Ultralytics için Docker Hızlı Başlangıç Kılavuzu#

Bu kılavuz, Ultralytics projelerin için bir Docker ortamı kurmaya kapsamlı bir giriş sunar. Docker, uygulamaları kapsayıcılarda geliştirmek, dağıtmak ve çalıştırmak için kullanılan bir platformdur. Yazılımın nerede dağıtıldığından bağımsız olarak her zaman aynı şekilde çalışmasını sağlamada özellikle faydalıdır. Daha fazla bilgi için Docker Hub üzerindeki Ultralytics Docker deposunu ziyaret et.

Öğreneceklerin#

• NVIDIA desteğiyle Docker'ı kurma
• Ultralytics Docker imajlarını yükleme
• Ultralytics'i CPU veya GPU desteğiyle bir Docker kapsayıcısında çalıştırma
• Ultralytics algılama sonuçlarını göstermek için Docker ile bir görüntüleme sunucusu kullanma
• Yerel dizinleri kapsayıcıya bağlama

Ön koşullar#

• Sisteminde Docker'ın yüklü olduğundan emin ol. Yüklü değilse Docker web sitesinden indirip yükleyebilirsin.
• GPU hızlandırması için sisteminde bir NVIDIA GPU ve NVIDIA sürücülerinin yüklü olduğundan emin ol. CPU imajları NVIDIA donanımı gerektirmez.
• NVIDIA Jetson cihazları kullanıyorsan uygun JetPack sürümünün yüklü olduğundan emin ol. Daha fazla bilgi için NVIDIA Jetson kılavuzuna başvur.

NVIDIA Desteğiyle Docker'ı Kurma (İsteğe Bağlı)#

Öncelikle NVIDIA sürücülerinin düzgün yüklendiğini şu komutu çalıştırarak doğrula:

nvidia-smi

NVIDIA Container Toolkit'i Yükleme#

Şimdi Docker kapsayıcılarında GPU desteğini etkinleştirmek için NVIDIA Container Toolkit'i yükleyelim:

curl -fsSL https://nvidia.github.io/libnvidia-container/gpgkey | sudo gpg --dearmor -o /usr/share/keyrings/nvidia-container-toolkit-keyring.gpg \
  && curl -s -L https://nvidia.github.io/libnvidia-container/stable/deb/nvidia-container-toolkit.list \
  | sed 's#deb https://#deb [signed-by=/usr/share/keyrings/nvidia-container-toolkit-keyring.gpg] https://#g' \
    | sudo tee /etc/apt/sources.list.d/nvidia-container-toolkit.list

sudo apt-get update

sudo apt-get install -y nvidia-container-toolkit

CDI Cihazlarını Docker ile Doğrulama#

GPU CDI cihazlarının kullanılabilir olduğundan emin olmak için nvidia-ctk cdi list komutunu çalıştır (toolkit'in nvidia-cdi-refresh hizmeti, toolkit >= 1.18 sürümünde belirtimi otomatik olarak oluşturur ve güncel tutar):

nvidia-ctk cdi list

nvidia.com/gpu=0 ve nvidia.com/gpu=all gibi girdiler görmelisin. Keşfedilen CDI cihazları docker info içinde de görünür.

Ultralytics Docker İmajlarını Yükleme#

Ultralytics aşağıdaki imajları Docker Hub'da yayımlar. Her imaj, Docker yayınlama iş akışı tarafından bağlantılı Dockerfile'dan oluşturulur.

AMD64 GPU görüntüleri (latest, latest-export ve latest-runner), PyTorch 2.14 ve CUDA 13.2 kullanır. AMD64 GPU görüntülerini başlatmadan önce nvidia-smi ile ana makine sürücüsünün CUDA desteğini kontrol et; daha yeni bir kapsayıcı yüklemek ana makine sürücüsünü güncellemez. CUDA 13, Tesla P100 ve V100 dahil olmak üzere Maxwell, Pascal ve Volta GPU'ları için desteği kaldırır. NVIDIA'nın CUDA sürüm notları ve sürücü uyumluluğu gereksinimleri belgelerine göz at.

NVIDIA ARM64 görüntüsü, CUDA 13.4 ve TensorRT 11.2 içeren NVIDIA PyTorch 26.08 kullanır. NVIDIA ARM64 görüntüsünün Thor için PyTorch desteği TensorRT'ye uzanmaz: NVIDIA, JetPack üzerinde TensorRT 11.2'yi desteklemez. Jetson TensorRT dışarı aktarımları için JetPack sürümün için desteklenen TensorRT 10.x çalışma zamanını kullan. Jetson kılavuzu veya DGX Spark kılavuzu içerisindeki platform gereksinimlerini takip et. JetPack 4, 5 ve 6 görüntüleri, kendi ayrı cihaza özel yığınlarını korur.

Conda Dockerfile, yerel derlemeler için kullanılabilir; latest-conda öğesinin otomatik olarak yayınlanması devre dışı bırakılmıştır, bu nedenle bu kayıt defteri etiketi bu güncellemeleri içermez.

