دليل التشغيل السريع ل Conda ل Ultralytics

يوفر هذا الدليل مقدمة شاملة لإعداد بيئة Conda ل Ultralytics المشاريع. Conda هو نظام إدارة حزمة وبيئة مفتوح المصدر يوفر بديلا ممتازا للنقطة لتثبيت الحزم والتبعيات. بيئاتها المعزولة تجعلها مناسبة بشكل خاص لمساعي علوم البيانات والتعلم الآلي. لمزيد من التفاصيل، يرجى زيارة Ultralytics حزمة كوندا على اناكوندا وتحقق من Ultralytics مستودع المواد الخام لتحديثات الحزمة على GitHub.

ما سوف تتعلمه

• إعداد بيئة كوندا
• تثبيت Ultralytics عبر كوندا
• تهيئه Ultralytics في بيئتك
• استخدام Ultralytics صور عامل ميناء مع كوندا

المتطلبات المسبقه

• يجب أن يكون لديك Anaconda أو Miniconda مثبتا على نظامك. إذا لم يكن كذلك ، فقم بتنزيله وتثبيته من Anaconda أو Miniconda.

إعداد بيئة كوندا

أولا ، دعنا ننشئ بيئة كوندا جديدة. افتح جهازك الطرفي وقم بتشغيل الأمر التالي:

conda create --name ultralytics-env python=3.8 -y

تفعيل البيئة الجديدة:

conda activate ultralytics-env

تثبيت Ultralytics

يمكنك تثبيت Ultralytics حزمة من قناة كوندا فورج. قم بتنفيذ الأمر التالي:

conda install -c conda-forge ultralytics

ملاحظة على CUDA البيئة

إذا كنت تعمل في بيئة تدعم CUDA ، فمن الجيد أن تقوم بتثبيت ultralytics, pytorchو pytorch-cuda معا لحل أي نزاعات:

conda install -c pytorch -c nvidia -c conda-forge pytorch torchvision pytorch-cuda=11.8 ultralytics

استخدام Ultralytics

مع Ultralytics مثبتا ، يمكنك الآن البدء في استخدام ميزاته القوية لاكتشاف الكائنات وتجزئة المثيل والمزيد. على سبيل المثال، للتنبؤ بصورة ما، يمكنك تشغيل:

from ultralytics import YOLO

model = YOLO("yolov8n.pt")  # initialize model
results = model("path/to/image.jpg")  # perform inference
results[0].show()  # display results for the first image

Ultralytics صورة كوندا دوكر

إذا كنت تفضل استخدام Docker ، Ultralytics يقدم صور Docker مع تضمين بيئة Conda. يمكنك سحب هذه الصور من DockerHub.

اسحب الأحدث Ultralytics صورة:

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

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

قم بتشغيل الصورة:

# Run the Ultralytics image in a container with GPU support
sudo docker run -it --ipc=host --gpus all $t  # all GPUs
sudo docker run -it --ipc=host --gpus '"device=2,3"' $t  # specify GPUs

تسريع التثبيت مع Libmamba

إذا كنت تبحث عن تسريع تثبيت الحزمة عملية في كوندا ، يمكنك اختيار استخدام libmamba، وهو مدير حزم سريع ومتعدد الأنظمة الأساسية ومدرك للتبعية يعمل كحل بديل لافتراضي Conda.

كيفية تمكين ليبمامبا

لتمكين libmamba بصفتك الحل ل Conda ، يمكنك تنفيذ الخطوات التالية:

1. أولا ، قم بتثبيت ملف conda-libmamba-solver حزمة. يمكن تخطي هذا إذا كان إصدار Conda الخاص بك هو 4.11 أو أعلى ، مثل libmamba يتم تضمينه بشكل افتراضي.

   conda install conda-libmamba-solver
   

2. بعد ذلك ، قم بتكوين Conda لاستخدامها libmamba كحلال:

   conda config --set solver libmamba
   

وهذا كل شيء! سيتم الآن استخدام تثبيت Conda الخاص بك libmamba كحل ، مما يؤدي إلى عملية تثبيت حزمة أسرع.

