Docker에서 YOLOv5 🚀로 시작하기

이 튜토리얼은 CPU 및 GPU 환경 모두에 대한 포괄적인 지침을 제공하여 Docker 컨테이너에서 YOLOv5 설정하고 실행하는 과정을 안내합니다.

다음과 같은 YOLOv5 에 대한 다른 빠른 시작 옵션을 살펴볼 수도 있습니다. Colab 노트북 , GCP 딥 러닝 VM및 Amazon AWS.

전제 조건

도커: 공식 도커 웹사이트에서 도커를 설치합니다.
NVIDIA 드라이버 ( GPU 지원용): 버전 455.23 이상. NVIDIA 웹사이트에서 다운로드하세요.
NVIDIA 도커 런타임 ( GPU 지원용): Docker가 로컬 GPU 상호 작용할 수 있도록 합니다. 아래 설치 지침을 따르세요.

NVIDIA 도커 런타임 설정하기

NVIDIA 드라이버가 제대로 설치되었는지 확인합니다:

nvidia-smi

NVIDIA 도커 런타임을 설치합니다:

# 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
sudo systemctl restart docker

NVIDIA 런타임을 사용할 수 있는지 확인합니다:

docker info | grep -i runtime

1단계: YOLOv5 도커 이미지 가져오기

Ultralytics YOLOv5 도커허브 리포지토리는 다음 주소에서 이용할 수 있습니다. https://hub.docker.com/r/ultralytics/yolov5. 도커 자동 빌드를 사용하면 ultralytics/yolov5:latest 이미지는 항상 가장 최근 리포지토리 커밋과 동기화됩니다.

# Set image name as a variable
t=ultralytics/yolov5:latest

# Pull the latest image
sudo docker pull $t

2단계: Docker 컨테이너 실행하기

CPU 사용

YOLOv5 도커 이미지("컨테이너"라고 함)의 대화형 인스턴스를 실행합니다. -it 플래그:

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

GPU 사용

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

# Run with specific GPUs
sudo docker run -it --ipc=host --gpus '"device=2,3"' $t

로컬 디렉토리 마운트

컨테이너 내에서 로컬 컴퓨터의 파일에 액세스하려면:

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

GPU 액세스 권한이 있는 컨테이너입니다:

GPU 액세스 권한으로 컨테이너를 실행하려면 --gpus all 플래그:

sudo docker run --ipc=host -it --gpus all ultralytics/yolov5:latest

3단계: Docker 컨테이너 내에서 YOLOv5 🚀 사용

이제 실행 중인 Docker 컨테이너 내에서 YOLOv5 모델을 학습, 테스트, 감지 및 내보낼 수 있습니다:

# 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