配置docker-yolov5容器,并在pycharm实现ssh连接docker解释器

原创 已于 2022-08-04 15:18:36 修改 · 1.7k 阅读 · 21 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#docker #pycharm #ssh

于 2022-07-16 14:33:07 首次发布
本文介绍了如何在Docker环境下配置Yolov5，避免使用大体积的预构建镜像，而是选择拉取nvidia/cuda镜像并手动配置。步骤包括拉取cuda镜像，设置SSH连接，通过PyCharm进行远程解释器调试，并详细说明了在服务器端的环境配置，如更换镜像源、安装必要的软件等。此外，还展示了如何在PyCharm中设置SSH Interpreter，实现代码的同步与调试。

前言

容器配置需要基于安装好docker和nvidia-docker条件下。
这边配置容器有两条路，一种是直接在docker hub拉取yolov5的镜像，但是大小有十几个G，包含不需要的一些库。另一种是拉取nvidia/cuda镜像，并自己在里面配置环境。这边主要叙述第二种。

一、直接拉取yolov5镜像

https://hub.docker.com/
进入网址，搜索yolov5
在这里插入图片描述
在这里插入图片描述
在服务器输入如下指令即可

docker pull ultralytics/yolov5

二、自己选取cuda镜像并配置环境

1.拉取cuda镜像

搜索nvidia/cuda

在这里插入图片描述
点进去在tag选择标签号
在这里插入图片描述
我是选择11.3.1版本 11.3.1-devel-ubuntu18.04
在这里插入图片描述

直接拉取

docker pull nvidia/cuda:11.3.1-devel-ubuntu18.04

最低0.47元/天 解锁文章
【python】【pycharm】【使用SSH配置解释器 】
wq6qeg88的博客
02-19 2036
如果希望将计算机上全局Python中安装的所有包添加到要创建的虚拟环境中，请选中Inherit global site-packages复选框。为此，请单击Sync folders字段中的Browse图标，然后输入本地项目文件夹的路径和远程服务器上的文件夹的路径。或者，您可以选择Existing，然后从列表中选择任何可用的SSH配置。您可以创建一个新的虚拟环境，选择一个现有的虚拟环境，或者使用系统解释器。在下一个对话框中，选择要在SSH服务器上配置的Python环境类型。
Docker部署yolov5
weixin_44220583的博客
05-31 2316
这是因为版本不匹配的问题，Dockerfile中只限制了opencv-python的版本大于4.1.2并没有限制最高版本，最高版本是，这里我们重新安装。这里我下载了6.0版本的，想要别的版本的自己修改，但dockerfile可能目录不同，可以通过find指令查询。需要根据出错目录去修改upsampling.py文件，具体修改方法参考。这里要等待很长时间，构建大概20g的镜像。
Pycharm中配置ssh解释器
Fivethousand的博客
08-05 2321
Pycharm中配置ssh： Setting-Project-python interpreter 增加一个interpreter 上图中，Host填：XXXXXXXXXX.natapp.cc (这个在NATAPP购买后会有）Port填：XXXXXX (这个在NATAPP购买后你自己可以设定）Username填你的Kella填完后点击next，进入这个界面 在这里面输入你的密码，随后点击next 最后一步，这里有个文件夹同步，就是说pycharm会在你的笔记本本地以及服务器端进行同步，同步的位
docker快速使用yolov11
最新发布
GitNoHup的博客
10-01 436
h200上快速使用yolov11
pycharm通过ssh远程使用服务器解释器
weixin_43955293的博客
09-02 1651
pycharm专业版，学生免费申请一年可续期 部署设置，添加SFTP，填写SSH配置，根路径自动检测，映射不填 设置或者新项目设置里面，添加Python解释器（SSH解释器），解释器路径一般为服务器上anaconda3/envs/虚拟环境/bin/python，完成后编辑修改为部署配置。 可在设置里的解释器里远程安装package，装不了的用终端命令装，一些难装的包（比如dlib）可以去anaconda.org网站搜索通过命令行安装。 每次打开一个新项目，如果要用到远程解释器先改一下部署的映射路径，然后把.
用Docker搭建yolov5开发环境
Fan0920的专栏
03-03 5244
用Docker搭建yolov5开发环境,小白可以上手。
如何利用ssh使得pycharm连接服务器的docker容器内部环境
SoulMatter的博客
04-02 452
首先，需要确定容器的状态，使用docker ps 查看，只有ports那一栏有内容才证明容器暴露了端口出来。然后重新run一个容器（注意要去掉--nest=host参数，要加上-p 8080:22参数，这样就可以让容器暴露一个端口出来）如何打包镜像：(里面包括了将镜像从A服务器远程传输到B服务器后使用的方法，如果是在本服务器自己使用，那么忽略远程传输的步骤）最后一行的 123456789ad ，实际是镜像的id，通过docker images 命令可以查到，替换掉。
Pycharm通过ssh远程docker容器搭建开发环境
qq_43082542的博客
10-16 1237
本地pycharm通过ssh方式远程连接服务器（Ubuntu）上的docker容器，搭建开发环境。实现功能：将环境依赖打包成docker镜像，并在远程服务器中启动容器（启动时做好端口映射和文件夹挂载），通过本地pycharm的ssh加载远程docker容器中的环境解释器，实现本地prcharm开发的代码能同步到容器中和远程服务器中。
pycharm配置docker解释器
Less is More
12-21 929
本地端配置 背景：ubuntu16.04 + pycharm2020.3 + docker-ce + nvidia-container-toolkit 开通服务 创建/etc/systemd/system/docker.service.d目录：sudo mkdir /etc/systemd/system/docker.service.d sudo vi /etc/systemd/system/docker.service.d/http-proxy.conf [Service]
