Bắt đầu với YOLOv5 🚀 trong Docker

Hướng dẫn này sẽ hướng dẫn bạn quy trình thiết lập và chạy YOLOv5 trong một container Docker.

Bạn cũng có thể khám phá các tùy chọn khởi động nhanh khác cho YOLOv5 , chẳng hạn như của chúng tôi Sổ tay Colab , Máy ảo học sâu GCP, Và Amazon AWS.

Điều kiện tiên quyết

Trình điều khiển NVIDIA : Phiên bản 455.23 trở lên. Tải xuống từ trang web của NVIDIA .
NVIDIA -Docker : Cho phép Docker tương tác với máy cục bộ của bạn GPU . Hướng dẫn cài đặt có sẵn trên kho lưu trữ NVIDIA -Docker GitHub .
Docker Engine - CE : Phiên bản 19.03 trở lên. Có thể tìm thấy hướng dẫn tải xuống và cài đặt trên trang web Docker .

Bước 1: Kéo YOLOv5 Hình ảnh Docker

Các Ultralytics YOLOv5 Kho lưu trữ DockerHub có sẵn tại https://hub.docker.com/r/ultralytics/yolov5. Docker Autobuild đảm bảo rằng ultralytics/yolov5:latest image luôn đồng bộ với commit repository mới nhất. Để kéo image mới nhất, hãy chạy lệnh sau:

sudo docker pull ultralytics/yolov5:latest

Bước 2: Chạy Docker Container

Container cơ bản:

Chạy một phiên bản tương tác của YOLOv5 Hình ảnh Docker (được gọi là "container") sử dụng -it lá cờ:

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

Container có quyền truy cập tệp cục bộ:

Để chạy một container có quyền truy cập vào các tệp cục bộ (ví dụ: COCO dữ liệu đào tạo TRONG /datasets), sử dụng -v lá cờ:

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

Container với GPU truy cập:

Để chạy một container với GPU truy cập, sử dụng --gpus all lá cờ:

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

Bước 3: Sử dụng YOLOv5 🚀 bên trong Docker Container

Bây giờ bạn có thể đào tạo, kiểm tra, phát hiện và xuất YOLOv5 các mô hình trong vùng chứa Docker đang chạy:

# 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