Link to this sectionHướng dẫn nhanh Docker cho Ultralytics#

Hướng dẫn này đóng vai trò là tài liệu giới thiệu toàn diện về việc thiết lập môi trường Docker cho các dự án Ultralytics của bạn. Docker là một nền tảng để phát triển, vận chuyển và chạy các ứng dụng trong container. Nó đặc biệt hữu ích để đảm bảo phần mềm sẽ luôn chạy đồng nhất, bất kể được triển khai ở đâu. Để biết thêm chi tiết, hãy truy cập kho lưu trữ Docker của Ultralytics trên Docker Hub.

Link to this sectionNhững gì bạn sẽ học#

• Thiết lập Docker với hỗ trợ NVIDIA
• Cài đặt các Docker image của Ultralytics
• Chạy Ultralytics trong Docker container với hỗ trợ CPU hoặc GPU
• Sử dụng display server với Docker để hiển thị kết quả phát hiện của Ultralytics
• Mount các thư mục cục bộ vào container

Link to this sectionĐiều kiện tiên quyết#

• Hãy đảm bảo rằng Docker đã được cài đặt trên hệ thống của bạn. Nếu chưa, bạn có thể tải xuống và cài đặt nó từ trang web của Docker.
• Đảm bảo rằng hệ thống của bạn có GPU NVIDIA và các driver NVIDIA đã được cài đặt.
• Nếu bạn đang sử dụng các thiết bị NVIDIA Jetson, hãy đảm bảo rằng bạn đã cài đặt phiên bản JetPack phù hợp. Tham khảo hướng dẫn NVIDIA Jetson để biết thêm chi tiết.

Link to this sectionThiết lập Docker với hỗ trợ NVIDIA#

Trước tiên, hãy xác minh rằng các driver NVIDIA đã được cài đặt đúng cách bằng cách chạy:

nvidia-smi

Link to this sectionCài đặt NVIDIA Container Toolkit#

Bây giờ, hãy cài đặt NVIDIA Container Toolkit để kích hoạt hỗ trợ GPU trong các Docker container:

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 \
  nvidia-container-toolkit-base libnvidia-container-tools \
  libnvidia-container1

export NVIDIA_CONTAINER_TOOLKIT_VERSION=1.17.8-1
sudo apt-get install -y \
  nvidia-container-toolkit=${NVIDIA_CONTAINER_TOOLKIT_VERSION} \
  nvidia-container-toolkit-base=${NVIDIA_CONTAINER_TOOLKIT_VERSION} \
  libnvidia-container-tools=${NVIDIA_CONTAINER_TOOLKIT_VERSION} \
  libnvidia-container1=${NVIDIA_CONTAINER_TOOLKIT_VERSION}

sudo nvidia-ctk runtime configure --runtime=docker
sudo systemctl restart docker

Link to this sectionXác minh NVIDIA Runtime với Docker#

Chạy docker info | grep -i runtime để đảm bảo nvidia xuất hiện trong danh sách các runtime:

docker info | grep -i runtime

Link to this sectionCài đặt các Docker image của Ultralytics#

Ultralytics cung cấp một số Docker image được tối ưu hóa cho nhiều nền tảng và trường hợp sử dụng khác nhau:

