当前位置：首页 > ops >正文

使用Docker和Miniconda3搭建YOLOv13开发环境

ops 2025/8/15 19:15:05

使用Docker和Miniconda3搭建YOLOv13开发环境指南

详细介绍如何在Docker容器中使用Miniconda3搭建YOLOv13的开发环境，包括环境配置、依赖安装、模型测试和训练的全过程。

1. 环境准备

1.1 拉取Miniconda3 Docker镜像

docker pull continuumio/miniconda3

在这里插入图片描述

1.2 查看可用镜像

docker images

在这里插入图片描述

1.3 创建并运行容器

docker run -it --gpus all --name myconda -v E:/workspace/yolov13:/workspace -p 2000:20000 continuumio/miniconda3:latest

参数说明：

--gpus all: 启用所有GPU
--name myconda: 容器命名为myconda
-v E:/workspace/yolov13:/workspace: 将本地目录挂载到容器的/workspace
-p 2000:20000: 端口映射

2. 配置开发环境

2.1 进入工作目录并创建conda环境

cd /workspace/
conda create -n yolov13 python=3.11 -y

在这里插入图片描述

2.2 下载YOLOv13源码

从GitHub下载源码并解压至E:\workspace\yolov13：

源码地址: https://github.com/iMoonLab/yolov13

2.3 安装依赖

cd /workspace/yolov13-main/yolov13-main
conda activate yolov13

注释掉requirement.txt中的flash_attn（后面单独安装）
在这里插入图片描述

pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple

2.4 安装flash_attn

由于直接安装可能较慢，建议下载whl文件后安装：

wget https://github.com/Dao-AILab/flash-attention/releases/download/v2.7.3/flash_attn-2.7.3+cu11torch2.2cxx11abiFALSE-cp311-cp311-linux_x86_64.whl
pip install flash_attn-2.7.3+cu11torch2.2cxx11abiFALSE-cp311-cp311-linux_x86_64.whl

2.5 下载预训练模型

从以下地址下载模型并放到当前目录：

模型地址: https://github.com/iMoonLab/yolov13/releases/download/yolov13/yolov13n.pt

3. 测试模型

3.1 创建测试脚本

在当前路径下创建detect.py文件：

from ultralytics import YOLO# 加载模型
model = YOLO('yolov13n.pt')  # 替换为你想用的模型# 运行推理
results = model("ultralytics/assets/bus.jpg")# 保存检测结果图像（不会显示图片）
results[0].save(filename="output_detected_bus.jpg")  # 保存为文件

3.2 常见问题解决

Numpy版本问题

在这里插入图片描述

pip install "numpy<2" --force-reinstall -i https://pypi.tuna.tsinghua.edu.cn/simple

libGL.so.1缺失问题

在这里插入图片描述

更改镜像源：

cat > /etc/apt/sources.list << 'EOF'
# Debian 12 (bookworm) 阿里云镜像源
deb http://mirrors.aliyun.com/debian/ bookworm main non-free contrib
deb http://mirrors.aliyun.com/debian/ bookworm-updates main non-free contrib
deb http://mirrors.aliyun.com/debian-security/ bookworm-security main non-free contrib
EOF

更新并安装依赖：

apt-get update
apt-get install -y libgl1 libglib2.0-0

缺少thop问题

pip install thop

3.3 再次运行测试

python detect.py

4. 模型训练

创建训练脚本train.py，修改模型、训练数据集、预测图片的配置文件路径，最后直接训练即可：

from ultralytics import YOLOmodel = YOLO('yolov13n.yaml')# 训练模型
results = model.train(data='coco.yaml',epochs=600, batch=256, imgsz=640,scale=0.5,  # S:0.9; L:0.9; X:0.9mosaic=1.0,mixup=0.0,  # S:0.05; L:0.15; X:0.2copy_paste=0.1,  # S:0.15; L:0.5; X:0.6device="0,1,2,3",
)# 在验证集上评估模型性能
metrics = model.val('coco.yaml')# 对图像进行目标检测
results = model("path/to/your/image.jpg")
results[0].show()