## 方法1：配置Docker守护进程
配置Docker守护进程以使用代理是最全局的方法之一，适用于所有通过守护进程启动的容器和构建操作。您可以通过编辑/etc/systemd/system/docker.service.d/http-proxy.conf文件来设置环境变量，为Docker守护进程指定代理：



```conf
[Service]
Environment="HTTP_PROXY=http://your-proxy-address:port/"
Environment="HTTPS_PROXY=http://your-proxy-address:port/"
```
注意：HTTPS_PROXY既可以使用https的地址，也可以使用http的地址。

记得之后重新加载守护进程配置并重启Docker服务：
```bash
sudo systemctl daemon-reload
sudo systemctl restart docker
```
## 方法2：为单个容器配置网络代理
如果您只希望为特定的Docker容器配置网络代理，可以在运行容器时通过--env参数指定：
```bash
docker run -it --env HTTP_PROXY="http://your-proxy-address:port" --env HTTPS_PROXY="http://your-proxy-address:port" ubuntu bash
```
这种方法的优势在于其灵活性，允许您为不同的容器指定不同的代理配置。
## 方法3：在Dockerfile中配置代理
当您在构建自己的镜像时，可以在Dockerfile中设置环境变量，让构建过程使用代理。这对于在构建过程中需要下载外部依赖的情况非常有用：
```conf
ARG HTTP_PROXY="http://your-proxy-address:port/"
ARG HTTPS_PROXY="http://your-proxy-address:port/"

ENV HTTP_PROXY=${HTTP_PROXY}
ENV HTTPS_PROXY=${HTTPS_PROXY}
```
在构建镜像时，使用--build-arg参数来确保这些设置被应用：
```bash
docker build --build-arg HTTP_PROXY="http://your-proxy-address:port/" --build-arg HTTPS_PROXY="http://your-proxy-address:port/" -t your-image-name .
```
## 方法4：使用Docker Compose配置代理
Docker Compose是处理多容器Docker应用的一个工具。您可以在docker-compose.yml文件中为服务设置代理环境变量：
```yaml
version: '3'
services:
  your-service:
    image: your-image
    environment:
      - HTTP_PROXY=http://your-proxy-address:port/
      - HTTPS_PROXY=http://your-proxy-address:port/
```
这种方法简化了复杂应用的代理配置过程，只需一次性设置即可应用于所有相关服务。
## 方法5：使用systemctl edit修改Docker服务的网络代理
对于那些使用systemd管理Docker服务的系统，systemctl edit命令提供了一种直接且安全的方式来修改Docker服务的配置，尤其是对于配置网络代理这一需求。这种方法不需要直接修改Docker服务的主配置文件，避免了手动操作带来的风险。

步骤：
### 打开Docker服务的覆盖编辑器
使用下面的命令来开启Docker服务的系统编辑器：
```bash
sudo systemctl edit docker.service
```
这将打开一个空的文件（如果是第一次执行此操作），等待您输入需要覆盖的配置。

如果需要更换编辑器为vim，可以：
```bash
sudo EDITOR=vim systemctl edit docker.service
```
### 添加HTTP/HTTPS代理环境变量
在打开的编辑器中，您需要指定代理配置。请添加如下配置以设置HTTP和HTTPS代理：
```conf
[Service]
Environment="HTTP_PROXY=http://your-proxy-address:port/"
Environment="HTTPS_PROXY="http://your-proxy-address:port/"
```
替换http://your-proxy-address:port/为您实际的代理服务器地址。
### 保存并关闭编辑器
完成编辑后，保存文件并退出编辑器。systemd将自动创建一个名为/etc/systemd/system/docker.service.d/override.conf的文件，其中包含您添加的配置。

### 重新加载daemon并重启Docker服务
为了让刚才的更改生效，需要重新加载systemd daemon并重启Docker服务：
```bash
sudo systemctl daemon-reload
sudo systemctl restart docker.service
```
这个方法的优点是，通过使用systemctl edit命令，您可以避免直接编辑Docker的主配置文件，而是通过创建一个特定的覆盖文件来实现您的配置。这样做的好处是，原始配置文件保持不变，方便将来的升级和维护，并且您的自定义配置也不会在软件包更新时被覆盖。

### 取消网络代理
```bash
rm  /etc/systemd/system/docker.service.d/http-proxy.conf -rf
systemctl daemon-reload
systemctl restart docker
systemctl show docker --property Environment
```

> [若干种设置Docker的网络代理方法](https://cloud.tencent.com/developer/article/2423782)

设置Docker的网络代理

# 使用label-studio半自动标记yolo数据集

最近在做yolo物体识别，需要标记很多图片，开始是用`labelImg`标记，但是在标记过程中，经常需要增加标签或者增加新的图片，很多时候是在重复标记，所以就想有没有办法，通过已经训练好的模型自动标记，自己只需要做新的标记和调整。

