%20(2).svg)
项目简介
本项目利用Docker容器技术，实现对PaddleDetection训练的深度学习模型的快速部署与推理。通过制作和发布Docker镜像，用户无需安装复杂依赖，就能轻松完成模型推理任务。适用于工业检测、图像识别等需要快速部署深度学习模型的场景。
项目的主要特性和功能
- 基于PaddleDetection框架训练深度学习模型，支持PPYOLOE等目标检测模型。
- 运用Docker将训练好的模型和运行环境打包成镜像，实现一键化部署。
- 支持对本地图像进行推理，并将结果保存到指定目录。
- 支持将Docker镜像发布到阿里云等容器镜像服务，也能从云端拉取镜像进行测试。
安装使用步骤
1. 安装Docker
在CentOS 7系统上安装Docker：
bash
yum -y install docker-ce docker-ce-cli containerd.io
安装完成后，运行以下命令验证Docker是否安装成功：
bash
docker run hello-world
2. 构建Docker镜像
在项目根目录下，运行以下命令构建Docker镜像：
bash
docker build -t docker_sample:2.0 .
其中，docker_sample:2.0为镜像名称和标签。
3. 运行Docker容器
使用以下命令运行Docker容器，并将本地目录映射到容器中的工作目录：
bash
docker run -it --privileged=true -v /docker_paddledet:/docker_detection docker_sample:2.0
其中，/docker_paddledet为本地目录，/docker_detection为容器中的工作目录。
4. 模型推理
容器启动后，会自动执行ppyoloe_models.py脚本，对data/images目录下的图像进行推理，结果将保存到同一目录下。
5. 发布镜像到阿里云（可选）
- 登录阿里云容器镜像服务。
- 将本地Docker镜像的tag更改为阿里云要求的格式。
- 使用
docker push命令将镜像上传至阿里云。
6. 拉取镜像测试（可选）
从阿里云拉取镜像并运行容器进行测试：
bash
docker pull <your-repository>/docker_sample:2.0
docker run -it --privileged=true -v /docker_paddledet:/docker_detection <your-repository>/docker_sample:2.0
下载地址
点击下载 【提取码: 4003】【解压密码: www.makuang.net】