide deUltralytics .

FAQ

Comment configurer Ultralytics avec Docker ?

Pour configurer Ultralytics avec Docker, assure-toi d'abord que Docker est installé sur ton système. Si tu as un NVIDIA GPU , installe le runtime Docker NVIDIA pour activer la prise en charge de GPU . Ensuite, tire la dernière image Docker Ultralytics depuis Docker Hub à l'aide de la commande suivante :

sudo docker pull ultralytics/ultralytics:latest

Pour connaître les étapes détaillées, reporte-toi à notre guide de démarrage rapide de Docker.

Quels sont les avantages de l'utilisation des images Docker Ultralytics pour les projets d'apprentissage automatique ?

L'utilisation de Ultralytics images Docker garantit un environnement cohérent sur différentes machines, en répliquant les mêmes logiciels et dépendances. Cela est particulièrement utile pour collaborer entre équipes, exécuter des modèles sur différents matériels et maintenir la reproductibilité. Pour les formations basées sur GPU, Ultralytics fournit des images Docker optimisées telles que Dockerfile pour l'utilisation générale de GPU et Dockerfile-jetson pour NVIDIA Jetson devices. Explorer Ultralytics Hub Docker pour plus de détails.

Comment puis-je exécuter Ultralytics YOLO dans un conteneur Docker avec la prise en charge de GPU ?

Tout d'abord, assure-toi que le runtime Docker NVIDIA est installé et configuré. Ensuite, utilise la commande suivante pour exécuter Ultralytics YOLO avec le soutien de GPU :

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

Cette commande configure un conteneur Docker avec un accès à GPU . Pour plus de détails, voir le guide de démarrage rapide de Docker.

Comment visualiser les résultats de la prédiction YOLO dans un conteneur Docker avec un serveur d'affichage ?

Pour visualiser les résultats de la prédiction YOLO avec une interface graphique dans un conteneur Docker, tu dois autoriser Docker à accéder à ton serveur d'affichage. Pour les systèmes fonctionnant sous X11, la commande est la suivante :

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

Pour les systèmes utilisant Wayland, utilise :

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

Tu trouveras plus d'informations dans la section Exécuter des applications d'interface graphique dans un conteneur Docker.

Puis-je monter des répertoires locaux dans le conteneur Docker Ultralytics ?

Oui, tu peux monter des répertoires locaux dans le conteneur Docker Ultralytics à l'aide de la commande -v drapeau :

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

Remplacer /path/on/host avec le répertoire de ta machine locale et /path/in/container avec le chemin souhaité à l'intérieur du conteneur. Cette configuration te permet de travailler avec tes fichiers locaux dans le conteneur. Pour plus d'informations, reporte-toi à la section correspondante de la rubrique montage des répertoires locaux.

Commentaires