Meet YOLO26: next-gen vision AI.

Link to this sectionUltralytics Dockerクイックスタートガイド#

Ultralytics Docker Package Visual

本ガイドでは、UltralyticsプロジェクトでDocker環境を構築するための包括的な入門情報を提供します。Dockerは、コンテナ内でアプリケーションを開発、出荷、実行するためのプラットフォームです。ソフトウェアがどこにデプロイされても常に同じように動作することを保証する上で特に有用です。詳細については、Docker HubのUltralytics Dockerリポジトリをご覧ください。

Docker Image Version Docker Pulls

Link to this section学習内容#

  • NVIDIAサポート付きDockerのセットアップ
  • Ultralytics Dockerイメージのインストール
  • CPUまたはGPUサポート環境でのDockerコンテナ内におけるUltralyticsの実行
  • Dockerでディスプレイサーバーを使用してUltralyticsの検出結果を表示する方法
  • ローカルディレクトリをコンテナにマウントする方法


Watch: How to Get started with Docker | Usage of Ultralytics Python Package inside Docker live demo 🎉

Link to this section前提条件#

  • Dockerがシステムにインストールされていることを確認してください。インストールされていない場合は、DockerのWebサイトからダウンロードしてインストールできます。
  • システムにNVIDIA GPUが搭載されており、NVIDIAドライバーがインストールされていることを確認してください。
  • NVIDIA Jetsonデバイスを使用している場合は、適切なJetPackバージョンがインストールされていることを確認してください。詳細については、NVIDIA Jetsonガイドを参照してください。

Link to this sectionNVIDIAサポート付きDockerのセットアップ#

まず、以下のコマンドを実行してNVIDIAドライバーが正しくインストールされていることを確認してください。

nvidia-smi

Link to this sectionNVIDIA Container Toolkitのインストール#

次に、Dockerコンテナ内でGPUサポートを有効にするため、NVIDIA Container Toolkitをインストールします。

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

パッケージリストを更新し、nvidia-container-toolkitパッケージをインストールします：

sudo apt-get update

最新バージョンのnvidia-container-toolkitをインストールします。

sudo apt-get install -y nvidia-container-toolkit \
  nvidia-container-toolkit-base libnvidia-container-tools \
  libnvidia-container1
オプション: 特定バージョンのnvidia-container-toolkitをインストールする

オプションとして、環境変数 NVIDIA_CONTAINER_TOOLKIT_VERSION を設定することで、特定のバージョンのnvidia-container-toolkitをインストールできます：

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

Link to this sectionDockerでのNVIDIAランタイムの確認#

docker info | grep -i runtime を実行して、ランタイムのリストに nvidia が含まれていることを確認します：

docker info | grep -i runtime

Link to this sectionUltralytics Dockerイメージのインストール#

Ultralyticsは、さまざまなプラットフォームや用途に最適化されたDockerイメージをいくつか提供しています。

  • Dockerfile: トレーニングに最適なGPUイメージ。
  • Dockerfile-arm64: Raspberry Piなどのデバイスに適したARM64アーキテクチャ用。
  • Dockerfile-cpu: 推論およびGPU非搭載環境用のCPU専用バージョン。
  • Dockerfile-jetson-jetpack4: Optimized for NVIDIA Jetson devices running NVIDIA JetPack 4.
  • Dockerfile-jetson-jetpack5: Optimized for NVIDIA Jetson devices running NVIDIA JetPack 5.
  • Dockerfile-jetson-jetpack6: Optimized for NVIDIA Jetson devices running NVIDIA JetPack 6.
  • Dockerfile-jupyter: ブラウザでJupyterLabを使用したインタラクティブな開発用。
  • Dockerfile-nvidia-arm64: JetPack 7.0およびDGX OSをサポートする、Jetson AGX ThorやDGX SparkなどのNVIDIA ARM64デバイス用。
  • Dockerfile-python: 軽量アプリケーション用の最小限のPython環境。
  • Dockerfile-python-export: YOLOモデル変換用の完全なエクスポート機能を拡張した最小限のPythonイメージ。
  • Dockerfile-conda: Miniconda3およびConda経由でインストールされたUltralyticsパッケージが含まれています。
  • Dockerfile-export: モデル変換およびベンチマーク用として、すべてのエクスポート形式の依存関係がプリインストールされたGPUイメージ。