مبروك! لقد قمت بإعداد بيئة Conda بنجاح ، وتثبيت Ultralytics حزمة ، ونحن الآن على استعداد لاستكشاف وظائفها الغنية. لا تتردد في الغوص بشكل أعمق في Ultralytics وثائق لمزيد من البرامج التعليمية والأمثلة المتقدمة.

الأسئلة المتداولة

ما هي عملية إعداد بيئة Conda لمشاريع Ultralytics ؟

يعد إعداد بيئة كوندا للمشاريع Ultralytics أمرًا بسيطًا ومباشرًا ويضمن إدارة الحزمة بسلاسة. أولاً، قم بإنشاء بيئة كوندا جديدة باستخدام الأمر التالي:

conda create --name ultralytics-env python=3.8 -y

ثم، قم بتفعيل البيئة الجديدة باستخدام:

conda activate ultralytics-env

وأخيراً، قم بتثبيت Ultralytics من قناة conda-forge:

conda install -c conda-forge ultralytics

لماذا يجب استخدام Conda بدلاً من pip لإدارة التبعيات في مشاريع Ultralytics ؟

Conda هو نظام قوي لإدارة الحزمة والبيئة يوفر العديد من المزايا مقارنةً بـ pip. فهو يدير التبعيات بكفاءة ويضمن توافق جميع المكتبات الضرورية. وتمنع بيئات Conda المعزولة التعارضات بين الحزم، وهو أمر بالغ الأهمية في مشاريع علوم البيانات والتعلم الآلي. بالإضافة إلى ذلك، يدعم Conda توزيع الحزم الثنائية، مما يسرّع عملية التثبيت.

هل يمكنني استخدام Ultralytics YOLO في بيئة ممكّنة CUDA للحصول على أداء أسرع؟

نعم، يمكنك تحسين الأداء من خلال استخدام بيئة تدعم CUDA. تأكد من تثبيت ultralytics, pytorchو pytorch-cuda معًا لتجنب التعارضات:

conda install -c pytorch -c nvidia -c conda-forge pytorch torchvision pytorch-cuda=11.8 ultralytics

يتيح هذا الإعداد إمكانية تسريع GPU ، وهو أمر بالغ الأهمية للمهام المكثفة مثل تدريب نماذج التعلم العميق والاستدلال. لمزيد من المعلومات، قم بزيارة دليل التثبيتUltralytics .

ما هي فوائد استخدام صور Ultralytics Docker مع بيئة Conda؟

يضمن استخدام صور Docker Ultralytics بيئة متسقة وقابلة للتكرار، مما يلغي مشاكل "يعمل على جهازي". تتضمن هذه الصور بيئة كوندا مهيأة مسبقًا، مما يبسط عملية الإعداد. يمكنك سحب وتشغيل أحدث صورة Ultralytics Docker باستخدام الأوامر التالية:

sudo docker pull ultralytics/ultralytics:latest-conda
sudo docker run -it --ipc=host --gpus all ultralytics/ultralytics:latest-conda

هذا النهج مثالي لنشر التطبيقات في الإنتاج أو تشغيل عمليات سير العمل المعقدة دون تكوين يدوي. تعرف على المزيد حول Ultralytics Conda Docker Image.

كيف يمكنني تسريع تثبيت حزمة Conda في بيئة Ultralytics الخاصة بي؟

يمكنك تسريع عملية تثبيت الحزمة باستخدام libmambaحلال تبعية سريع لـ Conda. أولاً، قم بتثبيت conda-libmamba-solver حزمة:

conda install conda-libmamba-solver

ثم قم بتهيئة Conda لاستخدام libmamba كحلال:

conda config --set solver libmamba

يوفر هذا الإعداد إدارة أسرع وأكثر كفاءة للحزم. لمزيد من النصائح حول تحسين بيئتك، اقرأ عن تثبيت libmamba.

التعليقات