docker快速使用yolov11

此文章为在h200上dood模式下使用yolov11训练模型

拉取镜像

docker pull ultralytics/ultralytics:latest

启动容器

docker run -d --rm --name container-name --gpus "device=9" --ipc=host -p 8456:8888  -it ultralytics/ultralytics:latest

设定训练结果目录

如果不设置，yolo训练完会放默认目录下，训练日志最后会提示

yolo settings runs_dir=/workspace/runs

创建dataset目录

· dataset目录格式如下，创建好后，把训练集和验证集数据拷贝进去
· 或者也可在windows弄好，再拷贝进容器后解压（我的服务器不支持挂载）
· 如果支持挂载目录直接在windows下弄好dataset即可

dataset/
├── images/
│   ├── train/
│   │   ├── img_001.jpg
│   │   └── ...
│   └── val/
│       ├── img_201.jpg
│       └── ...
├── labels/
│   ├── train/
│   │   ├── img_001.txt
│   │   └── ...
│   └── val/
│       ├── img_201.txt
│       └── ...
└── dataset.yaml

dataset.yaml内容如下，请按实际情况修改

path: /workspace/dataset
train: images/train
val: images/valnc: 5
names: [block, 1s, 1w, 1n, 1e]

开始训练

· 使用yolo11s.pt作为初始模型，训练100轮，图像尺寸1280，每个批次处理图像个数
· 其他参数诸如lr0学习率、patience早停耐心值等请按需添加
· h200网络没有问题的话，会自动下载yolo11s.pt，无需关心。如果网络有问题就得自己想办法下载了。

yolo train data=/workspace/dataset/dataset.yaml model=yolo11s.pt epochs=100 imgsz=1280 batch=4

训练完成

训练完成后去刚刚设定的结果目录下分析训练结果。如果没有设定，则根据日志去默认目录下查看训练结果。