发布时间：2025-06-24 18:36:56  作者：北方职教升学中心  阅读量：351

材料准备

材料准备：是在测试 5 基础上哦，这些材料的制作测试 5 都有详细说明。还介绍了 base64 格式图片的处理方法，最后通过接口上传图片的 base64 格式编码，得到接口返回识别结果。常见问题整理

1. sh 无法运行 source 命令

Docker 使用 conda 时，如果遇到以下错误：

ERROR: failed to solve: process "/bin/sh -c source ..."did not complete successfully: exitcode: 127

错误原因：Docker 构建镜像时，默认使用 sh 方式，而 sh 下没有 source 命令。

本文在 YOLOv8 测试 5 的基础上开展，在测试 5 中，实现了在 Linux 中 使用 Docker 部署 YOLOv8 模型，并借助 Python 封装 API 接口来调用。

导入项目依赖

在 base64_test.py 文件中导入项目运行的所有依赖：

# YOLOv8 所需依赖importcontextlibfromcopy importcopyfrompathlib importPathimportcv2importnumpy asnpimportpytestimporttorchimportyamlfromPIL importImagefromtorchvision.transforms importToTensorfromultralytics importRTDETR,YOLOfromultralytics.cfg importTASK2DATAfromultralytics.data.build importload_inference_sourcefromultralytics.utils import(ASSETS,DEFAULT_CFG,DEFAULT_CFG_PATH,LINUX,MACOS,ONLINE,ROOT,WEIGHTS_DIR,WINDOWS,Retry,checks,is_dir_writeable,)fromultralytics.utils.downloads importdownloadfromultralytics.utils.torch_utils importTORCH_1_9,TORCH_1_13MODEL =WEIGHTS_DIR /"path with spaces"/"yolov8n.pt"# test spaces in pathCFG ="yolov8n.yaml"SOURCE =ASSETS /"bus.jpg"TMP =(ROOT /"../tests/tmp").resolve()# temp directory for test filesIS_TMP_WRITEABLE =is_dir_writeable(TMP)# Flask 框架使用所需依赖fromflask importFlask,request,send_file# base64 处理依赖，文件依赖importbase64fromPIL importImagefromio importBytesIO

app =Flask(__name__)@app.post('/baseFile')defreturn_image():# 1. 获取上传的文件# 文件作为参数传递，其 id为 file# 如果没有接收到这个请求，返回 No file partif'file'notinrequest.files:return"No file part"# 获取文件file=request.files['file']# 获取文件名iffile.filename =='':return"No selected file"filename =file.filename# 2. 保存到指定位置 upload 文件夹file.save(TMP /'upload'/filename)# 3. 获取编码文件并解码base_file =TMP /'upload'/filename    # 打开编码文件，读取文件中的内容withopen(base_file,'r')asfile:content =file.read()# 将 base64_str 以 “,” 分割为两部分，context 部分是需要解码的部分base64_str =str(content)head,context =base64_str.split(",")# 解码时只要内容部分img_data =base64.b64decode(context)# 4. 通过解码内容得到图片，保存图片image =Image.open(BytesIO(img_data))image.save(TMP /'save'/'test_image.jpg')# 5. 使用 YOLOv8 模型对该图片进行目标识别model =YOLO(MODEL)# 得到的图片路径source =TMP /'save'/'test_image.jpg'# 保存 目标识别的结果results =model.predict(source,save=True,imgsz=320,conf=0.5)# 6. 获取 识别结果 的保存路径save_path =Path(results[0].save_dir)image_path =save_path /'test_image.jpg'# 7. 以图片形式 返回结果returnsend_file(image_path)if__name__ =='__main__':app.run(host='0.0.0.0',port=5001)

1. 【测试 5 步骤 4-3】导出备份的 conda 虚拟环境 envs（envs / yolov8 里面安装了 python 和 pytorch）；
2. 【测试 5 步骤 3, 4-2】本地编写完成的 ultralytics-main 项目文件（base64_test.py 编写完成了）；
3. 把这两个材料放在同一个目录下，比如笔者放在了 /home/yuanyuan/build/yolo目录下；
4. /home/yuanyuan/build/yolo是制作 Dockerfile 的工作目录。

   确定工作目录 /home/yuanyuan/build/yolo，确保工作目录下面两份材料导入成功。

   # 1. 创建 conda 容器并运行dockerrun -it--nameyolopy03 conda/miniconda3 /bin/bash# 2. 配置 yolov8 运行环境conda create -nyolov8 python=3.9# Proceed ([y]/n)? y# 3. 检查虚拟环境配置conda envlist# 4. 进入 base 环境sourceactivate# 5. 激活 Conda 环境，创建 yolov8 运行conda activate yolov8# 6. 配置清华源镜像pip config setglobal.index-url https://pypi.tuna.tsinghua.edu.cn/simple# 7. 安装 pytorchpip installtorch==1.13.1+cpu torchvision==0.14.1+cpu torchaudio==0.13.1 \--extra-index-url https://download.pytorch.org/whl/cpu# 8. 检查 python 环境python --version# 9. 退出容器 exit，退出虚拟环境用 conda deactivate，退不出就 kill，没事的exit

