Начните работу с YOLOv5 🚀 в Docker

Это руководство проведет вас через процесс настройки и запуска YOLOv5 в контейнере Docker, предоставляя исчерпывающие инструкции для сред CPU и GPU .

Вы также можете изучить другие варианты быстрого старта для YOLOv5, например, наши Блокнот Colab , GCP Deep Learning VM, и Amazon AWS.

Пререквизиты

Docker: установите Docker с официального сайта Docker.
ДрайверNVIDIA (для поддержки GPU ): Версия 455.23 или выше. Загрузите с сайтаNVIDIA.
NVIDIA Docker Runtime (для поддержки GPU ): Позволяет Docker взаимодействовать с вашим локальным GPU. Следуйте инструкциям по установке ниже.

Установка NVIDIA Docker Runtime

Убедитесь, что драйверы NVIDIA установлены правильно:

nvidia-smi

Установите среду выполнения 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

Убедитесь, что среда выполнения NVIDIA доступна:

docker info | grep -i runtime

Шаг 1: Извлеките образ Docker YOLOv5 .

Репозиторий Ultralytics YOLOv5 DockerHub доступен по адресу https://hub.docker.com/r/ultralytics/yolov5. Docker Autobuild гарантирует, что ultralytics/yolov5:latest изображение всегда синхронизируется с последним коммитом репозитория.

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

# Pull the latest image
sudo docker pull $t

Шаг 2: Запустите контейнер Docker

Использование только CPU

Запустите интерактивный экземпляр образа YOLOv5 Docker (так называемый "контейнер"), используя -it флаг:

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

Использование 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

Монтирование локальных каталогов

Чтобы получить доступ к файлам на локальной машине внутри контейнера:

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

Контейнер с доступом на GPU :

Чтобы запустить контейнер с доступом по адресу GPU , используйте --gpus all флаг:

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

Шаг 3: Используйте YOLOv5 🚀 внутри контейнера Docker.

Теперь вы можете обучать, тестировать, обнаруживать и экспортировать модели YOLOv5 внутри запущенного контейнера Docker:

# 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