跳转至内容

Ultralytics Docker 快速入门指南

Ultralytics Docker 软件包可视化

本指南全面介绍了如何为您的 Ultralytics 项目设置 Docker 环境。Docker 是一个用于在容器中开发、交付和运行应用程序的平台。它特别有利于确保软件始终以相同的方式运行，而无论部署在何处。有关更多详细信息，请访问 Docker Hub 上的 Ultralytics Docker 存储库。

Docker 镜像版本 Docker 拉取次数

您将学到的内容

  • 设置支持 NVIDIA 的 Docker
  • 安装 Ultralytics Docker 镜像
  • 在具有 CPU 或 GPU 支持的 Docker 容器中运行 Ultralytics
  • 使用显示服务器和 Docker 展示 Ultralytics 检测结果
  • 将本地目录挂载到容器中



观看： 如何开始使用 Docker | Ultralytics python 包在 Docker 中的使用演示 🎉

准备工作

  • 请确保您的系统上已安装 Docker。如果未安装，您可以从 Docker 网站下载并安装。
  • 确保您的系统已安装 NVIDIA GPU 和 NVIDIA 驱动程序。
  • 如果使用NVIDIA ）Jetson 设备，请确保安装了相应的 JetPack 版本。有关详细信息，请参阅NVIDIA Jetson 指南。

使用 NVIDIA 支持设置 Docker

首先，通过运行以下命令验证 NVIDIA 驱动程序是否已正确安装：

nvidia-smi

安装NVIDIA ）容器工具包

现在，让我们安装NVIDIA ）容器工具包，在 Docker容器中启用GPU 支持：

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
更新软件包列表并安装nvidia：

sudo apt-get update

安装最新版本的nvidia

sudo apt-get install -y nvidia-container-toolkit \
  nvidia-container-toolkit-base libnvidia-container-tools \
  libnvidia-container1
可选：安装特定版本的nvidia

可以选择安装特定版本的nvidia，方法是设置 NVIDIA_CONTAINER_TOOLKIT_VERSION 环境变量：

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

curl -s -L https://nvidia.github.io/libnvidia-container/stable/rpm/nvidia-container-toolkit.repo \
  | sudo tee /etc/yum.repos.d/nvidia-container-toolkit.repo

更新软件包列表并安装nvidia：

sudo dnf clean expire-cache
sudo dnf check-update

sudo dnf install \
  nvidia-container-toolkit \
  nvidia-container-toolkit-base \
  libnvidia-container-tools \
  libnvidia-container1
可选：安装特定版本的nvidia

可以选择安装特定版本的nvidia，方法是设置 NVIDIA_CONTAINER_TOOLKIT_VERSION 环境变量：

export NVIDIA_CONTAINER_TOOLKIT_VERSION=1.17.8-1
sudo dnf 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

使用 Docker 验证 NVIDIA 运行时

运行 docker info | grep -i runtime 以确保 nvidia 出现在运行时列表中：

docker info | grep -i runtime

安装 Ultralytics Docker 镜像

Ultralytics 提供了多个针对各种平台和用例优化的 Docker 镜像：

  • Dockerfile: GPU 镜像，非常适合训练。
  • Dockerfile-arm64: 适用于 ARM64 架构，适合 Raspberry Pi 等设备。
  • Dockerfile-cpu: 仅 CPU 版本，适用于推理和非 GPU 环境。
  • Dockerfile-jetson-jetpack4: 针对运行 NVIDIA JetPack 4 的 NVIDIA Jetson 设备进行了优化。
  • Dockerfile-jetson-jetpack5: 针对运行 NVIDIA JetPack 5 的 NVIDIA Jetson 设备进行了优化。
  • Dockerfile-jetson-jetpack6: 针对运行 NVIDIA JetPack 6 的 NVIDIA Jetson 设备进行了优化。
  • Dockerfile-jupyter: 用于在浏览器中使用 JupyterLab 进行交互式开发。
  • Dockerfile-python: 适用于轻量级应用程序的最小 Python 环境。
  • Dockerfile-conda: 包含 Miniconda3 和通过 Conda 安装的 Ultralytics 包。

要拉取最新的镜像，请执行以下操作：

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

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

在 Docker 容器中运行 Ultralytics

以下是如何执行 Ultralytics Docker 容器：

仅使用 CPU

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

使用 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

字段 -it flag 分配一个伪 TTY 并保持 stdin 打开，允许您与容器交互。The --ipc=host flag 允许共享主机的 IPC 命名空间，这对于在进程之间共享内存至关重要。The --gpus flag 允许容器访问主机的 GPU。

关于文件可访问性的说明

要在容器中使用本地计算机上的文件，可以使用 Docker 卷：

# 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

替换 /path/on/host 是本地计算机上的目录路径， /path/in/container 是 Docker 容器内的目标路径。

在 Docker 容器中运行图形用户界面 (GUI) 应用程序

高度实验性 - 用户承担所有风险

以下说明是实验性的。与 Docker 容器共享 X11 socket 存在潜在的安全风险。因此，建议仅在受控环境中测试此解决方案。有关更多信息，请参阅以下关于如何使用的资源 xhost(1)(2).

