Guida rapida a Docker per Ultralytics
Questa guida funge da introduzione completa alla configurazione di un ambiente Docker per i tuoi progetti Ultralytics. Docker è una piattaforma per sviluppare, spedire ed eseguire applicazioni in container. È particolarmente utile per garantire che il software venga sempre eseguito allo stesso modo, indipendentemente da dove venga distribuito. Per maggiori dettagli, visita il repository Docker di Ultralytics su Docker Hub.
Cosa imparerai
- Configurazione di Docker con supporto NVIDIA
- Installazione delle immagini Docker di Ultralytics
- Esecuzione di Ultralytics in un container Docker con supporto CPU o GPU
- Utilizzo di un server di visualizzazione con Docker per mostrare i risultati del rilevamento di Ultralytics
- Montaggio di directory locali nel container
Guarda: Come iniziare con Docker | Utilizzo del pacchetto Ultralytics python all'interno di una demo live di Docker 🎉
Prerequisiti
- Assicurati che Docker sia installato sul tuo sistema. In caso contrario, puoi scaricarlo e installarlo dal sito web di Docker.
- Assicurati che il tuo sistema abbia una GPU NVIDIA e che i driver NVIDIA siano installati.
- Se si utilizzano dispositivi NVIDIA Jetson, assicurarsi di aver installato la versione di JetPack appropriata. Per maggiori dettagli, consultare la guidaNVIDIA Jetson.
Configurazione di Docker con supporto NVIDIA
Innanzitutto, verifica che i driver NVIDIA siano installati correttamente eseguendo:
nvidia-smi
Installazione di NVIDIA Container Toolkit
Ora installiamo NVIDIA Container Toolkit per abilitare il supporto GPU nei container Docker:
curl -fsSL https://nvidia.github.io/libnvidia-container/gpgkey | sudo gpg --dearmor -o /usr/share/keyrings/nvidia-container-toolkit-keyring.gpg \
&& curl -s -L https://nvidia.github.io/libnvidia-container/stable/deb/nvidia-container-toolkit.list \
| sed 's#deb https://#deb [signed-by=/usr/share/keyrings/nvidia-container-toolkit-keyring.gpg] https://#g' \
| sudo tee /etc/apt/sources.list.d/nvidia-container-toolkit.list
sudo apt-get update
Installare l'ultima versione di nvidia
sudo apt-get install -y nvidia-container-toolkit \
nvidia-container-toolkit-base libnvidia-container-tools \
libnvidia-container1
Facoltativo: installare una versione specifica di nvidia
Opzionalmente, è possibile installare una versione specifica di nvidia impostando il parametro NVIDIA_CONTAINER_TOOLKIT_VERSION variabile d'ambiente:
export NVIDIA_CONTAINER_TOOLKIT_VERSION=1.17.8-1
sudo apt-get install -y \
nvidia-container-toolkit=${NVIDIA_CONTAINER_TOOLKIT_VERSION} \
nvidia-container-toolkit-base=${NVIDIA_CONTAINER_TOOLKIT_VERSION} \
libnvidia-container-tools=${NVIDIA_CONTAINER_TOOLKIT_VERSION} \
libnvidia-container1=${NVIDIA_CONTAINER_TOOLKIT_VERSION}
sudo nvidia-ctk runtime configure --runtime=docker
sudo systemctl restart docker
curl -s -L https://nvidia.github.io/libnvidia-container/stable/rpm/nvidia-container-toolkit.repo \
| sudo tee /etc/yum.repos.d/nvidia-container-toolkit.repo
Aggiornare gli elenchi dei pacchetti e installare il pacchetto nvidia:
sudo dnf clean expire-cache
sudo dnf check-update
sudo dnf install \
nvidia-container-toolkit \
nvidia-container-toolkit-base \
libnvidia-container-tools \
libnvidia-container1
Facoltativo: installare una versione specifica di nvidia
Opzionalmente, è possibile installare una versione specifica di nvidia impostando il parametro NVIDIA_CONTAINER_TOOLKIT_VERSION variabile d'ambiente:
export NVIDIA_CONTAINER_TOOLKIT_VERSION=1.17.8-1
sudo dnf install -y \
nvidia-container-toolkit-${NVIDIA_CONTAINER_TOOLKIT_VERSION} \
nvidia-container-toolkit-base-${NVIDIA_CONTAINER_TOOLKIT_VERSION} \
libnvidia-container-tools-${NVIDIA_CONTAINER_TOOLKIT_VERSION} \
libnvidia-container1-${NVIDIA_CONTAINER_TOOLKIT_VERSION}
sudo nvidia-ctk runtime configure --runtime=docker
sudo systemctl restart docker
Verifica di NVIDIA Runtime con Docker
Esegui docker info | grep -i runtime per assicurarti che nvidia appaia nell'elenco dei runtime:
docker info | grep -i runtime
Installazione delle immagini Docker di Ultralytics
Ultralytics offre diverse immagini Docker ottimizzate per varie piattaforme e casi d'uso:
- Dockerfile: Immagine GPU, ideale per il training.
