在 Docker 中开始使用YOLOv5 🚀

本教程将指导您在 Docker 容器中设置和运行YOLOv5 ，并为CPU 和GPU 环境提供全面的说明。

您还可以探索YOLOv5 的其他快速入门选项，例如我们的 Colab 笔记本 , GCP 深度学习虚拟机和亚马逊 AWS.

先决条件

Docker：从Docker 官方网站安装 Docker。
NVIDIA 驱动程序（支持GPU ）：版本 455.23 或更高。NVIDIA网站下载。
NVIDIA Docker Runtime（支持GPU ）：允许 Docker 与本地GPU 交互。请按照以下说明进行安装。

设置NVIDIA Docker 运行时

确认NVIDIA 驱动程序已正确安装：

nvidia-smi

安装NVIDIA Docker 运行时：

# Add NVIDIA package repositories
curl -s -L https://nvidia.github.io/nvidia-docker/gpgkey | sudo apt-key add -
distribution=$(lsb_release -cs)
curl -s -L https://nvidia.github.io/nvidia-docker/$distribution/nvidia-docker.list | sudo tee /etc/apt/sources.list.d/nvidia-docker.list

# Install NVIDIA Docker runtime
sudo apt-get update
sudo apt-get install -y nvidia-docker2

# Restart Docker service
sudo systemctl restart docker

验证NVIDIA 运行时是否可用：

docker info | grep -i runtime

第 1 步：提取YOLOv5 Docker 映像

Ultralytics YOLOv5 DockerHub 存储库位于 https://hub.docker.com/r/ultralytics/yolov5.Docker Autobuild 可确保 ultralytics/yolov5:latest 映像始终与最新的版本库提交同步。

# Set image name as a variable
t=ultralytics/yolov5:latest

# Pull the latest image
sudo docker pull $t

第 2 步：运行 Docker 容器

仅使用CPU

运行YOLOv5 Docker 映像的交互式实例（称为 "容器"），使用 -it 旗子

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

使用GPU

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

# Run with specific GPUs
sudo docker run -it --ipc=host --gpus '"device=2,3"' $t

安装本地目录

在容器内访问本地计算机上的文件：

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

集装箱，GPU ：

要使用GPU 访问权限运行容器，请使用 --gpus all 旗子

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

第 3 步：在 Docker 容器中使用YOLOv5 🚀

现在，您可以在运行的 Docker 容器中训练、测试、检测和导出YOLOv5 模型：

# 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