YOLOv5 🚀をDockerで始める
このチュートリアルでは、YOLOv5 を Docker コンテナでセットアップして実行する手順を説明します。
また、YOLOv5 のクイックスタートオプションもあります。 コラボ・ノートブック , GCPディープラーニングVMそして アマゾンAWS.
前提条件
- Nvidiaドライバ:バージョン455.23以上。Nvidiaのウェブサイトからダウンロードしてください。
- Nvidia-Docker:DockerがローカルGPUと対話できるようにします。インストール手順はNvidia-Docker GitHubリポジトリで入手できます。
- Docker Engine - CE:バージョン19.03以上。ダウンロードとインストールの手順は、Docker社のウェブサイトをご覧ください。
ステップ 1:YOLOv5 Docker イメージをプルする
Ultralytics YOLOv5 DockerHub リポジトリは以下から入手できます。 https://hub.docker.com/r/ultralytics/yolov5.Docker Autobuildは ultralytics/yolov5:latest
イメージは常に最新のリポジトリコミットと同期しています。最新のイメージを取得するには、以下のコマンドを実行してください:
ステップ 2: Dockerコンテナの実行
基本的な容器:
を使用して、YOLOv5 Dockerイメージのインタラクティブなインスタンス(「コンテナ」と呼ばれる)を実行します。 -it
フラッグ
ローカルファイルにアクセスできるコンテナ:
ローカルファイル(例えば、COCOトレーニングデータ)にアクセスしてコンテナを実行するには /datasets
を使用してください。 -v
フラッグ
GPUにアクセスできるコンテナ:
GPUアクセスでコンテナを実行するには --gpus all
フラッグ
ステップ3:Dockerコンテナ内でYOLOv5 🚀を使う
実行中のDockerコンテナ内で、YOLOv5 モデルのトレーニング、テスト、検出、エクスポートができるようになりました:
# Train a model on your data
python train.py
# Validate the trained model for Precision, Recall, and mAP
python val.py --weights yolov5s.pt
# Run inference using the trained model on your images or videos
python detect.py --weights yolov5s.pt --source path/to/images
# Export the trained model to other formats for deployment
python export.py --weights yolov5s.pt --include onnx coreml tflite