Salta para o conteĂșdo

Começa a utilizar o YOLOv5 🚀 no Docker

Este tutorial irå guiar-te através do processo de configuração e execução do YOLOv5 num contentor Docker.

Também podes explorar outras opçÔes de início råpido para YOLOv5, como o nosso Caderno de notas Colab Abre em Colab Abre no Kaggle, VM de aprendizagem profunda do GCPe Amazon AWS.

Pré-requisitos

  1. Driver Nvidia: VersĂŁo 455.23 ou superior. Transfere a partir do site da Nvidia.
  2. Nvidia-Docker: Permite que o Docker interaja com sua GPU local. As instruçÔes de instalação estão disponíveis no repositório do GitHub do Nvidia-Docker.
  3. Motor Docker - CE: Versão 19.03 ou superior. As instruçÔes de download e instalação podem ser encontradas no site do Docker.

Etapa 1: puxa a imagem do Docker YOLOv5

O repositĂłrio Ultralytics YOLOv5 DockerHub estĂĄ disponĂ­vel em https://hub.docker.com/r/ultralytics/yolov5. O Docker Autobuild garante que o ultralytics/yolov5:latest estĂĄ sempre em sincronia com o commit mais recente do repositĂłrio. Para obter a imagem mais recente, executa o seguinte comando:

sudo docker pull ultralytics/yolov5:latest

Passo 2: Executa o contentor Docker

Contentor bĂĄsico:

Executa uma instĂąncia interactiva da imagem Docker YOLOv5 (designada por "contentor") utilizando o comando -it bandeira:

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

Contentor com acesso a ficheiros locais:

Para executar um contentor com acesso a ficheiros locais (por exemplo, dados de treino COCO em /datasets), utiliza o -v bandeira:

sudo docker run --ipc=host -it -v "$(pwd)"/datasets:/usr/src/datasets ultralytics/yolov5:latest

Contentor com acesso Ă  GPU:

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

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

Passo 3: Utiliza YOLOv5 🚀 no contentor Docker

Agora podes 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

GCP com Docker



Criado em 2023-11-12, Atualizado em 2023-12-03
Autores: glenn-jocher (3)

ComentĂĄrios