ubuntu20.04下安装标注工具CVAT

本文详细指导如何在Ubuntu系统上安装Docker,增加用户权限,克隆并配置CVAT项目,设置访问地址,安装Chrome浏览器,运行Docker容器,以及创建超级用户,最后提供访问CVAT的步骤。

1  安装docker

sudo apt-get update
sudo apt-get --no-install-recommends install -y 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 add-apt-repository \
  "deb [arch=amd64] https://download.docker.com/linux/ubuntu \
  $(lsb_release -cs) \
  stable"

sudo apt-get update
sudo apt-get --no-install-recommends install -y \
  docker-ce docker-ce-cli containerd.io docker-compose-plugin

2 增加用户到docker组

sudo groupadd docker
sudo usermod -aG docker $USER

3 下载cvat,进入cvat路径

git clone https://github.com/opencv/cvat
cd cvat

4 设置访问地址,这样让其他电脑可以访问它

或者将它放入/etc/profile中开机配置

export CVAT_HOST=your-ip-address

5 安装chrome

cvat推荐只能用chrome

wget https://dl.google.com/linux/direct/google-chrome-stable_current_amd64.deb

2.使用 gdebi 工具自动安装 deb 包和依赖关系:

sudo apt install gdebi
sudo gdebi google-chrome-stable_current_amd64.deb

5  运行docker容器

注意是在cvat目录下,第一次会下载需要的镜像

以后每次开机都需要在这个路径下启动cvat的docker镜像

docker compose up -d

6 创建一个超级用户

docker exec -it cvat_server bash -ic 'python3 ~/manage.py createsuperuser'

注意再邮箱处可以不填,否则可能报错。

7 访问

在chrome浏览器中输入localhost:8080

部署 CVAT(Computer Vision Annotation Tool)在 Ubuntu 系统上是一个涉及多个步骤的过程,包括安装依赖项、配置 Docker 环境、设置 GPU 支持(如果需要)等。以下是详细的部署指南: ### 1. 系统要求 在开始之前,请确保您的系统满足以下要求: - Ubuntu 20.04 或更高版本 - Docker 20.10 或更高版本 - Docker Compose 1.29 或更高版本 - 至少 4GB 内存和 2 核 CPU - 如果使用 GPU 加速,需安装 NVIDIA 驱动和 CUDA 工具包 ### 2. 安装 Docker 和 Docker Compose 首先,安装 Docker 和 Docker Compose: ```bash # 安装 Docker sudo apt-get update sudo apt-get install -y docker.io # 安装 Docker Compose sudo curl -L "https://github.com/docker/compose/releases/download/v2.23.0/docker-compose-$(uname -s)-$(uname -m)" -o /usr/local/bin/docker-compose sudo chmod +x /usr/local/bin/docker-compose # 验证安装 docker --version docker-compose --version ``` ### 3. 安装 NVIDIA 驱动和 CUDA(可选) 如果您打算使用 GPU 加速 CVAT 的模型训练或推理功能,您需要安装 NVIDIA 驱动和 CUDA 工具包。以下是安装步骤: ```bash # 添加 NVIDIA 驱动仓库 sudo apt-get install -y software-properties-common sudo add-apt-repository -y ppa:graphics-drivers/ppa sudo apt-get update # 安装推荐的 NVIDIA 驱动版本 sudo apt-get install -y nvidia-driver-535 # 安装 CUDA 工具包 sudo apt-get install -y cuda-toolkit-12-1 ``` 安装完成后,重启系统以确保驱动程序生效: ```bash sudo reboot ``` ### 4. 安装 NVIDIA Container Toolkit(用于 Docker 的 GPU 支持) 为了在 Docker 容器中使用 GPU,您需要安装 `nvidia-container-toolkit`: ```bash # 添加 NVIDIA Container Toolkit 仓库 distribution=$(. /etc/os-release;echo $ID$VERSION_ID) \ && curl -s -L https://nvidia.github.io/nvidia-docker/gpgkey | sudo apt-key add - \ && curl -s -L https://nvidia.github.io/nvidia-docker/$distribution/nvidia-docker.list | sudo tee /etc/apt/sources.list.d/nvidia-docker.list # 更新包列表并安装 nvidia-container-toolkit sudo apt-get update sudo apt-get install -y nvidia-container-toolkit # 重启 Docker 服务 sudo systemctl restart docker ``` ### 5. 克隆 CVAT 仓库并启动服务 接下来,克隆 CVAT 的官方 GitHub 仓库并启动服务: ```bash # 克隆 CVAT 仓库 git clone https://github.com/cvat-ai/cvat.git cd cvat # 启动 CVAT 服务 docker-compose up -d ``` 默认情况下,CVAT 会使用 CPU 模式运行。如果您希望启用 GPU 支持,可以在 `docker-compose.yml` 文件中进行相应修改,或者使用以下命令启动带有 GPU 支持的服务: ```bash # 启动带有 GPU 支持的 CVAT 服务 docker-compose -f docker-compose.yml -f docker-compose.gpu.yml up -d ``` ### 6. 访问 CVAT Web 界面 CVAT 默认会在 `http://localhost:8080` 上运行。您可以使用浏览器访问该地址,并使用默认的管理员账户 `admin` 和密码 `admin` 登录。 ### 7. 配置用户权限和项目 登录后,您可以创建新用户、分配角色、创建项目并上传数据集进行标注CVAT 提供了丰富的功能,包括多边形标注、矩形框标注、标签管理等。 ### 8. 使用 CVAT 进行模型训练和推理 CVAT 支持与外部模型集成,您可以使用 YOLOv5 等模型进行训练和推理。以下是一个简单的 YOLOv5 模型训练和推理的示例: ```bash # 克隆 YOLOv5 仓库 git clone https://github.com/ultralytics/yolov5.git cd yolov5 # 安装依赖 pip install -r requirements.txt # 训练模型 python train.py --img 640 --batch 16 --epochs 100 --data data/coco128.yaml --weights yolov5s.pt # 验证模型 python val.py --weights runs/train/exp/weights/best.pt --data data/coco128.yaml # 进行推理 python detect.py --weights runs/train/exp/weights/best.pt --source path/to/images ``` ### 9. 部署模型到生产环境 您可以将训练好的模型导出为 ONNX、TensorFlow Lite 等格式,以便在生产环境中部署: ```bash # 导出模型为 ONNX 格式 python export.py --weights runs/train/exp/weights/best.pt --include onnx ``` ###
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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