完整模型容器的使用，迁移tensorflow2 实现的 yolo3 到docker容器

windows下执行命令

//空代码，可以自己生成模型
 docker run -tdi   --net mynet10  --ip 10.10.20.4  --name tf2yolo3lite  --privileged=true    registry.cn-hangzhou.aliyuncs.com/mkmk/tfmodels:liteyolo3  init | docker exec -d  tf2yolo3lite   /bin/bash -c "cd /home && nohup /usr/local/python3/bin/jupyter notebook  --allow-root  &"

//包含模型文件
docker run -tdi   --net mynet10  --ip 10.10.20.5  --name tf2yolo3  --privileged=true    registry.cn-hangzhou.aliyuncs.com/mkmk/tfmodels:tf2yolo3  init | docker exec -d  tf2yolo3  /bin/bash -c "cd /home && nohup /usr/local/python3/bin/jupyter notebook  --allow-root  &"

//包含hat的图片集以及训练好的模型


start /min 加指令 win10后台执行

linux下执行命令

docker run -tdi   -p 41000:8888  --name tf2yolo3  --privileged=true    registry.cn-hangzhou.aliyuncs.com/mkmk/tfmodels:tf2yolo3  init && docker exec -d  tf2yolo3  /bin/bash -c "cd /home && nohup /usr/local/python3/bin/jupyter notebook  --allow-root  &"

nohup tar cvpzf /backupyolo3lite.tgz --exclude=/proc --exclude=/nohup.out  --exclude=/backupyolo3lite.tgz  --exclude=/mnt --exclude=/sys/  --exclude=/run  / &

docker run -tdi   --net mynet10  --ip 10.10.20.6  --name  litecentos  --privileged=true centos:7  init

#进入容器
docker exec -it litecentos /bin/bash
cd /
#在新容器中还原系统
tar xvpfz /backupyolo3lite.tgz -C /
rm -rf backupyolo3lite.tgz

测试一下
systemctl enable sshd
如果没有输出代表没有问题
 locale 
 输出如果不是 zh_CN.utf8 或者 C.utf8
 则查看
  locale -a
[root@35db6a27e296 /]# locale -a
C
en_US.utf8
POSIX
zh_CN.utf8
 export LANG=zh_CN.utf8
 或者  export LANG=C.utf8

#提交镜像
docker commit litecentos registry.cn-hangzhou.aliyuncs.com/mkmk/tfmodels:cpu14
#推送阿里云保存
docker push  registry.cn-hangzhou.aliyuncs.com/mkmk/tfmodels:cpu14

压缩镜像成功

完整版容器使用教程,识别人有没有戴帽子

---

66666666666666666666666666666
66666666666666666666666666666

完整模型的使用

为了使用方便最好现在docker中创建好 虚拟局域网，在博主其他帖子中有所提及，也可以自行百度

docker run -tdi   --net mynet10  --ip 10.10.20.3  --name tf2yolo3hat  --privileged=true    registry.cn-hangzhou.aliyuncs.com/mkmk/yolo3:cputf2completehat  init | docker exec -d  tf2yolo3hat  /bin/bash -c "cd /home && nohup /usr/local/python3/bin/jupyter notebook  --allow-root  &"

此时容器已经启动，并且开启了ssh以及jupyter，可以在局域网中，打开它
jupyter- yolo3
10.10.20.3:8888

输入初始密码 wangxuejun
ssh 连接容器账号 root 端口 22
密码 lmk19980312
可自行学习如何更改jupyter以及ssh密码

ssh连接容器后
开始你的训练

cd /home/YOLOV3/
//使用训练好的模型
python3 test.py

执行成功

如果想要修改训练自己的模型

先把pic图片 全部放入 /home/YOLOV3/data/pic
再把所有xml 放入     /home/YOLOV3/data/xml
删除错误的图片
cd /home/YOLOV3/data && python3 delxmlbyjpg.py 

生成 yolo3 需要的图片标注信息
cd /home/YOLOV3  &&  python3 xml_to_txt.py 

开始你的训练！
cd /home/YOLOV3  &&  python3 train.py 

监视训练信息
cd /home/YOLOV3  &&  python3 /usr/local/python3/lib/python3.6/site-packages/tensorboard/main.py   --logdir ./data/log

访问
tensorbroad
http://10.10.20.3:6006/