搭建自己的x86 yolov5 pytorch docker环境

目录

环境选择

1、拉取容器

2、启动容器

3、配置容器环境

3.1 安装yolov5的基础环境

requirements.txt

安装pip依赖包

修改推理代码，尝试第一次推理

3.2 需要安装其他环境

更换阿里源

安装一些使用工具

解决没有openCV依赖包的问题

4、提交容器

---

环境选择

前提：Ubuntu + cuda已经安装好了       

基于之前测试的环境，选择python3.8的版本

选择一个基础的docker 镜像

有几个选择：

• yolov5——版本不对，不够兼容，还是自己安装好
• pytorch + gpu版本——同上
• python + pip安装——需要安装很多东西

       

1、拉取容器

docker pull python:3.8.16-buster

2、启动容器

# 根据自己的场景来，我还共享了目录和其他的一些配置
docker run -it --gpus all --name detection_v5 --restart=always -d python:3.8.16-buster

3、配置容器环境

3.1 安装yolov5的基础环境

环境版本：Python-3.8.16 torch-1.9.0+cu102

requirements.txt

# YOLOv5 requirements
# Usage: pip install -r requirements.txt

# Base ----------------------------------------
gitpython # using v5 7.0
matplotlib>=3.2.2
numpy>=1.18.5
opencv-python>=4.1.1
Pillow>=7.1.2
PyYAML>=5.3.1
requests>=2.23.0
scipy>=1.4.1
torch==1.9.0
torchvision>=0.8.1
tqdm>=4.64.0
protobuf<=3.20.1  # https://github.com/ultralytics/yolov5/issues/8012

# Logging -------------------------------------
tensorboard>=2.4.1
# wandb
# clearml

# Plotting ------------------------------------
pandas>=1.1.4
seaborn>=0.11.0

# Export --------------------------------------
# coremltools>=5.2  # CoreML export
onnx>=1.9.0  # ONNX export
# onnx-simplifier>=0.4.1  # ONNX simplifier
# nvidia-pyindex  # TensorRT export
# nvidia-tensorrt  # TensorRT export
# scikit-learn==0.19.2  # CoreML quantization
# tensorflow>=2.4.1  # TFLite export (or tensorflow-cpu, tensorflow-aarch64)
# tensorflowjs>=3.9.0  # TF.js export
# openvino-dev  # OpenVINO export

# Extras --------------------------------------
ipython  # interactive notebook
psutil  # system utilization
thop>=0.1.1  # FLOPs computation
# albumentations>=1.0.3
# pycocotools>=2.0  # COCO mAP
# roboflow

安装pip依赖包

pip install -r requirements.txt -i https://pypi.douban.com/simple

修改推理代码，尝试第一次推理

root@116725319c42:~/app# python v5_detect.py 
Traceback (most recent call last):
  File "v5_detect.py", line 46, in <module>
    from models.common import DetectMultiBackend
  File "/root/app/models/common.py", line 18, in <module>
    import cv2
  File "/usr/local/lib/python3.8/site-packages/cv2/__init__.py", line 181, in <module>
    bootstrap()
  File "/usr/local/lib/python3.8/site-packages/cv2/__init__.py", line 153, in bootstrap
    native_module = importlib.import_module("cv2")
  File "/usr/local/lib/python3.8/importlib/__init__.py", line 127, in import_module
    return _bootstrap._gcd_import(name[level:], package, level)
ImportError: libGL.so.1: cannot open shared object file: No such file or directory

# 自己的没有写过代码的可以尝试用官方的代码
https://github.com/ultralytics/yolov5

3.2 需要安装其他环境

更换阿里源

# 参考
https://www.cnblogs.com/gaobing/p/15718482.html

//1.先备份
cp /etc/apt/sources.list /etc/apt/sources.list.bak
//2.清空
echo " " > /etc/apt/sources.list
//3.写阿里源
echo "deb https://mirrors.aliyun.com/debian stable main contrib non-free">>/etc/apt/sources.list

echo "deb https://mirrors.aliyun.com/debian stable-updates main contrib non-free">>/etc/apt/sources.list

//4.清空缓存
apt-get clean
apt-get update

安装一些使用工具

apt install vim htop

解决没有openCV依赖包的问题

# 参考
https://blog.csdn.net/weixin_42990464/article/details/125203404

apt-get install ffmpeg libsm6 libxext6  -y
# 到这一步推理环境已经ok

4、提交容器

# 116725319c42  已启动的容器id 用指定的name也可以
# jingwei_detection_v5:v1 名字和版本（自定义）
docker commit 116725319c42 detection_v5:v1

# 导出容器和文件代码就可以自由部署到其他机器