Docker'da YOLOv5 🚀 ile Başlayın

Bu eğitim, YOLOv5 adresini 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

NVIDIA Sürücü: Sürüm 455.23 veya üstü. NVIDIA web sitesinden indirin.
NVIDIA-Docker: Docker'ın yerel GPU adresinizle etkileşime girmesini sağlar. Kurulum talimatları NVIDIA-Docker GitHub deposunda mevcuttur.
Docker Motoru - CE: Sürüm 19.03 veya üstü. İndirme ve kurulum talimatları Docker web sitesinde bulunabilir.

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 imajı her zaman en son depo işlemiyle senkronize olur. En son görüntüyü çekmek için aşağıdaki komutu çalıştırın:

sudo docker pull ultralytics/yolov5:latest

Adım 2: Docker Konteynerini Çalıştırın

Temel konteyner:

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

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

Yerel dosya erişimine sahip konteyner:

Yerel dosyalara erişimi olan bir konteyner çalıştırmak için (örn. eğitim verileri içinde /datasets), kullanın -v bayrak:

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

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