1. Docker的安装

注意：官方也提供了直接Pull Yolov5的渠道：

docker pull ultralytics/yolov5

详见：https://hub.docker.com/r/ultralytics/yolov5 

--------------------------------------------------以下正文-----------------------------------------------------

建议观看本教学视频：05.安装配置_哔哩哔哩_bilibili

官方下载链接：Docker: Accelerated Container Application Development

注意：需要科学上网注册账号

下载好后如下图：

2. Docker的相关指令学习

docker 常用命令大全_docker常用命令_保护我方胖虎的博客-CSDN博客

【Docker系列】从头学起 Docker——docker run 命令详解_搞什么滚去学习的博客-CSDN博客

3. 案例-打包本地修改好的Yolov5包

3.1 找到本地Yolov5的文件夹：

3.2 创建Dockerfile，注意，没有拓展名。

#基于的基础镜像
FROM python:3.9.10
#代码添加到code文件夹
ADD . /usr/src/app/uniform/yolotest
# 设置code文件夹是工作目录
WORKDIR /usr/src/app/uniform/yolotest
# 安装支持
RUN pip install -i https://pypi.tuna.tsinghua.edu.cn/simple/ -r requirements.txt

3.3 在Yolov5项目目录的cmd中创建Image

docker build -t test .

运行时间可能比较长，运行完成的界面：

在Docker Desktop中就可以看到了：

3.4 Image转为Container

在cmd中运行：

docker run -it --gpus all --net=host --ipc=host --privileged=true --name test01 --ulimit core=-1 -v F:/Deep_learning/Dockertest01:/usr/src/app/uniform/data test env LANG=C.UTF-8 /bin/bash 

具体含义可以参考：【Docker系列】从头学起 Docker——docker run 命令详解_搞什么滚去学习的博客-CSDN博客x

现在CMD界面为：

即创建成功，可以试一试调用Python，测试torch的cuda是否可用：

 

3.5 导入权重文件和测试照片到Container并测试Yolov5

在Docker Desktop中浏览Yolov5文件目录，将想要测试的pt权重文件和照片导入：

直接将pt文件和测试照片拖入即可：

运行yolov5进行检测：

python detect.py --weights tomato.pt --source xs_4.jpg --conf-thres 0.7

完成：