# Add NVIDIA package repositories
curl -s -L https://nvidia.github.io/nvidia-docker/gpgkey | sudo apt-key add -
distribution=$(lsb_release -cs)
curl -s -L https://nvidia.github.io/nvidia-docker/$distribution/nvidia-docker.list | sudo tee /etc/apt/sources.list.d/nvidia-docker.list
# Install NVIDIA Docker runtime
sudo apt-get update
sudo apt-get install -y nvidia-docker2
# Restart Docker service to apply changes
sudo systemctl restart docker
使用 Docker 验证NVIDIA 运行时
运行 docker info | grep -i runtime 以确保 nvidia 出现在运行时列表中：
docker info | grep -i runtime
安装Ultralytics Docker 映像
Ultralytics 提供多种针对不同平台和用例优化的 Docker 映像：
Dockerfile： GPU 镜像，是培训的理想选择。
Dockerfile-arm64：适用于 ARM64 架构，适合Raspberry Pi 等设备。
Dockerfile-cpu ： CPU仅适用于推理和非GPU 环境的版本。
Dockerfile-jetson-jetpack4：针对运行NVIDIA  JetPack 4 的NVIDIA  NVIDIA  Jetson设备进行了优化。
Dockerfile-jetson-jetpack5：针对运行NVIDIA  JetPack 5 的 NVIDIA  NVIDIA  Jetson设备进行了优化。
Dockerfile-jetson-jetpack6：针对运行NVIDIA  JetPack 6 的NVIDIA  NVIDIA  Jetson设备进行了优化。
Dockerfile-jupyter：用于在浏览器中使用 JupyterLab 进行交互式开发。
Dockerfile-python ：用于轻量级应用程序的最小Python 环境。
Dockerfile-conda：包含通过 Conda 安装的Miniconda3和Ultralytics 软件包。
提取最新图像：
# Set image name as a variable
t=ultralytics/ultralytics:latest
# Pull the latest Ultralytics image from Docker Hub
sudo docker pull $t
在 Docker 容器中运行Ultralytics
下面介绍如何执行Ultralytics Docker 容器：
仅使用CPU
# Run without GPU
sudo docker run -it --ipc=host $t
使用图形处理器
# Run with all GPUs
sudo docker run -it --ipc=host --gpus all $t
# Run specifying which GPUs to use
sudo docker run -it --ipc=host --gpus '"device=2,3"' $t
"(《世界人权宣言》) -it 标记会分配一个伪 TTY 并保持 stdin 开启，以便与容器进行交互。该 --ipc=host 标记可共享主机的 IPC 命名空间，这对进程间共享内存至关重要。该 --gpus 标记允许容器访问主机的 GPU。
关于文件无障碍访问的说明
要在容器内处理本地机器上的文件，可以使用 Docker 卷：
# Mount a local directory into the container
sudo docker run -it --ipc=host --gpus all -v /path/on/host:/path/in/container $t
更换 /path/on/host 使用本地计算机上的目录路径和 /path/in/container 与 Docker 容器内的所需路径一致。
在 Docker 容器中运行图形用户界面 (GUI) 应用程序
高度试验性 - 用户承担所有风险
以下说明是试验性的。与 Docker 容器共享 X11 插口会带来潜在的安全风险。因此，建议仅在受控环境中测试此解决方案。如需了解更多信息，请参阅以下资源，了解如何使用 xhost(1)(2).
Docker 主要用于将后台应用程序和CLI 程序容器化，但它也可以运行图形程序。在 Linux 世界中，有两个主要的图形服务器处理图形显示：X11（又称 X 窗口系统）和Wayland。在开始之前，必须确定你当前使用的是哪种图形服务器。运行此命令即可知道：
env | grep -E -i 'x11|xorg|wayland'
X11 或 Wayland 显示服务器的设置和配置超出了本指南的范围。如果上述命令没有返回任何结果，那么在继续之前，你需要先让你的系统运行这两个命令中的任何一个。
使用图形用户界面运行 Docker 容器
使用图形处理器
If you're using [GPUs](#using-gpus), you can add the `--gpus all` flag to the command.