   
   

   导出到 Linux 宿主机

   备份 conda 虚拟环境 yolov8 到 Linux 宿主机

   # docker cp 容器名:源路径 目标路径dockercpyolopy03:/usr/local/envs /home/yuanyuan/conda

   
   

   2. 编写 YOLOv8 项目并上传

   自己电脑上，使用 PyCharm 打开从仓库下载的 YOLOv8 项目 ultralytics-main，找到 tests 目录，在该目录下新建 base64_test.py文件。

   Dockerfile 要做的事情就是，上面的这些步骤都可以在构建镜像之前完成，然后只要运行这个镜像，项目就可以一键运行。

   Linux 中拷贝文件夹的命令为：

   # cp -r 源路径 目标路径cp-r/home/yuanyuan/conda/envs /home/yuanyuan/build/yolo

   如图所示，把这两个材料放在工作目录。部署 YOLOv8 项目

   1. 编写 Dockerfile

   根据上面的思路整理，完成 Dockerfile 的编写。

   一、

   
   

   二、

   # 此命令写在 source 命令之前SHELL["/bin/bash", "-c"]

   
   

   2. ADD 添加文件注意点

   对比 cp 和 ADD 中的文件路径：

   # 在 yolo 目录下放入 整个 envs# 最终文件位置 yolo/envscp-r/home/yuanyuan/conda/envs /home/yuanyuan/build/yolo# 把 envs 目录下的内容放入 local/envs 目录下# 最终文件位置 local/envsADD envs /usr/local/envs

   
   

   六、

   那么在 Dockerfile 中具体完成了哪些步骤呢？

   • 配置基础镜像 conda/miniconda3
   • 添加 ultralytics-main 项目到工作路径
   • 添加适合 yolov8 运行的 conda 虚拟环境
   • 设置合适的 Bash 脚本 /bin/bash -c
   • 安装项目所需的依赖
   • 配置工作路径 /usr/local/ultralytics-main
   • 暴露项目运行的 5001 端口
   • 设置容器默认的启动运行命令 CMD

   
   

   四、

   解决方式：把 sh 修改为 bash 方式。

   

   
   

   三、

   
   

   一些参考资料

   Docker 官方文档：https://docs.docker.com/engine/install/centos/
   Docker 远程仓库：https://hub.docker.com/
   FinalShell 下载：http://www.hostbuf.com/t/988.html
   YOLOv8 官方文档：https://docs.ultralytics.com/zh/
   YOLOv8 模型仓库地址：https://github.com/ultralytics/ultralytics
   PyCharm官网：https://www.jetbrains.com/pycharm/download/?section=windows
   Postman 官网：https://www.postman.com/
   阿里云官网：https://www.aliyun.com/

   在 Postman 中，输入宿主机 ip / 宿主机端口，POST 请求，添加 base64 格式编码 txt 文件，Send 测试！

   http://ip:3354/baseFile

   
   

   五、整理了 Dockerfile 制作 YOLOv8 镜像过程中的常见问题。

   在这里整理了一下步骤，方便快速操作。

   本文在测试 5 基础上进行升级，采用 Dockerfile 的方式来构建 Conda 镜像，部署 YOLOv8 项目一键运行。

   [root@localhost yolo]# pwd/home/yuanyuan/build/yolo[root@localhost yolo]# lsenvs  ultralytics-main

   在工作目录，创建 Dockerfile 文件：注意默认命名 Dockerfile 不要写错。并在 ultralytics-main/tests/tmp/目录下，新建 upload文件夹，用来存放接口上传的文件；新建 save文件夹，用来存放项目保存的文件。

   dockerrun -p3354:5001 diy-yolov8

   接口测试

   测试方式，使用 Postman 测试。

   FROM conda/miniconda3MAINTAINER yuanyuan<1234567@qq.com>ADD ultralytics-main /usr/local/ultralytics-mainADD envs /usr/local/envsSHELL["/bin/bash", "-c"]RUN sourceactivate &&\conda activate yolov8 &&\pip config setglobal.index-url https://pypi.tuna.tsinghua.edu.cn/simple &&\cd/usr/local/ultralytics-main &&\pip install-e.&&\pip uninstall opencv-python -y&&\pip installopencv-python-headless -ihttps://pypi.tuna.tsinghua.edu.cn/simple &&\pip installpytest &&\pip installflask        ENV MYPATH /usr/local/ultralytics-mainWORKDIR $MYPATHEXPOSE 5001CMD sourceactivate &&conda activate yolov8 &&python tests/base64_test.py

   
   

   2. 构建 + 运行 + 测试

   构建镜像

   在工作目录，使用 Dockerfile 构建 diy-yolov8 镜像

   dockerbuild -tdiy-yolov8 .

   一键运行

   diy-yolov8 镜像构建完成后，把容器端口映射给宿主机，一键运行。

   vimDockerfile

   
   

   编写 Dockerfile，注意顺序，构建的时候是从上到下执行的。