كيفية تثبيت Ultralytics YOLO باستخدام Conda
يشرح هذا الدليل كيفية إعداد بيئة Conda لمشاريع Ultralytics. Conda نظام مفتوح المصدر لإدارة الحزم والبيئات، وهو بديل عن pip لتثبيت الحزم والاعتماديات. وتناسب بيئاته المعزولة أعمال علم البيانات وتعلّم الآلة على نحو خاص.
يغطي هذا الدليل كيفية إنشاء بيئة باستخدام Ultralytics، وتشغيل الاستدلال، واستخدام صورة Docker لـ Conda، وتسريع عمليات التثبيت باستخدام libmamba.
المتطلبات الأساسية#
ينبغي تثبيت Anaconda أو Miniconda على نظامك. إن لم يكن أي منهما مثبتًا، فقم بتنزيله وتثبيته من Anaconda أو Miniconda.
تثبيت Ultralytics#
أنشئ بيئة Conda جديدة تتضمن Ultralytics من قناة conda-forge، ثم فعّلها. ثبّت Python وUltralytics وtorchvision (وهي ليست من تبعيات حزمة conda-forge) ضمن الأمر نفسه حتى يتمكن conda من حلّ الإصدارات الحالية والمتوافقة معًا:
conda create --name ultralytics-env -c conda-forge python=3.11 ultralytics torchvision -y
conda activate ultralytics-envإذا كنت تعمل في بيئة مُمكّنة لـ CUDA، فأضف الحزمة الفوقية pytorch-gpu من conda-forge إلى الأمر نفسه حتى يتمكن conda من حلّ إصدار PyTorch مُمكّن لـ CUDA:
conda create --name ultralytics-env -c conda-forge python=3.11 ultralytics torchvision pytorch-gpu -y
conda activate ultralytics-envملاحظة حول بيئة ROCm (GPU من AMD، Linux)#
لتسريع GPU من AMD على Linux باستخدام ROCm، لا تتوفر حزم PyTorch ROCm بصيغة wheels عبر Conda، ويجب تثبيتها باستخدام pip. استخدم بيئة Conda للعزل، ثم ثبّت PyTorch ROCm وUltralytics عبر pip:
conda create --name ultralytics-rocm python=3.12 -y
conda activate ultralytics-rocm
pip install "torch[device-all]" "torchvision[device-all]" --index-url https://stable.repo.amd.com/rocm/whl-next/
pip install ultralyticsراجع صفحة البدء باستخدام PyTorch لمعرفة إصدارات ROCm المدعومة، ودليل GPU من AMD لإعداد الاستدلال باستخدام MIGraphX، الذي يتطلب Python 3.11 أو أحدث على Linux x86_64.
استخدام Ultralytics#
بعد تثبيت Ultralytics، يمكنك تنفيذ اكتشاف الكائنات وتقسيم الكائنات ومهام الرؤية الأخرى. على سبيل المثال، لتنفيذ الاستدلال على صورة:
from ultralytics import YOLO
model = YOLO("yolo26n.pt") # تهيئة النموذج
results = model("path/to/image.jpg") # تنفيذ الاستدلال
results[0].show() # عرض نتائج الصورة الأولىصورة Ultralytics Conda لـ Docker#
يستخدم ملف Dockerfile الخاص بـ Conda إصدارات conda-forge من PyTorch 2.13 وtorchvision 0.28 وCUDA 13.0. وقد تتأخر إصدارات conda-forge عن إصدارات PyTorch عبر pip المستخدمة في صورة GPU القياسية. تم تعطيل النشر التلقائي لـ latest-conda، لذا أنشئ الصورة الحالية محليًا:
git clone https://github.com/ultralytics/ultralytics
cd ultralytics
t=ultralytics-conda:local
sudo docker build -f docker/Dockerfile-conda -t $t .شغّل الصورة:
# Run the Ultralytics image in a container with GPU support
sudo docker run -it --ipc=host --device nvidia.com/gpu=all $t # all GPUs
sudo docker run -it --ipc=host --device nvidia.com/gpu=2 --device nvidia.com/gpu=3 $t # specify GPUsعلى Linux، تتطلب طلبات أجهزة CDI إصدار Docker >= 28.2.0 وNVIDIA Container Toolkit >= 1.18. قد يؤدي الخيار القديم --gpus all إلى فقدان الوصول إلى GPU بعد إعادة تحميل البرنامج الخفي للمضيف، لذا حدّث مضيفات Linux الأقدم واستخدم --device بدلًا منه. راجع دليل البدء السريع لـ Docker لمزيد من التفاصيل.