LiteRT dışarı aktarımları için latest-python-export kullan. GPU latest-export görüntüsü PyTorch 2.14'ü korur ve mevcut bağımlılığı 2.14'ün altında bir PyTorch gerektirdiği için LiteRT'yi dışarıda bırakır.

latest ile başlayan etiketler, en son yayımlanan ana dal derlemesini takip eder. Sürümlü etiketlerde latest ön eki, VERSION, VERSION-cpu veya VERSION-jetson-jetpack6 gibi bir Ultralytics sürümüyle değiştirilir. Tekrarlanabilir bir ortam için sürümlü etiket kullan.

En son imajı çekmek için:

# Pull the latest Ultralytics image from Docker Hub
sudo docker pull ultralytics/ultralytics:latest

Bunun yerine bir imajı kendin oluşturmak için depoyu klonla ve derleme bağlamı olarak depo kökünü kullanarak yukarıdaki tablodan eşleşen Dockerfile'ı belirt:

# Build the CPU image locally from docker/Dockerfile-cpu
sudo docker build -t ultralytics/ultralytics:latest-cpu -f docker/Dockerfile-cpu .

Ultralytics'i Docker Kapsayıcısında Çalıştırma#

Ultralytics Docker kapsayıcısını şu şekilde çalıştırabilirsin:

Yalnızca CPU'yu kullanma#

# Run without GPU
sudo docker run -it --ipc=host ultralytics/ultralytics:latest-cpu

GPU'ları kullanma#

# Run with all GPUs
sudo docker run -it --ipc=host --device nvidia.com/gpu=all ultralytics/ultralytics:latest

# Run specifying which GPUs to use
sudo docker run -it --ipc=host --device nvidia.com/gpu=2 --device nvidia.com/gpu=3 ultralytics/ultralytics:latest

-it bayrağı bir pseudo-TTY atar ve stdin'i açık tutarak kapsayıcıyla etkileşim kurmanı sağlar. --ipc=host bayrağı, işlemler arasında bellek paylaşımı için gerekli olan ana makinenin IPC ad alanının paylaşılmasını etkinleştirir. --device nvidia.com/gpu=... bayrağı, kapsayıcının ana makinedeki GPU'lara CDI aracılığıyla erişmesini sağlar.

Dosya Erişilebilirliği Hakkında Not#

Kapsayıcı içinde yerel makinenizdeki dosyalarla çalışmak için Docker birimlerini kullanabilirsin:

# Mount a local directory into the container
sudo docker run -it --ipc=host --device nvidia.com/gpu=all -v /path/on/host:/path/in/container ultralytics/ultralytics:latest

/path/on/host ifadesini yerel makinenizdeki dizin yolu, /path/in/container ifadesini ise Docker kapsayıcısı içindeki istediğin yol ile değiştir.

Eğitim Çıktılarını Kalıcı Hale Getirme#

Eğitim çıktıları varsayılan olarak kapsayıcı içinde /ultralytics/runs/<task>/<name>/ konumuna kaydedilir. Bir ana makine dizini bağlamazsan kapsayıcı kaldırıldığında çıktılar kaybolur.

Eğitim çıktılarını kalıcı hale getirmek için:

# Recommended: mount workspace and specify project path
sudo docker run --rm -it -v "$(pwd)":/w -w /w ultralytics/ultralytics:latest \
  yolo train model=yolo26n.pt data=coco8.yaml project=/w/runs

Bu işlem tüm eğitim çıktılarını ana makinen üzerinde ./runs konumuna kaydeder.

Docker Kapsayıcısında grafik kullanıcı arayüzü (GUI) uygulamalarını çalıştırma#

Docker öncelikle arka plan uygulamalarını ve CLI programlarını kapsayıcılaştırmak için kullanılır, ancak grafik programlarını da çalıştırabilir. Linux dünyasında grafik görüntülemeyi yöneten iki ana grafik sunucusu vardır: X11 (X Window System olarak da bilinir) ve Wayland. Başlamadan önce şu anda hangi grafik sunucusunu kullandığını belirlemen önemlidir. Öğrenmek için şu komutu çalıştır:

env | grep -E -i 'x11|xorg|wayland'

Bir X11 veya Wayland görüntüleme sunucusunun kurulumu ve yapılandırılması bu kılavuzun kapsamı dışındadır. Yukarıdaki komut hiçbir şey döndürmezse devam etmeden önce sisteminde bunlardan birini çalışır duruma getirerek başlaman gerekir.

GUI ile Docker Kapsayıcısı Çalıştırma#

xhost +local:docker && docker run -e DISPLAY=$DISPLAY \
  -v /tmp/.X11-unix:/tmp/.X11-unix \
  -v ~/.Xauthority:/root/.Xauthority \
  -it --ipc=host ultralytics/ultralytics:latest

GUI ile Docker Kullanma#

Artık Docker kapsayıcının içinde grafik uygulamaları görüntüleyebilirsin. Örneğin, bir YOLO26 modeli tarafından üretilen tahminleri görselleştirmek için aşağıdaki CLI komutunu çalıştırabilirsin:

yolo predict model=yolo26n.pt show=True

Docker GUI'siyle işin bittiğinde#

xhost -local:docker

Artık Ultralytics'i Docker ile kullanmak için kurulumun tamamlandı ve yeteneklerinden yararlanmaya hazırsın. Ultralytics web uygulamasını kendi sunucunda barındırmak için Platform On-Premise kılavuzuna bak. Alternatif Python paketi yükleme yöntemleri için Ultralytics hızlı başlangıç belgelerine bak.

SSS#