YOLOv7-pose Docker镜像超6GB问题求助：AWS ECR部署需求

问题背景 #

构建用于AWS ECR的YOLOv7-pose Docker镜像，实现图片输入与姿态关键点预测功能，当前镜像体积超6GB，远大于此前MediaPipe实现的500MB，需针对性优化。

优化步骤 #

1. 选用轻量级基础镜像

• 优先选择python:3.9-slim这类瘦身版Python镜像，相比全量镜像可减少数GB体积；若无需GPU推理，直接使用PyTorch官方CPU镜像pytorch/pytorch:2.0.1-cpu，避免携带GPU驱动及相关依赖。
• 若追求极致轻量化，可尝试Alpine-based镜像（如python:3.9-alpine），但需注意Alpine使用musl libc，部分依赖可能需要额外编译，需调整安装命令。

2. 精简并优化依赖安装

• 移除冗余依赖：
  • boto3-stubs是类型提示工具，生产环境无需保留；
  • dateTime与Python标准库datetime功能重复，直接删除该依赖；
  • 检查requirements.txt，仅保留代码中实际导入的包：boto3、requests、protobuf、pytz、torch、opencv-python、pybase64、ultralytics、typing-extensions。
• 优化安装参数：
  • 安装pip包时添加--no-cache-dir参数，避免缓存文件占用空间：

    pip install --no-cache-dir -r requirements.txt
    

  • 若无需GPU，安装CPU版PyTorch替代GPU版，体积大幅降低：

    pip install torch==2.0.1+cpu -f https://download.pytorch.org/whl/cpu
    

  • 用opencv-python-headless替换opencv-python，移除GUI相关组件，减少数百MB体积。

3. 使用Docker多阶段构建

通过多阶段构建分离构建环境与运行环境，丢弃构建过程中的临时文件、编译依赖等冗余内容，示例Dockerfile如下：

# 第一阶段：构建依赖
FROM python:3.9-slim AS builder
WORKDIR /app
COPY requirements.txt .

# 安装编译所需的临时依赖（如gcc），安装完成后立即清理
RUN apt-get update && apt-get install -y --no-install-recommends gcc g++ && \
    pip install --no-cache-dir --user -r requirements.txt && \
    apt-get purge -y gcc g++ && apt-get autoremove -y && rm -rf /var/lib/apt/lists/*

# 第二阶段：生成运行镜像
FROM python:3.9-slim
WORKDIR /app

# 从构建阶段复制已安装的依赖包
COPY --from=builder /root/.local/lib/python3.9/site-packages /usr/local/lib/python3.9/site-packages

# 复制应用代码
COPY application.py .

# 启动命令
CMD ["python", "application.py"]

4. 清理镜像冗余文件

• 在apt-get install后立即执行rm -rf /var/lib/apt/lists/*，清理APT缓存；
• 安装pip包后删除pip缓存：rm -rf /root/.cache/pip；
• 移除构建过程中生成的临时文件、编译中间产物。

5. 优化YOLO模型文件

• 使用轻量化的YOLOv7-pose模型（如yolov7-tiny-pose.pt）替代全量模型，减少模型文件体积；
• 复制模型文件到镜像时，仅保留推理所需的权重文件，删除训练相关的配置、日志等文件。

内容的提问来源于stack exchange，提问作者Prajyot Pawar