后面查了下相关资料，发现`labelImg`的升级版`label-studio`正好满足我的要求，以下是在做的过程中的相关记录。



## 安装label-studio和简单使用

### 在docker中安装

```shell
docker pull heartexlabs/label-studio:latest
docker run -it -p 8080:8080 -v $(pwd)/mydata:/label-studio/data heartexlabs/label-studio:latest
# 后台运行
docker run -d -p 8080:8080 -v $(pwd)/mydata:/label-studio/data heartexlabs/label-studio:latest
```

### 通过pip安装

```shell
# Requires Python >=3.8
pip install label-studio

# Start the server at http://localhost:8080
label-studio
```

### 创建yolo标注项目

安装完成后，打开地址http://localhost:8080 ，打开此界面则安装成功，首先需要注册一个账号然后登陆


![image-20230813223636318.png](/static/img/3446b45f0603d4e2379aded51f9b6e38.image-20230813223636318.webp)

进入到主页，因为目前还没有项目，所以是空白的，我们点击`Create Project`

![image-20230813223751804.png](/static/img/577210e5a81e318ea566f0a9d779c565.image-20230813223751804.webp)
在第一页，填写项目的名称和描述，然后第二页是导入数据，可以暂时先不导入，第三页是选择项目模版，因为是物体识别项目，所以我们选中`Bounding Boxes`，然后选择完成后，点击`Sava`

![image-20230813223915974.png](/static/img/fe1ffad44cad7b3cb268754795358a10.image-20230813223915974.webp)

![image-20230813224043260.png](/static/img/ab98ca50ed1f86a54a3312c72aa3b907.image-20230813224043260.webp)

### 导入数据

进入到项目主页，点击`Import`导入图片，

![image-20230813224133747.png](/static/img/21b05e25220d9a785dda3b322fff7f2e.image-20230813224133747.webp)

![image-20230813224229798.png](/static/img/17da5298b83de8b9e2b8ab90184ebd32.image-20230813224229798.webp)

![image-20230813224240911.png](/static/img/81a15f6d5714cb9f9586bc1458609be7.image-20230813224240911.webp)

![image-20230813224251134.png](/static/img/e8b215104b376b2c530dcb3a6f9cc2df.image-20230813224251134.webp)

### 标签设置

在标记图片之前，我们需要先录入标签，点击右上角的`Settings` ，然后点击`Labeling Interface`，在`Add labels names` 中添加标签，一行一个

在项目主页，点击第一个图片，开始标记，标记完成后，点击`submit`提交
![image-20230813225315648.png](/static/img/b4e6bf9aa98018fbc19df2f92ddee7eb.image-20230813225315648.webp)

### 导出数据

点击右上角的`Export`，选择YOLO，则可以导出YOLO所需要的数据集

## 编写YOLO推理后端

### 安装Label-studio ML SDK

```shell
pip install -U label-studio-ml -i https://mirrors.aliyun.com/pypi/simple/
```

### 安装一些其他依赖

```
pip install redis re ultralytics -i https://mirrors.aliyun.com/pypi/simple/
```

### 编写model推理文件

```python
import logging

import cv2
from label_studio_ml.model import LabelStudioMLBase
from label_studio_ml.utils import get_image_size, \
    get_single_tag_keys, DATA_UNDEFINED_NAME
from ultralytics import YOLO

logger = logging.getLogger(__name__)


class YOLOMLBase(LabelStudioMLBase):

    def __init__(self,score_threshold=0.3, **kwargs):
        """
        :param kwargs: can contain endpoint_url in case of non amazon s3
        """
        super(YOLOMLBase, self).__init__(**kwargs)
        self.from_name, self.to_name, self.value, self.labels_in_config = get_single_tag_keys(
            self.parsed_label_config, 'RectangleLabels', 'Image')
        self.labels_in_config = set(self.labels_in_config)
        self.score_thresh = score_threshold
        self.model = YOLO('best.pt')

    def _inference_detector(self, image_path):
        i = cv2.imread(image_path)
        return self.model(i)

    def _get_image_url(self, task):
        image_url = task['data'].get(self.value) or task['data'].get(DATA_UNDEFINED_NAME)
        return image_url

    def predict(self, tasks, **kwargs):
        assert len(tasks) == 1
        task = tasks[0]

        image_url = self._get_image_url(task)
        # image_path = image_url
        image_path = self.get_local_path(image_url, "/Users/chenchuan/mydata/media")

        model_results = self._inference_detector(image_path)
        results = []
        all_scores = []
        img_width, img_height = get_image_size(image_path)
        for boex in model_results[0].boxes:
            output_label = model_results[0].names[int(boex.cls)]
            if output_label not in self.labels_in_config:
                print(output_label + ' label not found in project config.')
            x, y, w, h = boex.xywh.tolist()[0][:4]
            score = float(boex.conf)
            if score < self.score_thresh:
                continue
            results.append({
                'from_name': self.from_name,
                'to_name': self.to_name,
                'type': 'rectanglelabels',
                'value': {
                    'rectanglelabels': [output_label],
                    'x': x / img_width * 100,
                    'y': y / img_height * 100,
                    'width': w / img_width * 100,
                    'height': h / img_height * 100
                },
                'score': score
            })
            all_scores.append(score)
        avg_score = sum(all_scores) / max(len(all_scores), 1)
        return [{
            'result': results,
            'score': avg_score
        }]