最新のイメージをプルするには：

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

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

Link to this sectionDockerコンテナ内でのUltralyticsの実行#

Ultralytics Dockerコンテナの実行方法は以下の通りです。

Link to this sectionCPUのみを使用する場合#

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

Link to this sectionGPUを使用する場合#

# 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

-itフラグは擬似TTYを割り当てて標準入力を開いたままにするため、コンテナと対話できます。--ipc=hostフラグはホストのIPC名前空間の共有を有効にし、プロセス間でのメモリ共有に不可欠です。--gpusフラグは、コンテナがホストのGPUにアクセスできるようにします。

Link to this sectionファイルアクセシビリティに関する注意#

コンテナ内でローカルマシンのファイルを扱うには、Dockerボリュームを使用できます。

# 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

/path/on/hostをローカルマシンのディレクトリパスに、/path/in/containerをDockerコンテナ内の目的のパスに置き換えてください。

Link to this sectionトレーニング出力の保持#

トレーニング出力は、デフォルトでコンテナ内の/ultralytics/runs/<task>/<name>/に保存されます。ホストディレクトリをマウントしない場合、コンテナを削除すると出力は失われます。

トレーニング出力を保持するには：

# Recommended: mount workspace and specify project path
sudo docker run --rm -it -v "$(pwd)":/w -w /w ultralytics/ultralytics:latest \
  yolo train model=yolo26n.pt data=coco8.yaml project=/w/runs

これにより、すべてのトレーニング出力がホストマシンの./runsに保存されます。

Link to this sectionDockerコンテナ内でグラフィカルユーザーインターフェース（GUI）アプリケーションを実行する#

非常に実験的な機能です - ユーザーが全リスクを負います

以下の手順は実験的なものです。X11ソケットをDockerコンテナと共有すると、潜在的なセキュリティリスクが発生します。そのため、このソリューションは制御された環境でのみテストすることを推奨します。詳細については、xhostの使用方法に関するこれらのリソース(1)(2)を参照してください。

Dockerは主にバックグラウンドアプリケーションやCLIプログラムをコンテナ化するために使用されますが、グラフィカルプログラムを実行することも可能です。Linuxの世界では、グラフィカル表示を扱うメインのグラフィックサーバーとして、X11（X Window Systemとも呼ばれます）とWaylandの2つがあります。開始する前に、現在どちらのグラフィックスサーバーを使用しているかを確認することが不可欠です。確認するには以下のコマンドを実行してください。

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

X11またはWaylandディスプレイサーバーのセットアップと構成は、本ガイドの範囲外です。上記のコマンドで何も返されない場合は、続行する前にいずれかをシステムで動作させる必要があります。

Link to this sectionGUIを使用してDockerコンテナを実行する#

例
GPUを使用する

GPUを使用している場合は、コマンドに--gpus allフラグを追加できます。

Dockerランタイムフラグ

Dockerのインストールでデフォルトのランタイムがnvidiaではない場合は、コマンドに--runtime=nvidiaフラグを追加してください。

X11を使用している場合、以下のコマンドを実行してDockerコンテナがX11ソケットにアクセスできるようにします。

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

このコマンドは、DISPLAY環境変数をホストのディスプレイに設定し、X11ソケットをマウントして、.Xauthorityファイルをコンテナにマップします。xhost +local:dockerコマンドにより、DockerコンテナがX11サーバーにアクセスできるようになります。

Link to this sectionGUIでDockerを使用する#

Now you can display graphical applications inside your Docker container. For example, you can run the following CLI command to visualize the predictions from a YOLO26 model:

yolo predict model=yolo26n.pt show=True
テスト

DockerグループがX11サーバーにアクセスできることを確認する簡単な方法は、xclockやxeyesのようなGUIプログラムを使用してコンテナを実行することです。あるいは、これらのプログラムをUltralytics Dockerコンテナにインストールして、GNU-LinuxディスプレイサーバーのX11サーバーへのアクセスをテストすることもできます。問題が発生した場合は、環境変数-e QT_DEBUG_PLUGINS=1の設定を検討してください。この環境変数を設定するとデバッグ情報が出力され、トラブルシューティングのプロセスに役立ちます。