X11韦兰
如果使用 X11，可以运行以下命令允许 Docker 容器访问 X11 套接字：
xhost +local:docker && docker run -e DISPLAY=$DISPLAY \
  -v /tmp/.X11-unix:/tmp/.X11-unix \
  -v ~/.Xauthority:/root/.Xauthority \
  -it --ipc=host $t
该命令设置 DISPLAY 环境变量到主机显示屏，挂载 X11 套接字，并将 .Xauthority 文件到容器中。文件 xhost +local:docker 命令允许 Docker 容器访问 X11 服务器。
对于 Wayland，请使用以下命令：
xhost +local:docker && docker run -e DISPLAY=$DISPLAY \
  -v $XDG_RUNTIME_DIR/$WAYLAND_DISPLAY:/tmp/$WAYLAND_DISPLAY \
  --net=host -it --ipc=host $t
该命令设置 DISPLAY 环境变量，挂载 Wayland 套接字，并允许 Docker 容器访问 Wayland 服务器。
通过图形用户界面使用 Docker
现在，您可以在 Docker 容器内显示图形应用程序。例如，您可以运行以下CLI 命令来可视化来自YOLO11 模型的预测结果：
yolo predict model=yolo11n.pt show=True
验证 Docker 组是否能访问 X11 服务器的一个简单方法是运行一个带有图形用户界面程序的容器，如 xclock 或 xeyes.或者，你也可以在Ultralytics Docker 容器中安装这些程序，以测试对 GNU-Linux 显示服务器的 X11 服务器的访问。如果遇到任何问题，可考虑设置环境变量 -e QT_DEBUG_PLUGINS=1.设置该环境变量可以输出调试信息，帮助排除故障。
使用 Docker GUI 完成后
撤销访问权限
在这两种情况下，完成后不要忘记从 Docker 组中撤销访问权限。
xhost -local:docker
想直接在终端中查看图像结果？
请参阅以下使用终端查看图像结果的指南
恭喜您！您现在已经设置好使用Ultralytics 和 Docker，并准备好利用其强大的功能。有关其他安装方法，请浏览Ultralytics 快速入门文档。
如何使用 Docker 设置Ultralytics ？
要使用 Docker 设置Ultralytics ，首先要确保系统已安装 Docker。如果您有NVIDIA GPU ，请安装NVIDIA Docker 运行时，以启用GPU 支持。然后，使用以下命令从 Docker Hub 提取最新的Ultralytics Docker 映像：
sudo docker pull ultralytics/ultralytics:latest
有关详细步骤，请参阅我们的《Docker 快速入门指南》。
在机器学习项目中使用Ultralytics Docker 映像有什么好处？
使用Ultralytics Docker 映像可以确保在不同机器上使用一致的环境，复制相同的软件和依赖关系。这对于 跨团队协作在各种硬件上运行模型，并保持可重复性。对于GPU训练，Ultralytics 提供了优化的 Docker 映像，如 Dockerfile 一般用于GPU 和 Dockerfile-jetson 用于NVIDIA Jetson 设备。探索 Ultralytics Docker Hub 了解更多详情。
如何在支持GPU 的 Docker 容器中运行Ultralytics YOLO  ？
首先，确保安装并配置了NVIDIA Docker 运行时。然后，使用以下命令运行Ultralytics YOLO  并支持GPU ：
sudo docker run -it --ipc=host --gpus all ultralytics/ultralytics:latest
该命令用于设置可访问GPU 的 Docker 容器。更多详情，请参阅《Docker 快速入门指南》。
如何在带有显示服务器的 Docker 容器中可视化YOLO 预测结果？
要在 Docker 容器中使用图形用户界面可视化YOLO 预测结果，需要允许 Docker 访问显示服务器。对于运行 X11 的系统，命令是
xhost +local:docker && docker run -e DISPLAY=$DISPLAY \
  -v /tmp/.X11-unix:/tmp/.X11-unix \
  -v ~/.Xauthority:/root/.Xauthority \
  -it --ipc=host ultralytics/ultralytics:latest
对于运行 Wayland 的系统，请使用
xhost +local:docker && docker run -e DISPLAY=$DISPLAY \
  -v $XDG_RUNTIME_DIR/$WAYLAND_DISPLAY:/tmp/$WAYLAND_DISPLAY \
  --net=host -it --ipc=host ultralytics/ultralytics:latest
更多信息，请参阅在 Docker 容器中运行图形用户界面 (GUI) 应用程序部分。
我可以将本地目录挂载到Ultralytics Docker 容器中吗？
Ultralytics 是的，您可以使用 -v 旗子
sudo docker run -it --ipc=host --gpus all -v /path/on/host:/path/in/container ultralytics/ultralytics:latest
更换 /path/on/host 本地计算机上的目录，然后 /path/in/container 容器内的所需路径。通过这种设置，您可以在容器内处理本地文件。有关详细信息，请参阅 关于文件无障碍访问的说明 节。