Bắt đầu với YOLOv5 🚀 trong Docker
Hướng dẫn này sẽ hướng dẫn bạn qua quá trình thiết lập và chạy YOLOv5 trong bộ chứa Docker.
Bạn cũng có thể khám phá các tùy chọn bắt đầu nhanh khác cho YOLOv5, chẳng hạn như của chúng tôi Máy tính xách tay Colab , Máy ảo học sâu GCPvà 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 GPU cục bộ của bạn. Hướng dẫn cài đặt có sẵn trên kho lưu trữ Nvidia-Docker GitHub.
- Docker Engine - CE: Phiên bản 19.03 trở lên. Bạn 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 DockerHub repository có sẵn tại https://hub.docker.com/r/ultralytics/yolov5. Docker Autobuild đảm bảo rằng ultralytics/yolov5:latest
Hình ảnh luôn đồng bộ với cam kết kho lưu trữ gần đây nhất. Để kéo hình ảnh mới nhất, hãy chạy lệnh sau:
Bước 2: Chạy Docker Container
Container cơ bản:
Chạy một phiên bản tương tác của YOLOv5 Hình ảnh Docker (được gọi là "bộ chứa") bằng cách sử dụng -it
cờ:
Vùng chứa có quyền truy cập tệp cục bộ:
Để chạy một container có quyền truy cập vào các tệp cục bộ (ví dụ: dữ liệu đào tạo COCO trong /datasets
), sử dụng -v
cờ:
Vùng chứa có quyền truy cập GPU:
Để chạy bộ chứa có quyền truy cập GPU, hãy sử dụng --gpus all
cờ:
Bước 3: Sử dụng YOLOv5 🚀 trong Docker Container
Giờ đây, bạn có thể đào tạo, kiểm tra, phát hiện và xuất khẩu YOLOv5 Các mô hình trong bộ 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