使用yolov8的dockerfile在ubuntu上部署环境

这篇具有很好参考价值的文章主要介绍了使用yolov8的dockerfile在ubuntu上部署环境。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

使用dockerfile在ubuntu上部署环境

  1. 首先进入doceker文件夹 cd yolov8/ultralytics-main/docker
    使用yolov8的dockerfile在ubuntu上部署环境,ubuntu,YOLO,docker

  2. 执行命令docker build -t yolov8:v1 .
    yolov8:v1(镜像名称:镜像标签,可以自己定义)
    注意点:
    (1)原docekerfile中ADD https://ultralytics.com/assets/Arial.ttf https://ultralytics.com/assets/Arial.Unicode.ttf /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 Arial.ttf Arial.Unicode.ttf /root/.config/Ultralytics/
    (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 https://pypi.tuna.tsinghua.edu.cn/simple

  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
    使用-v参数来挂载主机下的一个目录,把/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**

  5. 进入镜像docker exec -it 容器ID /bin/bash
    退出 :ctrl+D
    启动容器 docker start 容器id
    停止容器 docker stop 容器id
    重启容器 odcker rstart 容器id
    删除容器 docker rm -f 容器id

注意使用:当某些命令功能不存在时,可以通过apt-get install 包名称 安装文章来源地址https://www.toymoban.com/news/detail-682814.html

到了这里,关于使用yolov8的dockerfile在ubuntu上部署环境的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • 【YOLO】YOLOv8实操:环境配置/自定义数据集准备/模型训练/预测

    源码链接:https://github.com/ultralytics/ultralytics yolov8和yolov5是同一作者,相比yolov5,yolov8的集成性更好了,更加面向用户了 YOLO命令行界面(command line interface, CLI) 方便在各种任务和版本上训练、验证或推断模型。CLI不需要定制或代码,可以使用yolo命令从终端运行所有任务。 如果

    2023年04月24日
    浏览(61)
  • YOLOV8 进行docker环境配置

    原docekerfile中ADD https://ultralytics.com/assets/Arial.ttf https://ultralytics.com/assets/Arial.Unicode.ttf /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 Arial.ttf Arial.Unicode.ttf /root/.config/Ultralytics/(其它下载内容类似修改包括yolo8.pt,) 可在RUN pip install -

    2024年02月04日
    浏览(39)
  • YOLOv8-TensorRT C++ ubuntu部署

    先要安装好显卡驱动、CUDA、CUDNN 以ubuntu20.04、显卡1650安装470版本的显卡驱动、11.3版本的CUDA及8.2版本的CUDNN为例 进入网站: https://developer.nvidia.com/nvidia-tensorrt-8x-download 进行勾选下载: TAR是免安装直接解压可用的 解压: 终端打印出如下内容表明cuda+cudnn+tensorrt安装正常: 可以

    2024年01月20日
    浏览(43)
  • 【yolov8】从0开始搭建部署YOLOv8,环境安装+推理+自定义数据集搭建与训练,一小时掌握

    bilibili详细视频教程 github链接:https://github.com/ultralytics/ultralytics git拉取项目: git clone https://github.com/ultralytics/ultralytics.git 首先查看pytorch支持的最高版本 PyTorch https://pytorch.org/ 然后查看N卡系统支持最高的版本 然后权衡下载支持最高版本的CUDA和cuDNN CUDA工具包 https://developer.n

    2024年01月17日
    浏览(60)
  • 【亲测】ubuntu20.4利用conda安装yoloV8 CUDA(python)环境

    搭建yoloV8之前请确保显卡驱动程序及CUDA环境安装完成并且电脑中已经安装了miniconda3,我们用miniconda来管理yoloV8环境。 安装CUDA+显卡驱动请参照: 【亲测】ubuntu20.4 显卡驱动+CUDA11.8一起安装_Coding_C++的博客-CSDN博客 一、在miniconda创建yoloV8环境 1、在miniconda上先创建一个环境命名

    2024年02月05日
    浏览(64)
  • YOLOv8 测试 5:Linux 中 Docker 部署 YOLOv8,Python 封装 API 接口,base64 图片处理

    记录时间 [2024-4-14] 系列文章简摘: Docker 学习笔记(二):在 Linux 中部署 Docker(Centos7 下安装 docker、环境配置,以及镜像简单使用) API 接口简单使用(二):Python 中使用 Flask(接口封装整理版,含文件上传接口的详细实现) YOLOv8 测试 3:在 Python 中将 YOLOv8 模型封装成 A

    2024年04月29日
    浏览(39)
  • 【Docker】dockerfile部署conda并激活环境

    原文作者 :我辈李想 版权声明 :文章原创,转载时请务必加上原文超链接、作者信息和本声明。 在使用docker的过程中,跟着官方文档或各种教程都是很顺利的,在实际项目中,我碰到了一个docker部署conda镜像容器,实际程序是在虚拟环境slab中,不是base。项目是我从其他人

    2024年03月27日
    浏览(45)
  • Docker在windows下使用教程,通过Dockerfile创建镜像/容器,以YOLO系列为例

     通过可视化界面将极大的降低学习难度。  1.1、Docker Desktop下载  下载地址:Docker Desktop: The #1 Containerization Tool for Developers | Docker 应当是这个界面,选择下载即可 1.2、下载完成后需打开window自带的虚拟机       将Hyper-V勾选即打开,勾选后需重启。  1.3、下载WSL,由于是在

    2024年02月05日
    浏览(66)
  • 训练yolov8时提示yolo命令不可用

    在训练yolov8时,所有步骤都按照网上给的流程进行操作的,安装好了ultralytics和yolo,就到最后一步训练网络的时候,系统提示 Usage: yolo [OPTIONS] COMMAND [ARGS]… Try ‘yolo -h’ for help. Error: No such command ‘task=detact’. 其实问题就是yolo命令不可用,在网上找了半天没找到解决办法。

    2024年02月12日
    浏览(44)
  • 【YOLO系列】YOLOv8算法(尖端SOTA模型)

    在这里粗略回顾一下YOLOv5,这里直接提供YOLOv5的整理的结构图吧 Backbone:CSPDarkNet结构,主要结构思想的体现在C3模块,这里也是梯度分流的主要思想所在的地方; PAN-FPN:双流的FPN,必须香,也必须快,但是量化还是有些需要图优化才可以达到最优的性能,比如cat前后的scal

    2024年02月02日
    浏览(43)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包