- Dockerfile-arm64: Per architettura ARM64, adatta per dispositivi come Raspberry Pi.
- Dockerfile-cpu: Versione solo CPU per l'inferenza e ambienti senza GPU.
- Dockerfile-jetson-jetpack4: Ottimizzato per dispositivi NVIDIA Jetson che eseguono NVIDIA JetPack 4.
- Dockerfile-jetson-jetpack5: Ottimizzato per dispositivi NVIDIA Jetson che eseguono NVIDIA JetPack 5.
- Dockerfile-jetson-jetpack6: Ottimizzato per dispositivi NVIDIA Jetson che eseguono NVIDIA JetPack 6.
- Dockerfile-jupyter: Per lo sviluppo interattivo utilizzando JupyterLab nel browser.
- Dockerfile-python: Ambiente Python minimale per applicazioni leggere.
- Dockerfile-conda: Include Miniconda3 e il pacchetto Ultralytics installato tramite Conda.
Per scaricare l'immagine più recente:
# Set image name as a variable
t=ultralytics/ultralytics:latest
# Pull the latest Ultralytics image from Docker Hub
sudo docker pull $t
Esecuzione di Ultralytics in un container Docker
Ecco come eseguire il container Docker di Ultralytics:
Utilizzo esclusivo della CPU
# Run without GPU
sudo docker run -it --ipc=host $t
Utilizzo delle GPU
# Run with all GPUs
sudo docker run -it --ipc=host --runtime=nvidia --gpus all $t
# Run specifying which GPUs to use
sudo docker run -it --ipc=host --runtime=nvidia --gpus '"device=2,3"' $t
Il -it flag assegna uno pseudo-TTY e mantiene aperto stdin, consentendo di interagire con il container. Il --ipc=host flag abilita la condivisione dello spazio dei nomi IPC dell'host, essenziale per la condivisione della memoria tra i processi. Il --gpus flag consente al container di accedere alle GPU dell'host.
Nota sull'accessibilità dei file
Per lavorare con i file sulla macchina locale all'interno del container, è possibile utilizzare i volumi Docker:
# Mount a local directory into the container
sudo docker run -it --ipc=host --runtime=nvidia --gpus all -v /path/on/host:/path/in/container $t
Sostituisci /path/on/host con il percorso della directory sulla macchina locale e /path/in/container con il percorso desiderato all'interno del container Docker.
Esecuzione di applicazioni con interfaccia utente grafica (GUI) in un container Docker
Altamente sperimentale - L'utente si assume tutti i rischi
Le seguenti istruzioni sono sperimentali. La condivisione di un socket X11 con un container Docker pone potenziali rischi per la sicurezza. Pertanto, si consiglia di testare questa soluzione solo in un ambiente controllato. Per ulteriori informazioni, consultare queste risorse su come utilizzare xhost(1)(2).
Docker viene utilizzato principalmente per containerizzare applicazioni in background e programmi CLI, ma può anche eseguire programmi grafici. Nel mondo Linux, due server grafici principali gestiscono la visualizzazione grafica: X11 (noto anche come X Window System) e Wayland. Prima di iniziare, è essenziale determinare quale server grafico si sta attualmente utilizzando. Eseguire questo comando per scoprirlo:
env | grep -E -i 'x11|xorg|wayland'
La configurazione di un server di visualizzazione X11 o Wayland è al di fuori dello scopo di questa guida. Se il comando precedente non restituisce nulla, sarà necessario iniziare facendo funzionare uno dei due per il proprio sistema prima di continuare.
Esecuzione di un container Docker con una GUI
Esempio
Utilizzare le GPU
If you're using [GPUs](#using-gpus), you can add the `--gpus all` flag to the command.
Flag del runtime Docker
If your Docker installation does not use the `nvidia` runtime by default, you can add the `--runtime=nvidia` flag to the command.
Se si utilizza X11, è possibile eseguire il comando seguente per consentire al container Docker di accedere al socket X11:
xhost +local:docker && docker run -e DISPLAY=$DISPLAY \
-v /tmp/.X11-unix:/tmp/.X11-unix \
-v ~/.Xauthority:/root/.Xauthority \
-it --ipc=host $t
Questo comando imposta la DISPLAY variabile d'ambiente sul display dell'host, monta il socket X11 e mappa il .Xauthority file nel container. Il xhost +local:docker comando consente al container Docker di accedere al server X11.
