Docker Workshop

Agora que já entendemos um pouco do Docker algumas razões que nos motiva a usá-lo, é hora de colocar em prática, treinando um modelo dentro do container, e após, gerar uma imagem com base em um Dockerfile.

Como prática, vamos treinar um modelo do detecção de objetos, chamado YOLOv5 (opens in a new tab). Ele foi escolhido pela sua grande relevância, além da facilidade e rapidez com que podemos treiná-lo.

Dataset

Vamos utilizar um dataset com base no "Traffic Signs Dataset in YOLO format" (opens in a new tab), que pode ser encontrado no kaggle. Nosso dataset foi levemente modificado, para torná-lo compatível com o formato do YOLOv5, e pode ser baixado no seguinte link (opens in a new tab).

O arquivo contém uma pasta datasets, e dentro dela, o dataset em si, na pasta road-signs. O dataset está dividido em três partes, test, train e valid, nas suas respectivas pastas. Cada pasta contêm as imagens e os labels, em formato txt, que é a marcação da bounding box do objeto que estamos detectando, no caso placas de trânsito.

Ele contêm ainda um arquivo chamado road-signs.yaml, que possui os metadados do dataset, que serão utilizados pelo modelo para encontrar as imagens e as marcações.