AGX docker yolov5

### YOLOv5在NVIDIA AGX平台上的Docker部署 要在NVIDIA AGX Xavier平台上通过Docker成功部署和运行YOLOv5模型，需要完成以下几个方面的配置： #### 1. 环境准备 确保AGX设备已正确安装JetPack SDK以及相应的驱动程序。JetPack 是 NVIDIA 提供的一个集成开发工具包，用于支持 Jetson 平台的软件栈[^2]。 - **CUDA 和 cuDNN 配置**: JetPack 已经集成了 CUDA 和 cuDNN 的支持，因此无需单独安装这些库。确认所使用的 JetPack 版本兼容目标深度学习框架版本。 - **Python 环境设置**: 建议使用 Python 虚拟环境来管理依赖项。可以通过 Dockerfile 自动化这一过程。 #### 2. 创建自定义 Docker 映像 创建一个适合 YOLOv5 的 Docker 映像文件 `Dockerfile`，其中包含必要的依赖关系和配置。 ```dockerfile # 使用官方 PyTorch 映像作为基础映像 FROM pytorch/pytorch:1.10.0-cuda11.3-cudnn8-runtime # 设置工作目录 WORKDIR /app # 复制项目文件到容器中 COPY . . # 安装额外的依赖项 RUN pip install --no-cache-dir -r requirements.txt && \ apt-get update && \ apt-get install -y libgl1-mesa-glx ffmpeg # 下载预训练权重 (如果适用) RUN wget https://github.com/ultralytics/yolov5/releases/download/v6.0/yolov5s.pt -P models/ # 启动命令 CMD ["python", "detect.py"] ``` 上述脚本基于 PyTorch 官方镜像构建，并安装了所需的附加组件。注意选择与 Torch 版本匹配的 torchvision 库版本（例如，PyTorch v1.10.0 对应 torchvision v0.11.1）[^3]。 #### 3. 构建并推送 Docker 映像 执行以下命令以构建 Docker 映像并将其实例化至本地或远程仓库： ```bash docker build -t yolov5-agx . docker run -it --gpus all -v $(pwd):/workspace -p 8080:8080 yolov5-agx bash ``` 这里的关键参数包括 `--gpus all` 来启用 GPU 支持，以及 `-v` 参数挂载主机路径以便共享数据。 #### 4. 测试推理性能 加载测试图像并通过如下方式调用检测功能： ```python from utils.general import non_max_suppression, scale_coords from models.experimental import attempt_load weights = 'models/yolov5s.pt' img_size = 640 device = torch.device('cuda' if torch.cuda.is_available() else 'cpu') model = attempt_load(weights, map_location=device) # 加载模型 stride = int(model.stride.max()) # 模型步幅 names = model.module.names if hasattr(model, 'module') else model.names # 类名列表 def detect(image_path): img0 = cv2.imread(image_path) # BGR 图片读取 ... results = model(img)[0] pred = non_max_suppression(results, conf_thres=0.4, iou_thres=0.5) for *xyxy, conf, cls in reversed(pred): label = f'{names[int(cls)]} {conf:.2f}' plot_one_box(xyxy, im0, label=label, color=colors[int(cls)], line_thickness=3) return im0 ``` 此代码片段展示了如何利用加载好的模型进行对象检测操作[^1]。 ---