Per Wayland, utilizzare il seguente comando:
xhost +local:docker && docker run -e DISPLAY=$DISPLAY \
-v $XDG_RUNTIME_DIR/$WAYLAND_DISPLAY:/tmp/$WAYLAND_DISPLAY \
--net=host -it --ipc=host $t
Questo comando imposta la DISPLAY variabile d'ambiente sul display dell'host, monta il socket Wayland e consente al container Docker di accedere al server Wayland.
Utilizzo di Docker con una GUI
Ora è possibile visualizzare applicazioni grafiche all'interno del container Docker. Ad esempio, è possibile eseguire il seguente comando CLI per visualizzare le previsioni da un modello YOLO11:
yolo predict model=yolo11n.pt show=True
Test
Un modo semplice per convalidare che il gruppo Docker abbia accesso al server X11 è eseguire un container con un programma GUI come xclock oppure xeyes. In alternativa, è possibile installare questi programmi nel container Docker Ultralytics per testare l'accesso al server X11 del server di visualizzazione GNU-Linux. In caso di problemi, considerare l'impostazione della variabile d'ambiente -e QT_DEBUG_PLUGINS=1. L'impostazione di questa variabile d'ambiente abilita l'output di informazioni di debug, facilitando il processo di risoluzione dei problemi.
Al termine con Docker GUI
Revocare l'accesso
In entrambi i casi, non dimenticare di revocare l'accesso dal gruppo Docker al termine.
xhost -local:docker
Desideri visualizzare i risultati delle immagini direttamente nel Terminale?
Fare riferimento alla seguente guida sulla visualizzazione dei risultati delle immagini tramite terminale
Congratulazioni! Ora sei pronto per utilizzare Ultralytics con Docker e sfruttare le sue potenti funzionalità. Per metodi di installazione alternativi, sentiti libero di esplorare la documentazione di avvio rapido di Ultralytics.
FAQ
Come posso configurare Ultralytics con Docker?
Per configurare Ultralytics con Docker, assicurarsi innanzitutto che Docker sia installato sul sistema. Se si dispone di unaGPU NVIDIA , installare NVIDIA Container Toolkit per abilitare il supporto GPU . Quindi, estrarre l'ultima immagine Docker di Ultralytics da Docker Hub usando il seguente comando:
sudo docker pull ultralytics/ultralytics:latest
Per i passaggi dettagliati, consulta la nostra Guida rapida di Docker.
Quali sono i vantaggi dell'utilizzo delle immagini Docker di Ultralytics per i progetti di machine learning?
L'utilizzo delle immagini Docker di Ultralytics garantisce un ambiente coerente su diverse macchine, replicando lo stesso software e le stesse dipendenze. Ciò è particolarmente utile per collaborare tra team, eseguendo modelli su vari hardware e mantenendo la riproducibilità. Per il training basato su GPU, Ultralytics fornisce immagini Docker ottimizzate come Dockerfile per l'utilizzo generale della GPU e Dockerfile-jetson per i dispositivi NVIDIA Jetson. Esplora Ultralytics Docker Hub per maggiori dettagli.
Come posso eseguire Ultralytics YOLO in un container Docker con supporto GPU?
Innanzitutto, assicurarsi che NVIDIA Container Toolkit sia installato e configurato. Quindi, utilizzare il seguente comando per eseguire Ultralytics YOLO con supporto GPU :
sudo docker run -it --ipc=host --runtime=nvidia --gpus all ultralytics/ultralytics:latest # all GPUs
Questo comando imposta un container Docker con accesso GPU. Per ulteriori dettagli, consulta la Guida rapida di Docker.
Come posso visualizzare i risultati della previsione YOLO in un container Docker con un server di visualizzazione?
Per visualizzare i risultati delle previsioni YOLO con una GUI in un container Docker, è necessario consentire a Docker di accedere al server di visualizzazione. Per i sistemi che eseguono X11, il comando è:
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
Per i sistemi che eseguono Wayland, utilizzare:
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
Ulteriori informazioni sono disponibili nella sezione Esecuzione di applicazioni con interfaccia utente grafica (GUI) in un container Docker.
Posso montare directory locali nel container Docker di Ultralytics?
Sì, è possibile montare directory locali nel container Docker Ultralytics utilizzando il flag -v :
sudo docker run -it --ipc=host --runtime=nvidia --gpus all -v /path/on/host:/path/in/container ultralytics/ultralytics:latest
Sostituisci /path/on/host con la directory sulla macchina locale e /path/in/container con il percorso desiderato all'interno del container. Questa configurazione ti consente di lavorare con i tuoi file locali all'interno del container. Per maggiori informazioni, consulta la sezione Nota sull'accessibilità dei file sezione.