تسريع التثبيت باستخدام Libmamba#
libmamba هو محلّل سريع ومتعدد المنصات ويراعي التبعيات، ويحل محل المحلّل التقليدي في Conda. تستخدم إصدارات Conda 23.10 وما بعدها libmamba بالفعل بوصفه المحلّل الافتراضي، لذا تكون معظم عمليات التثبيت أسرع مباشرةً.
إذا كنت تستخدم إصدارًا أقدم من Conda، فيمكنك تفعيل libmamba يدويًا:
-
أولًا، ثبّت الحزمة
conda-libmamba-solver:conda install conda-libmamba-solver -
بعد ذلك، هيّئ Conda لاستخدام
libmambaبوصفه المحلّل:conda config --set solver libmamba
لقد أعددت بيئة Conda بنجاح، وثبّت حزمة Ultralytics، وأصبحت الآن جاهزًا لاستكشاف ميزاتها. للاطلاع على مزيد من البرامج التعليمية والأمثلة المتقدمة، راجع وثائق Ultralytics.
الأسئلة الشائعة#
أنشئ البيئة باستخدام Python وUltralytics من قناة conda-forge بأمر واحد، كي يحلّ conda اعتمادهما معاً، ثم فعّلها:
conda create --name ultralytics-env -c conda-forge python=3.11 ultralytics torchvision -y conda activate ultralytics-envConda نظام لإدارة الحزم والبيئات يقدم مزايا عديدة مقارنةً بـ pip. فهو يدير التبعيات بكفاءة ويضمن توافق جميع المكتبات المطلوبة. كما تمنع بيئات Conda المعزولة التعارض بين الحزم، وهو أمر بالغ الأهمية في مشاريع علوم البيانات وتعلّم الآلة. إضافة إلى ذلك، يدعم Conda توزيع الحزم الثنائية، ما يسرّع عملية التثبيت.
نعم. أنشئ البيئة باستخدام
ultralyticsوحزمة conda-forge الفوقيةpytorch-gpuفي الأمر نفسه، بحيث يُحلّ إصدار PyTorch المُمكّن بـ CUDA إلى جانبها:conda create --name ultralytics-env -c conda-forge python=3.11 ultralytics torchvision pytorch-gpu -y conda activate ultralytics-envيتيح هذا الإعداد تسريع GPU، وهو أمر بالغ الأهمية للمهام المكثفة مثل تدريب نماذج التعلّم العميق والاستدلال بها. لمزيد من المعلومات، راجع دليل تثبيت Ultralytics.
يوفر ملف Dockerfile الخاص بـ Conda بيئة conda-forge معزولة تتضمن PyTorch الداعم لـ CUDA. اتبع تعليمات البناء المحلي، ثم شغّله باستخدام خيارات GPU الموضحة هناك. وترد صورة GPU القياسية المنشورة والبدائل الأخرى في دليل Docker.
تستخدم إصدارات Conda 23.10 وما بعدها المحلّل السريع
libmambaافتراضيًا. أما في إصدارات Conda الأقدم، فيمكنك تفعيله يدويًا بتثبيت الحزمةconda-libmamba-solverأولًا:conda install conda-libmamba-solverثم هيّئ Conda لاستخدام
libmambaبوصفه المحلّل:conda config --set solver libmambaيوفر هذا الإعداد إدارةً أسرع وأكثر كفاءة للحزم.
