Docker'da YOLOv5 🚀 ile Başlayın

Bu eğitim, hem CPU hem de GPU ortamları için kapsamlı talimatlar sağlayarak YOLOv5 'i bir Docker konteynerinde kurma ve çalıştırma sürecinde size rehberlik edecektir.

Ayrıca YOLOv5 için diğer hızlı başlangıç seçeneklerini de keşfedebilirsiniz, örneğin Colab Not Defteri , GCP Derin Öğrenme Sanal Makinesive Amazon AWS.

Ön Koşullar

Docker: Docker'ı resmi Docker web sitesinden yükleyin.
NVIDIA Sürücüsü ( GPU desteği için): Sürüm 455.23 veya üstü. NVIDIA'nın web sitesinden indirin.
NVIDIA Docker Runtime ( GPU desteği için): Docker'ın yerel GPU'nuzla etkileşime girmesini sağlar. Aşağıdaki kurulum talimatlarını izleyin.

NVIDIA Docker Çalışma Zamanını Ayarlama

NVIDIA sürücülerinizin düzgün şekilde yüklendiğini doğrulayın:

nvidia-smi

NVIDIA Docker çalışma zamanını yükleyin:

# 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 çalışma zamanının kullanılabilir olduğunu doğrulayın:

docker info | grep -i runtime

Adım 1: YOLOv5 Docker Görüntüsünü Çekin

Ultralytics YOLOv5 DockerHub deposu şu adreste mevcuttur https://hub.docker.com/r/ultralytics/yolov5. Docker Autobuild, aşağıdakileri sağlar ultralytics/yolov5:latest görüntüsü her zaman en son depo işlemiyle senkronize olur.

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

# Pull the latest image
sudo docker pull $t

Adım 2: Docker Konteynerini Çalıştırın

Yalnızca CPU Kullanımı

YOLOv5 Docker görüntüsünün etkileşimli bir örneğini ("konteyner" olarak adlandırılır) çalıştırmak için -it bayrak:

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

GPU Kullanımı

# 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

Yerel Dizinlerin Montajı

Konteyner içinde yerel makinenizdeki dosyalara erişmek için:

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

GPU erişimli konteyner:

Bir konteyneri GPU erişimi ile çalıştırmak için --gpus all bayrak:

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

Adım 3: Docker Konteyneri içinde YOLOv5 🚀 adresini kullanın

Artık YOLOv5 modellerini çalışan Docker konteynerinde eğitebilir, test edebilir, tespit edebilir ve dışa aktarabilirsiniz:

# 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