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 。
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
- Nvidia 驱动程序:版本 455.23 或更高。从Nvidia 网站下载。
- Nvidia-Docker允许 Docker 与本地 GPU 交互。安装说明可从Nvidia-Docker GitHub 代码库中获取。
- Docker Engine - CE:版本 19.03 或更高。下载和安装说明可在Docker 网站上找到。
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
镜像始终与最新的版本库提交同步。要提取最新映像,请运行以下命令:
第 2 步:运行 Docker 容器
基本容器
运行YOLOv5 Docker 映像的交互式实例(称为 "容器"),使用 -it
旗子
可访问本地文件的容器:
要运行可访问本地文件(例如,COCO 培训数据在 /datasets
),使用 -v
旗子
可访问 GPU 的容器:
要运行可访问 GPU 的容器,请使用 --gpus all
旗子
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