在 Mac Intel 芯片 上部署 YOLO,推荐使用 Docker,既能快速启动,又方便打包和迁移。本文将详细介绍如何:
✅ 拉取 YOLO 官方镜像
✅ 打包导出镜像(支持离线使用)
✅ 脚本化一键操作
✅ Docker Compose 长期运行管理
📑 目录
1. 环境准备
-
Mac Intel 芯片
验证是否安装成功:
docker --version
2. 拉取 YOLO 镜像
在终端输入:
docker pull ultralytics/ultralytics:latest
确认是否成功拉取:
docker images | grep ultralytics
3. 镜像打包导出
如果需要离线使用,可导出为 .tar
文件:
docker save -o yolov8.tar ultralytics/ultralytics:latest
4. 在其他机器导入镜像
在目标机器上运行:
docker load -i yolov8.tar
确认导入成功:
docker images | grep ultralytics
5. 一键脚本
5.1 下载并打包镜像
download_yolo.sh
#!/bin/bash
IMAGE_NAME="ultralytics/ultralytics:latest"
OUTPUT_FILE="yolov8.tar"
echo "🚀 开始拉取 YOLO 镜像:$IMAGE_NAME"
docker pull $IMAGE_NAME || { echo "❌ 拉取失败"; exit 1; }
echo "✅ 镜像拉取成功,正在打包为 $OUTPUT_FILE..."
docker save -o $OUTPUT_FILE $IMAGE_NAME && \
echo "🎉 已保存为 $OUTPUT_FILE" || echo "❌ 保存失败"
运行方法:
chmod +x download_yolo.sh
./download_yolo.sh
5.2 导入镜像
load_yolo.sh
#!/bin/bash
INPUT_FILE="yolov8.tar"
[ ! -f "$INPUT_FILE" ] && { echo "❌ 未找到 $INPUT_FILE"; exit 1; }
echo "🚀 开始导入 $INPUT_FILE"
docker load -i $INPUT_FILE && \
docker images | grep ultralytics && \
echo "✅ 导入成功,可运行 YOLO 容器"
运行方法:
chmod +x load_yolo.sh
./load_yolo.sh
6. 测试运行 YOLO
拉取/导入镜像后,可以运行推理测试:
docker run -it --rm ultralytics/ultralytics:latest \
yolo predict model=yolov8n.pt source='https://ultralytics.com/images/bus.jpg'
推理结果会保存在容器的 runs/
目录。
7. 使用 Docker Compose 部署 YOLO
7.1 新建 docker-compose.yml
version: "3.8"
services:
yolo:
image: ultralytics/ultralytics:latest
container_name: yolov8
restart: unless-stopped
tty: true
volumes:
- ./models:/usr/src/app/models
- ./data:/usr/src/app/data
- ./outputs:/usr/src/app/runs
command: tail -f /dev/null
7.2 启动 YOLO 服务
docker-compose up -d
查看容器:
docker ps | grep yolov8
7.3 进入容器并运行 YOLO
docker exec -it yolov8 bash
yolo predict model=yolov8n.pt source='https://ultralytics.com/images/bus.jpg'
结果会保存到宿主机的 ./outputs/
目录。
7.4 停止服务
docker-compose down
总结
通过本文,你已经掌握了 三种方式运行 YOLO:
-
🔹
docker run
单次运行 -
🔹 脚本化:一键拉取 / 导入镜像
-
🔹
docker-compose
长期运行和管理
在 Mac Intel 芯片 上,即使没有 GPU 加速,也能快速体验和部署 YOLO。 🚀
好嘞 ✅ 我帮你在文章最后加一个 常见问题 FAQ,这样更完整,发布到 CSDN 后读者体验会更好。
❓ 常见问题 FAQ
1. 为什么下载 YOLO 镜像很慢?
Docker 默认从 Docker Hub 下载,有时网络较慢。可以尝试:
-
换用国内镜像源(如阿里云、DaoCloud)
-
先在有网络的机器上下载,然后用
docker save
导出,拷贝到目标环境
2. Mac Intel 上能用 GPU 加速吗?
Mac Intel 上没有 CUDA 支持,所以 YOLO 默认只能用 CPU 推理和训练,速度会比 GPU 慢很多。如果需要 GPU 加速,建议在 Linux + NVIDIA 显卡环境部署。
3. 怎么挂载本地数据集?
运行容器时,可以把本地目录挂载到容器:
docker run -it --rm \
-v ~/datasets:/usr/src/app/datasets \
ultralytics/ultralytics:latest \
yolo predict model=yolov8n.pt source=/usr/src/app/datasets/test.jpg
这样就能直接使用宿主机的数据文件。
4. Docker Compose 挂载后数据在哪?
在 docker-compose.yml
里挂载的目录:
volumes:
- ./models:/usr/src/app/models
- ./data:/usr/src/app/data
- ./outputs:/usr/src/app/runs
其中:
-
./models
:保存/加载自定义模型 -
./data
:存放本地数据集 -
./outputs
:推理结果会保存到这里
5. YOLO 镜像体积太大怎么办?
Ultralytics 官方镜像自带完整运行环境,体积大概 5GB。如果只需要推理,可以自己写一个精简版 Dockerfile,基于 python:3.10-slim
构建。
🎯 最终总结
通过本文你可以:
-
在 Mac Intel 上用 Docker 快速部署 YOLO
-
离线打包镜像,在没有网络的机器上使用
-
用 脚本一键操作,避免重复输入命令
-
用 Docker Compose 管理服务,适合长期运行
-
解决常见问题(下载慢 / CPU-only / 挂载数据 / 镜像太大)
这样,你就能轻松在不同环境中部署 YOLO,真正做到 一次下载,多处运行。 🚀