最近心血来潮，朋友勾的我学大模型，可是这个赛道太卷了呀，rag迟迟落不了地，微调这个事情自己又觉得太慢，至于chat部分我则完全不感兴趣。

帮朋友搞定了OpenWebUI的单点登录之后，兴趣缺缺。

突然翻到宇树机器人的3D扫描生成点云，对视觉识别这个事情上心了，感觉比rag好玩。

开始查资料，各种翻，读了大概三天文档，开干。

以上是碎碎念的背景。

————————————————————————————

视觉识别嘛，当然就绕不开yolo了，备注：网上基于yolo8的应用不少，据说yolo5对小物品的识别效果反而比yolo11好，暂且记下。

yolo官方文档如下：
快速入门：https://docs.ultralytics.com/zh/quickstart/

命令行cli界面：https://docs.ultralytics.com/zh/usage/cli/

YOLO 命令行界面 (CLI) 允许使用简单的单行命令，而无需Python 环境。CLI 不需要定制或Python 代码。您只需使用 yolo命令即可。

若要进行体验，而不需要工程化，使用yolo命令行即可，简直太开心了。

我又是个比较懒的人，不想使用本地环境安装python等就想快速体验，于是使用docker版进行体验。

开始，

先说我的环境，i7 老型号的think pad笔记本，32G内存。

第一步：安装 Docker Windows，不在此处赘述。

第二步：下载对应的镜像

docker pull ultralytics/ultralytics:latest

第三部：运行容器

guide里面有专门写怎么使用docker cpu / gpu，我只有cpu。

将测试图片放入D:\Bob\yolo\test\images，映射到容器的/d/Bob/yolo/test/images， 

docker run -it --ipc=host -v D:\Bob\yolo\test\images:/d/Bob/yolo/test/images ultralytics/ultralytics:latest

接下来跑第一个官方demo了，

cd /d/Bob/yolo/test/images

yolo detect predict model=yolo11n.pt source='https://ultralytics.com/images/bus.jpg'

 运行结果如下：

 预测结果放到了容器内的/ultralytics/runs/detect/predict目录，可以看到该目录下有一个文件bus.jpg

从容器内将该文件拷贝到本地进行查看

docker cp lucid_northcutt:/ultralytics/runs/detect/predict/bus.jpg D:\Bob\yolo\test\results\bus.jpg

可以看到运行结果啦：

原图

结果图

运行了标准图片之后，接下来测试自己的图片

网图侵删

 yolo detect predict model=yolo11n.pt source=1.jpg

Results saved to /ultralytics/runs/detect/predict2

拷贝，结果图如下：

yes...

跑批处理

yolo detect predict model=yolo11n.pt source=./*

拷贝至本地目录

docker cp lucid_northcutt:/ultralytics/runs/detect/predict5 D:\Bob\yolo\test\results\

本篇到此结束。

下一篇开始标注并训练模型吧。