كيفية تثبيت Ultralytics YOLO باستخدام Conda#

يستعرض هذا الدليل خطوات إعداد بيئة Conda لمشاريع Ultralytics الخاصة بك. Conda هو نظام إدارة حزم و بيئات مفتوح المصدر يقدم بديلًا ممتازًا لـ pip لتثبيت الحزم والتبعيات. بفضل بيئاتها المعزولة، تُعد مناسبة بشكل خاص لأعمال علوم البيانات والتعلم الآلي. لمزيد من التفاصيل، قم بزيارة حزمة Ultralytics Conda على Anaconda وتصفح مستودع feedstock الخاص بـ Ultralytics لمتابعة تحديثات الحزم على GitHub.

يغطي هذا الدليل كيفية إنشاء بيئة، وتثبيت Ultralytics، وتشغيل الاستدلال، واستخدام صورة Conda Docker، وتسريع عمليات التثبيت باستخدام libmamba.

المتطلبات الأساسية#

يجب أن تكون قد قمت بتثبيت Anaconda أو Miniconda على نظامك. إذا لم تقم بذلك، قم بتنزيله وتثبيته من Anaconda أو Miniconda.

إعداد بيئة Conda#

أولاً، قم بإنشاء بيئة Conda جديدة. افتح الطرفية (terminal) وقم بتشغيل الأمر التالي:

conda create --name ultralytics-env python=3.11 -y

قم بتنشيط البيئة الجديدة:

conda activate ultralytics-env

تثبيت Ultralytics#

يمكنك تثبيت حزمة Ultralytics من قناة conda-forge. قم بتنفيذ الأمر التالي:

conda install -c conda-forge ultralytics

conda install -c pytorch -c nvidia -c conda-forge pytorch torchvision pytorch-cuda=12.1 ultralytics

استخدام Ultralytics#

بعد تثبيت Ultralytics، يمكنك الآن البدء في استخدام ميزاتها القوية لـاكتشاف الكائنات، وتجزيء المثيلات، والمزيد. على سبيل المثال، لتوقع صورة، يمكنك تشغيل:

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

صورة Ultralytics Conda Docker#

إذا كنت تفضل استخدام Docker، توفر Ultralytics صور Docker تحتوي على بيئة Conda مدمجة. يمكنك سحب هذه الصور من DockerHub.

سحب أحدث صورة لـ Ultralytics:

# Set image name as a variable
t=ultralytics/ultralytics:latest-conda

# Pull the latest Ultralytics image from Docker Hub
sudo docker pull $t

تشغيل 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 GPUs

على نظام Linux، تتطلب طلبات أجهزة CDI إصدار Docker >= 28.2.0 و NVIDIA Container Toolkit >= 1.18. قد يفقد علامة --gpus all القديمة الوصول إلى وحدة معالجة الرسومات (GPU) بعد عمليات إعادة تحميل برنامج الخادم، لذا قم ترقية مضيفات Linux الأقدم واستخدم --device بدلاً من ذلك. راجع دليل البدء السريع لـ Docker للتفاصيل.

تسريع التثبيت باستخدام Libmamba#

libmamba هو محلل سريع، متعدد المنصات، وواعي بالتبعيات، ويحل محل محلل Conda الكلاسيكي. تستخدم الإصدارات Conda 23.10 وما بعدها libmamba كمحلل افتراضي بالفعل، لذا فإن معظم عمليات التثبيت تكون أسرع بشكل افتراضي.

إذا كنت تستخدم إصدارًا أقدم من Conda، يمكنك تفعيل libmamba يدويًا:

1. أولاً، قم بتثبيت حزمة conda-libmamba-solver:

   conda install conda-libmamba-solver

2. بعد ذلك، قم بتكوين Conda لاستخدام libmamba كمحلل:

   conda config --set solver libmamba

لقد قمت بنجاح بإعداد بيئة Conda، وتثبيت حزمة Ultralytics، وأنت الآن جاهز لاستكشاف ميزاتها. لمزيد من الدروس المتقدمة والأمثلة، راجع توثيق Ultralytics.

الأسئلة الشائعة#