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的过程。

您还可以探索YOLOv5的其他快速入门选项，例如我们的Colab Notebook ，GCP深度学习VM，以及亚马逊AWS。

前提条件

NVIDIA驱动程序：版本455.23或更高。从NVIDIA的网站下载。
NVIDIA-Docker：允许Docker与您的本地GPU交互。安装说明可在NVIDIA-Docker GitHub仓库上找到。
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。

步骤1：拉取YOLOv5 Docker镜像

Ultralytics YOLOv5 DockerHub仓库位于https://hub.docker.com/r/ultralytics/yolov5。Docker自动构建确保ultralytics/yolov5:latest镜像始终与最新的仓库提交同步。要拉取最新镜像，请运行以下命令：

sudo docker pull ultralytics/yolov5:latest

步骤2：运行Docker容器

基本容器：

使用-it标志运行YOLOv5 Docker镜像的交互式实例（称为“容器”）：

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

具有本地文件访问权限的容器：

要运行一个可以访问本地文件的容器（例如，位于/datasets中的COCO训练数据），请使用-v标志：

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

具有GPU访问权限的容器：

要运行一个具有GPU访问权限的容器，请使用--gpus all标志：

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

步骤3：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：

# 在您的数据上训练模型
python train.py

# 验证训练好的模型以获取精度、召回率和mAP
python val.py --weights yolov5s.pt

# 使用训练好的模型对您的图像或视频进行推理
python detect.py --weights yolov5s.pt --source path/to/images

# 将训练好的模型导出为其他格式以进行部署
python export.py --weights yolov5s.pt --include onnx coreml tflite