# YOLOv8 install for docker
YOLOv8的配置條件是Python>=3.8 以及神經網路框架PyTorch>=1.8.
本文參考YOLOv8官方 [https://github.com/ultralytics/ultralytics](https://)

## 安裝python
用`python3 --version`確認python版本。
沒有安裝過python的話用`sudo apt-get install python3`安裝
接著安裝pip這個工具`python get-pip.py`
確認已正確安裝了pip` pip --version`

## 安裝pytorch
到pytorch官網>Get Started
[https://pytorch.org/](https://)
根據**你的配置選項**在Run this Commend 會教你使用不同的命令進行安裝。

## 安裝YOLOv8
在終端輸入

pip install ultralytics

**如果是Docker環境的安裝(this part is still under developemnt!)**

#將想要的映像檔名設為一個變數
t=ultralytics/ultralytics:映像檔名

官方對於docker映像檔提供了幾種對應不同需求的版本:

latest：建議用於訓練的 GPU 映像。
latest-arm64：針對 ARM64 架構進行了最佳化，允許部署在 Raspberry Pi 和其他基於 ARM64 的平台等裝置上。
latest-cpu：基於 Ubuntu 的僅 CPU 版本，適用於推理和沒有 GPU 的環境。
latest-jetson：專為 NVIDIA Jetson 裝置量身定制，整合針對這些平台最佳化的 GPU 支援。
latest-python：僅包含 Python 和必要依賴項的最小映像，非常適合輕量級應用程式和開發。

# Pull這個映像檔
sudo docker pull $t

# 在容器內以GPU跑這個映像檔
sudo docker run -it --ipc=host --gpus all $t  # 使用全部的GPU
sudo docker run -it --ipc=host --gpus '"device=2,3"' $t  # 使用特定的GPU

上面的指令使用最新的映像初始化 Docker 容器ultralytics。該-it標誌分配一個偽 TTY 並保持標準輸入打開，使您能夠與容器互動。該--ipc=host標誌將 IPC（進程間通訊）命名空間設定為主機，這對於在進程之間共享記憶體至關重要。此--gpus all標誌允許存取容器內所有可用的 GPU，這對於需要 GPU 運算的任務很重要。

# 將本機儲存庫掛載到容器
sudo docker run -it --ipc=host --gpus all -v /path/on/host:/path/in/container $t

## 使用YOLOv8
YOLOv8可以直接在終端中呼叫使用，用predict指令以所選的model對source進行偵測

yolo predict model=yolov8n.pt source='https://ultralytics.com/images/bus.jpg'

也可以在python程式中使用

from ultralytics import YOLO

# Load a model
model = YOLO("yolov8n.yaml")  # build a new model from scratch
model = YOLO("yolov8n.pt")  # load a pretrained model (recommended for training)

# Use the model
model.train(data="coco128.yaml", epochs=3)  # train the model
metrics = model.val()  # evaluate model performance on the validation set
results = model("https://ultralytics.com/images/bus.jpg")  # predict on an image
path = model.export(format="onnx")  # export the model to ONNX format