把物体检测模型迁移到docker容器

简介: 把物体检测模型迁移到docker容器

docker一条命令部署模型

linux下部署命令

docker run -tdi   --net mynet10  --ip 10.10.20.4  --name  tfmodelcpu   --privileged=true   registry.cn-hangzhou.aliyuncs.com/mkmk/tfmodels:cpu14   init && docker exec -d tfmodelcpu /bin/bash -c "cd /home && nohup /usr/local/python3/bin/jupyter notebook  --allow-root  &"

windows下部署命令

docker run -tdi   --net mynet10  --ip 10.10.20.4  --name  tfmodelcpu   --privileged=true   registry.cn-hangzhou.aliyuncs.com/mkmk/tfmodels:cpu14   init | docker exec -d tfmodelcpu /bin/bash -c "cd /home && nohup /usr/local/python3/bin/jupyter notebook  --allow-root  &"

之后可以在 10.10.20.4:8888 查看模型代码以及使用说明

然后可以通过 10.10.20.4:22 ssh连接容器运行模型训练


物体检测模型object_detection是

tensorflow的 github开源项目

模型下载地址

https://github.com/tensorflow/models

下载完成后,

cd home
#不推荐这样下载 会很慢 ,建议开代理自己下载放到 home目录
wget -c https://github.com/tensorflow/models/archive/master.zip
unzip  master.zip

#centos7的主机

如果你是ubuntu 把 第一句话 yum 改成 apt

(ubuntu 用户 apt install Cython)
yum install Cython
pip3 install tensorflow==1.12.0  matplotlib Pillow pandas  pycocotools
cd research
python3 setup.py install 
cd research/silm
python3 setup.py

使用说明

//cd training
//生成tfrecord文件
//训练集 ,测试集各执行一次
cd  /home/models-master/research/object_detection/training
#先 生成 csv 文件
python3 xml_to_csv.py 
python3 product_tfrecord.py --csv_input=data/train_labels.csv  --output_path=data/train.record
python3 product_tfrecord.py --csv_input=data/test_labels.csv  --output_path=data/test.record
成功提示
#data/test_labels.csv
#Successfully created the TFRecords: /home/models-master/research/object_detection/training/data/test.record
开始训练
python3  model_main.py     --pipeline_config_path=ssd_mobilenet_v1_coco.config     --model_dir=result     --num_train_steps=20000     --num_eval_steps=500     --alsologtostderr

部署成功提示

相关文章
|
5天前
|
Kubernetes Cloud Native Docker
云原生时代的容器化实践:Docker和Kubernetes入门
【10月更文挑战第37天】在数字化转型的浪潮中,云原生技术成为企业提升敏捷性和效率的关键。本篇文章将引导读者了解如何利用Docker进行容器化打包及部署,以及Kubernetes集群管理的基础操作,帮助初学者快速入门云原生的世界。通过实际案例分析,我们将深入探讨这些技术在现代IT架构中的应用与影响。
25 2
|
3天前
|
运维 Cloud Native 虚拟化
一文吃透云原生 Docker 容器,建议收藏!
本文深入解析云原生Docker容器技术,涵盖容器与Docker的概念、优势、架构设计及应用场景等,建议收藏。关注【mikechen的互联网架构】,10年+BAT架构经验倾囊相授。
一文吃透云原生 Docker 容器,建议收藏!
|
7天前
|
运维 持续交付 Docker
深入理解Docker容器化技术
深入理解Docker容器化技术
|
4天前
|
缓存 监控 开发者
掌握Docker容器化技术:提升开发效率的利器
在现代软件开发中,Docker容器化技术成为提升开发效率和应用部署灵活性的重要工具。本文介绍Docker的基本概念,并分享Dockerfile最佳实践、容器网络配置、环境变量和秘密管理、容器监控与日志管理、Docker Compose以及CI/CD集成等技巧,帮助开发者更高效地利用Docker。
|
5天前
|
监控 持续交付 Docker
Docker 容器化部署在微服务架构中的应用有哪些?
Docker 容器化部署在微服务架构中的应用有哪些?
|
5天前
|
监控 持续交付 Docker
Docker容器化部署在微服务架构中的应用
Docker容器化部署在微服务架构中的应用
|
5天前
|
安全 持续交付 Docker
微服务架构和 Docker 容器化部署的优点是什么?
微服务架构和 Docker 容器化部署的优点是什么?
|
7天前
|
运维 开发者 Docker
Docker Compose:简化容器化应用的部署与管理
Docker Compose:简化容器化应用的部署与管理
|
7天前
|
Cloud Native 持续交付 Docker
Docker容器化技术:从入门到实践
Docker容器化技术:从入门到实践
|
7天前
|
NoSQL Redis Docker
【赵渝强老师】使用Docker Compose管理容器
Docker Compose 通过 YAML 文件管理多个容器,简化复杂系统的部署和管理。本文介绍了 Docker Compose 的基本概念,并通过一个包含 Redis DB 和 Python Web 模块的示例,展示了如何使用 Docker Compose 部署和管理多容器应用。手动部署和 Docker Compose 部署的对比突显了 Docker Compose 在系统复杂度增加时的优势。