التعليقات6
اطرح سؤالًا، وشارك نتائجك، أو ساعد شخصًا آخر.
najwazkiyahh
Hi! I'm the new to using YOLO. I have python 3.12 on my laptop because my previous exam need it-the latest version of python. I want to install ultralytics YOLOv11, should I downgrade my python version from 3.12 into 3.11? Or I should downgrade my python version to the recommended requirement, 3.8? Thank you, hope you (anybody) can answer my confusion.
Glenn JocherUltralytics@najwazkiyahh you don't need to downgrade your system Python! 😊 Simply create a Conda environment with Python 3.11 using
conda create --name yolo_env python=3.11, then activate it and install Ultralytics. This keeps your existing Python 3.12 intact while giving you a compatible YOLO11 environment. For full steps, see the Conda Quickstart Guide for Ultralytics.We recommend this approach as it maintains version isolation while allowing you to work with both Python versions seamlessly. Welcome to the YOLO community! 🚀
Malvinlam
Hi is there a way to install the yolov8 dependencies using Anaconda prompt to the virtual environment other than pip install ultralytics? For example I already downloaded the ultralytics package from GitHub and opened it as project folder using PyCharm. Is there a way to only install the required libraries?
Glenn JocherUltralytics(تم التعديل)@Malvinlam hi there! 👋
Absolutely, you can install the required dependencies for Ultralytics using Conda without relying on
pip install ultralytics. Here's a step-by-step guide to help you set up your Conda environment and install the necessary libraries:-
Create a New Conda Environment: First, create a new Conda environment with Python 3.11 (or your preferred version):
conda create --name ultralytics-env python=3.11 -y -
Activate the Environment: Activate your newly created environment:
conda activate ultralytics-env -
Install Required Libraries: The repository no longer has a
requirements.txt; its dependencies are declared inpyproject.toml. From the root of your cloned repository, run:pip install -e .Alternatively, if you want to install specific packages manually, you can use:
conda install -c conda-forge numpy pandas matplotlib opencv scikit-learn conda install -c pytorch pytorch torchvision torchaudio -
Note on CUDA Environment: If you're working in a CUDA-enabled environment, it's a good practice to install
pytorchandpytorch-cudatogether to resolve any conflicts:conda install -c pytorch -c nvidia -c conda-forge pytorch torchvision torchaudio pytorch-cuda=11.8 -
Using Ultralytics: With the dependencies installed, you can now start using Ultralytics. For example, to perform inference with YOLO26:
from ultralytics import YOLO model = YOLO("yolo26n.pt") # initialize model results = model("path/to/image.jpg") # perform inference results[0].show() # display results for the first image
For more detailed instructions, you can refer to our Conda Quickstart Guide.
If you encounter any issues or have further questions, feel free to ask. Happy coding! 😊
-
nadinator
Does the python version have to be 3.8? Can it be a newer version? What would/wouldn't break if we used 3.11, for example (I'm thinking of the [ray]tuning feature)?
Glenn JocherUltralyticsHey there! 😊
You can definitely use Python versions newer than 3.8, including 3.11. However, it's important to note that while most features should work fine, there might be some compatibility issues with newer Python versions, especially with external libraries or specific features like [ray] tuning.
If you're keen on using Python 3.11, I'd recommend testing the key functionalities you plan to use in your project to ensure everything runs smoothly. For the [ray] tuning feature, you might want to check Ray's documentation or GitHub issues for any known compatibility concerns with Python 3.11.
Here's a quick example of how you might set up your environment with Python 3.11:
conda create --name ultralytics-env python=3.11 -y conda activate ultralytics-env conda install -c conda-forge ultralyticsAnd remember, if you encounter any issues, the Ultralytics community is here to help! 🚀