PyCharm ssh连接到docker容器（PyTorch）
weixin_42529594的博客
07-08 1545
为方便调试docker容器内部代码
yolov5_torchserve:使用在Docker上运行的YoloV5模型的Torchserve服务器，具有GPU和静态批处理推理功能以执行生产就绪的推理
05-28
在TorchServe上运行的Yolov5（与GPU兼容）！ 这是一个用于为Yolo v5对象检测模型运行TorchServe的dockerfile。 （TorchServe（PyTorch库）是一种灵活且易于使用的工具，用于服务从PyTorch导出的深度学习模型）。 您只需要在ressources文件夹中传递一个yolov5权重文件（.pt），它将部署一个http服务器，准备进行预测。 设置Docker映像 如果使用GPU，则在本地构建Torchserve映像（dockerhub一个错误）： Build the image torchserve locally for GPU before running this (cf github torchserve) https://github.com/pytorch/serve/tree/master/docker 注意：仅对于CPU
yolov5-mongo-docker
04-12
带有Web File Server的Yolov5 Docker（Python 3.8 build-CPU默认）以查看结果 简单的BASH命令即可构建或运行。 Jetty File Server使用Web浏览器查看结果。 建造 ./build.sh 运行（演示） 如果不存在，它将即时下载“ yolov5s.pt”以使用。 ./run.sh 图像（输入文件夹） 按照检查顺序输入图像文件夹（不为空） '.env'文件： SOURCE_IMAGES=./images 您可以更改为任何图像文件夹： SOURCE_IMAGES=./my_images (make sure you also change the volume mapping line as below) (note: you need to use #VOLUMES_LIST as it is to work) #VOL
在docker容器中部署yolov5(基于ncnn神经网络推理框架）
weixin_44545838的博客
08-05 2765
使用Docker部署NCNN推理框架神经网络能够简化环境配置、提供环境隔离和一致性、实现可移植性、提高资源利用率并具备良好的可扩展性。这些好处可以加速开发和部署过程，提升系统的可靠性和稳定性。简化环境配置：NCNN是一个基于C++的轻量级神经网络推理框架，具有高效、快速和低内存占用等特点。使用Docker可以将NCNN及其依赖项打包成一个独立的容器，避免了手动安装和配置各种依赖项的繁琐过程，减少了环境配置的难度。环境隔离和一致性：Docker提供隔离的容器环境，每个容器都拥有独立的文件系统和运行环境。
Docker部署yolov5模型
greatwind的博客
08-16 3052
准备工作 部署过程中的环境如下： Centos7.6.1810(core 4.7.11) docker-18.09.7 yolov5模型
配置使用yolov5的docker环境
weixin_41912543的博客
02-15 1533
安装docker sudo apt-get update sudo apt-get install \ apt-transport-https \ ca-certificates \ curl \ gnupg-agent \ software-properties-common curl -fsSL https://download.docker.com/linux/ubuntu/gpg | sudo apt-key add - sudo apt-key f.
PyCharm中使用SSH Interpreter解释器，ubuntu切换python2和python3问题
NcepuKZH的博客
04-26 2045
（1）在 PyCharm中使用SSH Interpreter解释器的时候，由于机器默认是py2，而找不到py3。 （2）使用 ：sudo update-alternatives --config python 进行Python版本选择能解决控制台的问题，却不能在PyCharm设置。 （3）于是简单粗暴（脚本文件可以不用写，直接使用命令切换 删除原来版本链接，新建现在版本链接）： 切换成p...
YOLOV5使用(一): docker跑通，详解TensorRT下plugin的onnx
bobchen1017的博客
05-24 2329
本文通过使用封装好的docker直接跑通yolov5来直接学习这个经典的模型，了解数据集的格式。自己制作data和model的yaml文件。并且分析训练的参数, 使用Tensosrboard可视化，调整合适的batch size, 测试，评估模型来学习目标检测
Pycharm配置ssh远程服务器解析器
AI研习星球
12-28 1060
之前在开发中，Pycharm都是通过本机Python环境来解析。但有时候，可能受限于本机电脑配置原因，导致运行速度并不快。（Pycharm需要是专业版，大家可以根据文章下方链接安装破解专业版QAQ）运行文件，这时候就会显示是通过服务器的虚拟环境来执行的代码。选择anaconda的解析器（选择base解析器）选择anaconda的解析器（选择虚拟环境解析器）如果想要切换回来本机的anaconda的话。坐等进度条走完，这里会有文件上传的过程。切换好解析器和目录后点击确认。选择对应的解析器和上传目录。
【pycharm专业版】【如何远程配置Python解释器】【SSH】
wq6qeg88的博客
02-07 2168
我们刚刚看了配置本地解释器。但我们并不总是有一个“本地”的环境。有时候–而且越来越多的时候–我们的环境就在那里。让我们学习如何在PyCharm Professional中配置远程解释器- SSH，Docker，Docker Compose，WSL等。
PyCharm连接远程服务器并配置解释器图解教程
整个流程涵盖从连接配置、路径映射、文件同步机制到远程解释器设置等多个关键技术环节。 首先，在PyCharm中启用远程部署功能需进入Tools菜单下的Deployment子菜单并选择Configuration选项，这是开启远程协作的第一...
评论 2
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值