Começar a utilizar o YOLOv5 🚀 no Docker

Este tutorial irá guiá-lo através do processo de configuração e execução YOLOv5 num contentor Docker, fornecendo instruções abrangentes para ambientes CPU e GPU .

Também pode explorar outras opções de início rápido para YOLOv5, como o nosso Caderno de notas Colab , VM de aprendizagem profunda do GCPe Amazon AWS.

Pré-requisitos

Docker: Instale o Docker a partir do site oficial do Docker.
DriverNVIDIA (para suporte GPU ): Versão 455.23 ou superior. Download no site daNVIDIA.
Tempo de execução doNVIDIA Docker (para suporte a GPU ): Permite que o Docker interaja com sua GPU local. Siga as instruções de instalação abaixo.

Configurando o tempo de execução NVIDIA Docker

Verifique se os drivers NVIDIA estão instalados corretamente:

nvidia-smi

Instale o tempo de execução do NVIDIA 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
sudo systemctl restart docker

Verifique se o tempo de execução NVIDIA está disponível:

docker info | grep -i runtime

Etapa 1: puxar a imagem do Docker YOLOv5

O repositório Ultralytics YOLOv5 DockerHub está disponível em https://hub.docker.com/r/ultralytics/yolov5. O Docker Autobuild garante que o ultralytics/yolov5:latest está sempre em sincronia com o commit mais recente do repositório.

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

# Pull the latest image
sudo docker pull $t

Passo 2: Executar o contentor Docker

Utilizar apenas CPU

Execute uma instância interactiva da imagem Docker YOLOv5 (designada por "contentor") utilizando o -it bandeira:

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

Utilização de GPU

# 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

Montagem de diretórios locais

Para aceder a ficheiros no seu computador local dentro do contentor:

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

Contentor com acesso GPU :

Para executar um contentor com acesso GPU , utilize o --gpus all bandeira:

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

Passo 3: Utilizar YOLOv5 🚀 no contentor Docker

Agora pode treinar, testar, detetar e exportar modelos YOLOv5 dentro do contentor Docker em execução:

# 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