```



### 生成推理后端项目

在上述`model.py`文件中执行下面命令，生成项目

```
label-studio-ml init yolo_ml_backend
```

如果执行成功，在当前目录下，会创建一个`yolo_ml_backend`文件夹，此时的文件结构如下

```shell
├── best.pt
├── model.py
└── yolo_ml_backend
    ├── Dockerfile
    ├── README.md
    ├── _wsgi.py
    ├── docker-compose.yml
    ├── model.py
    └── requirements.txt
```

`best.pt`是推理模型

### 执行

```shell
label-studio-ml start ./yolo_ml_backend
```

执行成功后，终端会打印后端地址，将地址填写到下图处即可

![image-20230813233143487](/Users/chenchuan/Nutstore Files/.symlinks/坚果云/学习笔记/yolo/assets/image-20230813233143487.png)

此时再打开标注图片时，会先通过推理后端进行预测，我们就只需要进行调整即可了。

> https://labelstud.io/guide/ml_create
>
> https://github.com/HumanSignal/label-studio-ml-backend/

使用label-studio自动标记yolo数据集

# 1. MySQL安装
## 1. 使用yum安装
```shell
[root@marshal05 software]# yum -y install mysql57-community-release-el7-10.noarch.rpm
```
## 2. 如果出现如下错误
```
Loaded plugins: fastestmirrorLoading mirror speeds from cached hostfile * base: mirrors.bfsu.edu.cn * extras: mirrors.bfsu.edu.cn * updates: mirrors.bfsu.edu.cnbase                                                                | 3.6 kB  00:00:00     extras                                                              | 2.9 kB  00:00:00     updates                                                             | 2.9 kB  00:00:00     No package mysql57-community-release-el7-10.noarch.rpm available.Error: Nothing to do
```



## 3. 这是因为我们本地yum仓库中没有可用的mysql-server rpm包。执行下面的命令下载即可：
```shell
wget -i -c http://dev.mysql.com/get/mysql57-community-release-el7-10.noarch.rpm
```
## 4. 重新执行命令，进行安装
```shell
yum -y install mysql57-community-release-el7-10.noarch.rpm
```
## 5. 安装mysql服务器
```shell
yum -y install mysql-community-server
```
## 6. 出现错误
```shell
warning: /var/cache/yum/x86_64/2.1903/mysql57-community/packages/mysql-community-libs-compat-5.7.37-1.el7.x86_64.rpm: Header V4 RSA/SHA256 Signature, key ID 3a79bd29: NOKEY
Retrieving key from file:///etc/pki/rpm-gpg/RPM-GPG-KEY-mysql


The GPG keys listed for the "MySQL 5.7 Community Server" repository are already installed but they are not correct for this package.
Check that the correct key URLs are configured for this repository.


 Failing package is: mysql-community-libs-compat-5.7.37-1.el7.x86_64
 GPG Keys are configured as: file:///etc/pki/rpm-gpg/RPM-GPG-KEY-mysql
 ```
 大致意思就是MySQL的GPG升级了，需要更新，如果是新安装的MySQL，执行以下脚本即可：
 ```shell
 rpm --import https://repo.mysql.com/RPM-GPG-KEY-mysql-2022
 ```
 然后再进行安装就好了

# 2.MySQL数据库设置
## 1. 首先启动MySQL
```shell
systemctl start  mysqld.service
```
## 2. 查看MySQL运行状态，运行状态如图：
```shell
systemctl status mysqld.service
```
## 3. 此时MySQL已经开始正常运行，不过要想进入MySQL还得先找出此时root用户的密码，通过如下命令可以在日志文件中找出密码：
```shell
grep "password" /var/log/mysqld.log
```
## 4. 如下命令登录数据库：
```shell
mysql -uroot -p
```
## 5. 此时不能做任何事情，因为MySQL默认必须修改密码之后才能操作数据库，如下命令修改密码：
```shell
ALTER USER 'root'@'localhost' IDENTIFIED BY 'new password';
```
其中'new password'替换成你要设置的密码，注意:密码设置必须要大小写字母数字和特殊符号（,/';:等）,不然不能配置成功。
# 3. 开启mysql的远程访问
执行以下命令开启远程访问限制（注意：下面命令开启的IP是 192.168.19.128，如要开启所有的，用%代替IP）：
```shell
grant all privileges on *.* to 'root'@'192.168.0.1' identified by 'password' with grant option;
flush privileges;
```
# 4. 更改mysql的语言
https://img.php.cn/upload/article/000/000/020/1c5e17ddef9c7c75af5ff6c96182ab64-14.png