• Dockerfile: Image GPU, lý tưởng cho việc huấn luyện.
• Dockerfile-arm64: Cho kiến trúc ARM64, phù hợp với các thiết bị như Raspberry Pi.
• Dockerfile-cpu: Phiên bản chỉ dành cho CPU để suy luận (inference) và các môi trường không có GPU.
• Dockerfile-jetson-jetpack4: Tối ưu hóa cho các thiết bị NVIDIA Jetson chạy NVIDIA JetPack 4.
• Dockerfile-jetson-jetpack5: Tối ưu hóa cho các thiết bị NVIDIA Jetson chạy NVIDIA JetPack 5.
• Dockerfile-jetson-jetpack6: Tối ưu hóa cho các thiết bị NVIDIA Jetson chạy NVIDIA JetPack 6.
• Dockerfile-jupyter: Dành cho phát triển tương tác sử dụng JupyterLab trong trình duyệt.
• Dockerfile-nvidia-arm64: Dành cho các thiết bị NVIDIA ARM64 như Jetson AGX Thor và DGX Spark, hỗ trợ JetPack 7.0 và DGX OS.
• Dockerfile-python: Môi trường Python tối giản cho các ứng dụng nhẹ.
• Dockerfile-python-export: Image Python tối giản được mở rộng với đầy đủ các khả năng export để chuyển đổi model YOLO.
• Dockerfile-conda: Bao gồm Miniconda3 và gói Ultralytics được cài đặt thông qua Conda.
• Dockerfile-export: Image GPU với tất cả các phụ thuộc định dạng export được cài đặt sẵn để chuyển đổi model và benchmark.

Để pull image mới nhất:

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

# Pull the latest Ultralytics image from Docker Hub
sudo docker pull $t

Link to this sectionChạy Ultralytics trong Docker container#

Đây là cách thực thi Docker container của Ultralytics:

Link to this sectionChỉ sử dụng CPU#

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

Link to this sectionSử dụng các GPU#

# Run with all GPUs
sudo docker run -it --ipc=host --runtime=nvidia --gpus all $t

# Run specifying which GPUs to use
sudo docker run -it --ipc=host --runtime=nvidia --gpus '"device=2,3"' $t

Cờ -it gán một pseudo-TTY và giữ cho stdin mở, cho phép bạn tương tác với container. Cờ --ipc=host cho phép chia sẻ namespace IPC của host, điều này rất cần thiết để chia sẻ bộ nhớ giữa các tiến trình. Cờ --gpus cho phép container truy cập vào các GPU của host.

Link to this sectionLưu ý về khả năng truy cập tệp#

Để làm việc với các tệp trên máy cục bộ của bạn bên trong container, bạn có thể sử dụng Docker volume:

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

Thay thế /path/on/host bằng đường dẫn thư mục trên máy cục bộ của bạn và /path/in/container bằng đường dẫn mong muốn bên trong Docker container.

Link to this sectionLưu trữ kết quả huấn luyện#

Các kết quả huấn luyện sẽ lưu vào /ultralytics/runs/<task>/<name>/ bên trong container theo mặc định. Nếu không mount một thư mục host, các kết quả sẽ bị mất khi container bị xóa.

Để lưu trữ kết quả huấn luyện:

# 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

Lệnh này lưu tất cả các kết quả huấn luyện vào ./runs trên máy host của bạn.

Link to this sectionChạy các ứng dụng giao diện người dùng đồ họa (GUI) trong Docker Container#

Docker chủ yếu được sử dụng để đóng gói các ứng dụng nền và chương trình CLI, nhưng nó cũng có thể chạy các chương trình đồ họa. Trong thế giới Linux, hai máy chủ đồ họa chính xử lý hiển thị đồ họa là X11 (còn được gọi là X Window System) và Wayland. Trước khi bắt đầu, điều cần thiết là phải xác định máy chủ đồ họa nào bạn hiện đang sử dụng. Chạy lệnh này để tìm hiểu:

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

Việc thiết lập và cấu hình máy chủ hiển thị X11 hoặc Wayland nằm ngoài phạm vi của hướng dẫn này. Nếu lệnh trên không trả về gì, bạn sẽ cần bắt đầu bằng việc làm cho một trong hai máy chủ hoạt động trên hệ thống của mình trước khi tiếp tục.

Link to this sectionChạy Docker container với GUI#

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

Link to this sectionSử dụng Docker với GUI#

Bây giờ bạn có thể hiển thị các ứng dụng đồ họa bên trong Docker container của mình. Ví dụ, bạn có thể chạy lệnh CLI sau để trực quan hóa các dự đoán từ một model YOLO26:

yolo predict model=yolo26n.pt show=True

Link to this sectionKhi hoàn tất với Docker GUI#

xhost -local:docker

Bây giờ bạn đã thiết lập xong để sử dụng Ultralytics với Docker và sẵn sàng tận dụng các khả năng của nó. Để biết các phương pháp cài đặt thay thế, hãy xem tài liệu hướng dẫn nhanh Ultralytics.