Link to this sectionDocker GUIの使用を終了する場合#

アクセスの取り消し

いずれの場合も、終了したらDockerグループからのアクセス権を取り消すことを忘れないでください。

xhost -local:docker
画像の結果をターミナルで直接表示したい場合

以下のガイドターミナルを使用した画像結果の表示を参照してください。

これで、DockerでUltralyticsを使用する準備が整い、その機能を活用できます。その他のインストール方法については、Ultralyticsクイックスタートドキュメントを参照してください。

Link to this sectionよくある質問 (FAQ)#

Link to this sectionUltralyticsをDockerでセットアップするにはどうすればよいですか？#

UltralyticsをDockerでセットアップするには、まずDockerがシステムにインストールされていることを確認してください。NVIDIA GPUをお使いの場合は、NVIDIA Container ToolkitをインストールしてGPUサポートを有効にします。次に、以下のコマンドを使用して、Docker Hubから最新のUltralytics Dockerイメージをプルしてください。

sudo docker pull ultralytics/ultralytics:latest

詳細な手順については、Dockerクイックスタートガイドを参照してください。

Link to this section機械学習プロジェクトでUltralytics Dockerイメージを使用する利点は何ですか？#

Ultralytics Dockerイメージを使用すると、異なるマシン間で一貫した環境が確保され、同じソフトウェアと依存関係が複製されます。これは、チーム間でのコラボレーション、さまざまなハードウェア上でのモデルの実行、および再現性の維持に特に役立ちます。GPUベースのトレーニングのために、Ultralyticsは一般的なGPU使用向けのDockerfileや、NVIDIA Jetsonデバイス向けのDockerfile-jetsonなど、最適化されたDockerイメージを提供しています。詳細については、Ultralytics Docker Hubを探索してください。

Link to this sectionDockerコンテナ内でGPUサポートを使用してUltralytics YOLOを実行するにはどうすればよいですか？#

まず、NVIDIA Container Toolkitがインストールおよび設定されていることを確認してください。次に、以下のコマンドを使用して、GPUサポート付きでUltralytics YOLOを実行します。

sudo docker run -it --ipc=host --runtime=nvidia --gpus all ultralytics/ultralytics:latest # all GPUs

このコマンドは、GPUアクセス権を持つDockerコンテナをセットアップします。詳細については、Dockerクイックスタートガイドを参照してください。

Link to this sectionディスプレイサーバーを使用してDockerコンテナ内でYOLOの予測結果を視覚化するにはどうすればよいですか？#

Dockerコンテナ内でGUIを使用してYOLOの予測結果を視覚化するには、Dockerがディスプレイサーバーにアクセスできるようにする必要があります。X11を実行しているシステムの場合、コマンドは以下の通りです。

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

Waylandを実行しているシステムの場合は、以下を使用してください。

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

詳細については、Dockerコンテナ内でグラフィカルユーザーインターフェース（GUI）アプリケーションを実行するセクションを参照してください。

Link to this sectionローカルディレクトリをUltralytics Dockerコンテナにマウントできますか？#

はい、-vフラグを使用してローカルディレクトリをUltralytics Dockerコンテナにマウントできます。

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

/path/on/hostをローカルマシンのディレクトリに、/path/in/containerをコンテナ内の目的のパスに置き換えてください。この設定により、コンテナ内でローカルファイルを扱うことができます。詳細については、ファイルアクセシビリティに関する注意セクションを参照してください。

貢献者
GLglenn-jocher15ONonuralpszr3RIRizwanMunawar2RAraimbekovm1PDpderrenger1SHSHOscarChen1PIpicsalex1LAlakshanthad1FRFruchtzwerg941BUBurhan-Q1JOJoão Fonseca1

コメント