晨涧云文档
首页
目录
- GPU算力租用流程
- Ubuntu查看显卡GPU利用率
- Ubuntu系统安装CUDA Toolkit + Cudnn
- Ubuntu NVIDIA显卡驱动安装
- Ubuntu用户界面入门
- Windows jupter notebook 的使用
- Windows 安装SSH Server
- windows查看显卡GPU利用率
- Ubuntu镜像
- Windows镜像
- CentOS镜像
- 深度学习 - Ubuntu
- 深度学习 - Windows
- 云计算 - Ubuntu
- 云计算 - Windows
- ComfyUI - Ubuntu
- LLaMA Factory - Ubuntu
- Stable Diffusion - Ubuntu
- Ubuntu 命令行使用
- ComfyUI - Windows
- LLaMA Factory - Windows
- Stable Diffusion - Windows
- 秋叶Stable Diffusion - Windows
- Ollama DeepSeek - Windows
- Ollama DeepSeek - Ubuntu
- 【模型】Ollama + Open WebUI - Ubuntu
- 【语音】 Whisper 语音转文本 - Ubuntu
- Chatbox - Windows
- Ubuntu系统安装远程连接工具
- Windows登录方式
- 常用操作
- 学术资源加速
- 文件传输
- WebUI使用
- 服务端口配置
- SSH隧道映射端口
- VSCode连接到云主机
- conda 安装虚拟环境
- 选择Conda虚拟环境
- 晨涧云概览
- 晨涧云简介
- 名词术语
- 安装tensorflow
- 安装显卡驱动
- huggingface下载模型
- 连接失败处理
- 促销活动
- Miniconda3 容器镜像
- PyTorch 容器镜像
- TensorFlow 容器镜像
- GROMACS 容器镜像
- ComfyUI 容器镜像
- Matlab - Windows
- YOLO 容器镜像
- LLaMA-Factory 容器镜像
- Wan-ComfyUI 容器镜像
- Stable-Diffusion 容器镜像
- vLLM 容器镜像
- LAMMPS 容器镜像
- Ollama 容器镜像
- Flux-ComfyUI 容器镜像
- ComfyUI应用
- Wan2.2文生视频显卡性能测试
- 深度学习场景
- 基于ResNet-50模型的显卡性能测试
- 大语言模型场景
- 使用vLLM测试大模型推理场景的显卡性能
- 晨涧云产品重磅升级:云容器按量计费+控制台实例管理全新改版,重塑AI开发效率与成本体验
- Qwen-ComfyUI 容器镜像
- 晨涧云平台手册
- Windows操作
- GPU算力操作流程
- 云容器租用流程
- 系统预装环境
- Ubuntu操作
- 云容器控制台使用
- 云主机控制台使用
- JupyterLab使用
- 云主机镜像中心
- 云容器百度网盘使用
- 新容器镜像来了!宝藏镜像库+秒级部署,GPU直接8折!
- 云容器
- 【双十一显卡狂欢】🔥NVIDIA 3090/3080 史低八折!性能猛兽,价格温柔!
- 云容器按小时计费
- 技术相关
- 云容器镜像
- 应用场景
- 晨涧云新老用户专享福利
- 微信登录立享6元优惠券
- 开学季|3090显卡专属福利🎯(2025年9月)
YOLO 容器镜像
YOLO (You Only Look Once) 是一个用于计算机视觉任务的Python库,专注于提供高效、易用的目标检测、实例分割和图像分类工具,由 Ultralytics 团队开发和维护。
云容器控制台使用:控制台使用
云容器JupyterLab使用:JupyterLab使用
选择镜像
创建实例时,选择【YOLO】镜像:

当前支持的版本
| YOLO版本 | PyTorch版本 | Ubuntu版本 | CUDA版本 | Python版本 |
|---|---|---|---|---|
| v8 | 2.7.1 | 22.04 | 12.8 | 3.12 |
| v5 | 2.5.1 | 22.04 | 12.4 | 3.10 |
YOLO v8版本附带了 YOLO11 模型,YOLO v5版本附带了 YOLOv5 模型
使用
注意:YOLO的模型和数据集可能需要学术加速才能正常下载,更多请参考 学术资源加速
YOLO v8
YOLO v8 的默认工作目录是 /root/ultralytics ,里面附带了 YOLO11 的主要模型,可以直接使用。
同时 /root/ultralytics 目录下面放了测试数据集:coco8.yaml
测试推理
cd /root/ultralytics
yolo predict model=yolo11n.pt source='https://ultralytics.com/images/bus.jpg'
测试训练
cd /root/ultralytics
yolo train data=coco8.yaml model=yolo11n.pt epochs=10 lr0=0.01
YOLO v5
YOLO v5 的默认工作目录是 /root/yolov5 ,里面附带了 YOLOv5 的主要模型,可以直接使用。
同时 /root/yolov5 目录下面放了测试数据集:coco128.yaml ,及测试脚本:yolov5_test.py
测试推理
cd /root/yolov5
python yolov5_test.py
测试训练
cd /root/yolov5
python train.py --data coco128.yaml --epochs 3 --weights yolov5n.pt --batch-size 32