Link to this sectionCâu hỏi thường gặp#

Link to this sectionLàm cách nào để thiết lập Ultralytics với Docker?#

Để thiết lập Ultralytics với Docker, trước tiên hãy đảm bảo rằng Docker đã được cài đặt trên hệ thống của bạn. Nếu bạn có GPU NVIDIA, hãy cài đặt NVIDIA Container Toolkit để kích hoạt hỗ trợ GPU. Sau đó, pull Docker image Ultralytics mới nhất từ Docker Hub bằng lệnh sau:

sudo docker pull ultralytics/ultralytics:latest

Để biết các bước chi tiết, hãy tham khảo Hướng dẫn nhanh Docker của chúng tôi.

Link to this sectionLợi ích của việc sử dụng các Docker image Ultralytics cho các dự án machine learning là gì?#

Việc sử dụng các Docker image Ultralytics đảm bảo môi trường nhất quán trên các máy khác nhau, sao chép cùng một phần mềm và phụ thuộc. Điều này đặc biệt hữu ích cho cộng tác giữa các nhóm, chạy model trên nhiều phần cứng khác nhau và duy trì tính tái lập. Đối với huấn luyện dựa trên GPU, Ultralytics cung cấp các Docker image được tối ưu hóa như Dockerfile cho việc sử dụng GPU chung và Dockerfile-jetson cho các thiết bị NVIDIA Jetson. Khám phá Ultralytics Docker Hub để biết thêm chi tiết.

Link to this sectionLàm cách nào để tôi có thể chạy Ultralytics YOLO trong một Docker container với hỗ trợ GPU?#

Trước tiên, hãy đảm bảo rằng NVIDIA Container Toolkit đã được cài đặt và cấu hình. Sau đó, sử dụng lệnh sau để chạy Ultralytics YOLO với hỗ trợ GPU:

sudo docker run -it --ipc=host --runtime=nvidia --gpus all ultralytics/ultralytics:latest # all GPUs

Lệnh này thiết lập một Docker container với quyền truy cập GPU. Để biết thêm chi tiết, hãy xem Hướng dẫn nhanh Docker.

Link to this sectionLàm cách nào để trực quan hóa kết quả dự đoán YOLO trong Docker container với display server?#

Để trực quan hóa các kết quả dự đoán YOLO với GUI trong Docker container, bạn cần cho phép Docker truy cập vào máy chủ hiển thị của mình. Đối với các hệ thống chạy X11, lệnh là:

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

Đối với các hệ thống chạy Wayland, hãy sử dụng:

xhost +local:docker && docker run -e DISPLAY=$DISPLAY \
  -v $XDG_RUNTIME_DIR/$WAYLAND_DISPLAY:/tmp/$WAYLAND_DISPLAY \
  --net=host -it --ipc=host ultralytics/ultralytics:latest

Thông tin thêm có thể được tìm thấy trong phần Chạy các ứng dụng giao diện người dùng đồ họa (GUI) trong Docker Container.

Link to this sectionTôi có thể mount các thư mục cục bộ vào Docker container của Ultralytics không?#

Có, bạn có thể mount các thư mục cục bộ vào Docker container của Ultralytics bằng cờ -v:

sudo docker run -it --ipc=host --runtime=nvidia --gpus all -v /path/on/host:/path/in/container ultralytics/ultralytics:latest

Thay thế /path/on/host bằng thư mục trên máy cục bộ của bạn và /path/in/container bằng đường dẫn mong muốn bên trong container. Thiết lập này cho phép bạn làm việc với các tệp cục bộ của mình bên trong container. Để biết thêm thông tin, hãy tham khảo phần Lưu ý về khả năng truy cập tệp.