YOLOV8 进行docker环境配置

时间：2025-03-23 21:58:52

修改docker文件

  1. 原docekerfile中ADD /assets/ /assets/ /root/.config/Ultralytics/下载很慢，可以在外部下载好，放入docker文件夹中，再将源代码改为ADD /root/.config/Ultralytics/（其它下载内容类似修改包括,）
  2. 可在RUN pip install --no-cache ultralytics albumentations comet gsutil notebook \ coremltools onnx onnx-simplifier onnxruntime openvino-dev>=2022.3加上镜像源-i /simple

Docker 命令

  1. sudo docker build -f ./ultralytics-main/docker/Dockerfile -t yolov8:v0 .
  2. 通过docker images查看容器
  3. 通过docker ps -a查看容器ID，例如：f4f9d52e741d
  4. docker run -t -i -v /opt:/soft 容器id /bin/bash
  5. 使用-v参数来挂载主机下的一个目录，把本地/opt文件挂载在这个容器上做共享文件夹，这样启动后容器会自动在根目录下创建soft文件夹，同时也就要求了soft必须写绝对路径
  6. 进入镜像docker exec -it 容器ID /bin/bash
  7. 使用GPU sudo docker run -it --gpus all 939ef9bb8e81 /bin/bash

进入docker后

  1. 测试yolo predict model= source=“/images/” 若无yolo则先pip install ultralytics

镜像导出与维护

导出前先将容器提交成镜像 sudo docker commit -m “add yolo env” <容器ID> yolo8:v1

  1. sudo docker save <镜像ID> -o /home/yolov8_v0.tar

  2. 停止运行容器 sudo docker stop <容器ID>

  3. 删除容器 sudo docker rm <容器ID前三位>

  4. 删除镜像 sudo docker rmi <镜像ID前三位>

  5. 导入镜像 sudo docker load <

  6. 为镜像打上标签,sudo docker tag aba01f181a4a webconsole:latest

容器导出

  1. sudo docker export -o <容器id>

# 使用GPU训练环境配置

  1. 首先下载的docker环境要与本地的cuda版本一致，以cuda10.1为例子：sudo docker pull pytorch/pytorch:1.4-cuda10.1-cudnn7-devel（列表可在官网查看/r/pytorch/pytorch）
  2. conda 创建python3.8环境 conda create -n your_env_name python=3.8 然后激活source activate your_env_name
  3. yolo的训练环境是基于pytorch1.8及以上，因此下载GPU版本pytorch1.8.1(可在官网查找 /get-started/previous-versions/）
  4. 可手动下载pytorch（/whl/torch_stable.html）
  5. 相关python 命令：
    pip install torch-1.8.1+cu101-cp38-cp38-linux_x86_64.whl torchvision-0.9.1+cu101-cp38-cp38-linux_x86_64.whl torchaudio-0.8.1-cp38-cp38-linux_x86_64.whl -i /simple
    pip install ultralytics -i /simple
    pip uninstall opencv-python
    pip install opencv-python-headless -i /simple

相关文章