Docker 主要用于容器化后台应用程序和 CLI 程序，但它也可以运行图形程序。在 Linux 世界中，两个主要的图形服务器处理图形显示：X11（也称为 X Window System）和 Wayland。在开始之前，必须确定您当前正在使用哪个图形服务器。运行以下命令以找出：

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

X11 或 Wayland 显示服务器的设置和配置不在此指南的范围内。如果上述命令未返回任何内容，那么您需要首先让其中一个为您的系统工作，然后再继续。

使用 GUI 运行 Docker 容器

示例

使用 GPU 
If you're using [GPUs](#using-gpus), you can add the `--gpus all` flag to the command.
Docker 运行时标志 
If your Docker installation does not use the `nvidia` runtime by default, you can add the `--runtime=nvidia` flag to the command.

如果您使用的是 X11，您可以运行以下命令以允许 Docker 容器访问 X11 socket：

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

此命令设置 DISPLAY 环境变量为主机的显示，挂载 X11 socket，并将 .Xauthority 文件映射到容器。The xhost +local:docker 命令允许 Docker 容器访问 X11 服务器。

对于 Wayland，请使用以下命令：

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

此命令设置 DISPLAY 环境变量为主机的显示，挂载 Wayland socket，并允许 Docker 容器访问 Wayland 服务器。

将 Docker 与 GUI 结合使用

现在您可以在 Docker 容器中显示图形应用程序。例如，您可以运行以下 CLI 命令 来可视化 YOLO11 模型的预测：

yolo predict model=yolo11n.pt show=True
测试

验证 Docker 组是否有权访问 X11 服务器的一个简单方法是运行一个带有 GUI 程序的容器，例如 xclock 或 xeyes或者，您也可以在 Ultralytics Docker 容器中安装这些程序，以测试对 GNU-Linux 显示服务器的 X11 服务器的访问。如果遇到任何问题，请考虑设置环境变量 -e QT_DEBUG_PLUGINS=1设置此环境变量可以启用调试信息的输出，从而帮助进行故障排除。

完成 Docker GUI 后

撤销访问权限

在这两种情况下，完成后都不要忘记撤销 Docker 组的访问权限。

xhost -local:docker
想要直接在终端中查看图像结果吗？

请参阅以下关于使用终端查看图像结果的指南

恭喜！您现在已设置好将 Ultralytics 与 Docker 结合使用，并可以利用其强大的功能。有关其他安装方法，请随时浏览 Ultralytics 快速入门文档。

常见问题

如何使用 Docker 设置 Ultralytics？

要使用 Docker 安装Ultralytics ，首先要确保系统已安装 Docker。如果你有NVIDIA ）GPU处理器，请安装NVIDIA ）容器工具包，以启用GPU 处理器支持。然后，使用以下命令从 Docker Hub 提取最新的Ultralytics Docker 镜像：

sudo docker pull ultralytics/ultralytics:latest

有关详细步骤，请参阅我们的 Docker 快速入门指南。

对于机器学习项目，使用 Ultralytics Docker 镜像有哪些好处？

使用 Ultralytics Docker 镜像可确保不同机器上环境的一致性，从而复制相同的软件和依赖项。这对于以下情况尤其有用 跨团队协作，在各种硬件上运行模型，并保持可重复性。对于基于 GPU 的训练，Ultralytics 提供了优化的 Docker 镜像，例如 Dockerfile 用于通用 GPU 使用，以及 Dockerfile-jetson 用于 NVIDIA Jetson 设备。浏览 Ultralytics Docker Hub 了解更多详情。

如何在具有 GPU 支持的 Docker 容器中运行 Ultralytics YOLO？

首先，确保安装并配置了NVIDIA ）容器工具包。然后，使用以下命令运行支持GPU 的Ultralytics YOLO ：

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

此命令设置一个具有 GPU 访问权限的 Docker 容器。有关更多详细信息，请参阅 Docker 快速入门指南。

如何在具有显示服务器的 Docker 容器中可视化 YOLO 预测结果？

要在 Docker 容器中使用 GUI 可视化 YOLO 预测结果，您需要允许 Docker 访问您的显示服务器。对于运行 X11 的系统，命令是：

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

对于运行 Wayland 的系统，请使用：

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

更多信息可以在在 Docker 容器中运行图形用户界面 (GUI) 应用程序部分找到。

我可以将本地目录挂载到 Ultralytics Docker 容器中吗？

是的，您可以使用 -v 标志：

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

替换 /path/on/host 与本地计算机上的目录，以及 /path/in/container 使用容器内的所需路径。此设置允许您在容器中使用本地文件。有关更多信息，请参阅 关于文件可访问性的说明 部分。



📅 创建于 1 年前 ✏️ 更新于 8 天前
glenn-jocher onuralpszr RizwanMunawar UltralyticsAssistant SHOscarChen picsalex lakshanthad Fruchtzwerg94 Burhan-Q jpedrofonseca_94@hotmail.com

评论