التشغيل السريع

أقام Ultralytics

Ultralytics يوفر طرق تثبيت مختلفة بما في ذلك pip و conda و Docker. قم بتثبيت YOLO عبر ultralytics حزمة النقطة لأحدث إصدار مستقر أو عن طريق استنساخ Ultralytics مستودع جيثب للحصول على أحدث إصدار. يمكن استخدام Docker لتنفيذ الحزمة في حاوية معزولة ، وتجنب التثبيت المحلي.

شاهد: Ultralytics YOLO دليل البدء السريع

# Install the ultralytics package from PyPI
pip install ultralytics

# Install the ultralytics package from GitHub
pip install git+https://github.com/ultralytics/ultralytics.git@main

# Install the ultralytics package using conda
conda install -c conda-forge ultralytics

# Install all packages together using conda
conda install -c pytorch -c nvidia -c conda-forge pytorch torchvision pytorch-cuda=11.8 ultralytics

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

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

# 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

# Clone the ultralytics repository
git clone https://github.com/ultralytics/ultralytics

# Navigate to the cloned directory
cd ultralytics

# Install the package in editable mode for development
pip install -e .

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

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

# 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

# Mount local directory to a directory inside the container
sudo docker run -it --ipc=host --gpus all -v /path/on/host:/path/in/container $t

انظر ultralytics بيبروجكت.تومل ملف للحصول على قائمة التبعيات. لاحظ أن جميع الأمثلة أعلاه تثبيت جميع التبعيات المطلوبة.

استخدام Ultralytics مع CLI

ال Ultralytics واجهة سطر الأوامر (CLI) يسمح بأوامر بسيطة من سطر واحد دون الحاجة إلى Python وسط. CLI لا يتطلب أي تخصيص أو Python رمز. يمكنك ببساطة تشغيل جميع المهام من الجهاز باستخدام yolo أمر. تحقق من CLI دليل to learn more about using YOLO from the command line.

yolo TASK MODE ARGS

yolo train data=coco8.yaml model=yolo11n.pt epochs=10 lr0=0.01

yolo predict model=yolo11n-seg.pt source='https://youtu.be/LNwODJXcvt4' imgsz=320

yolo val model=yolo11n.pt data=coco8.yaml batch=1 imgsz=640

yolo export model=yolo11n-cls.pt format=onnx imgsz=224,128

yolo help
yolo checks
yolo version
yolo settings
yolo copy-cfg
yolo cfg

CLI دليل

استخدام Ultralytics مع Python

YOLO's Python interface allows for seamless integration into your Python projects, making it easy to load, run, and process the model's output. Designed with simplicity and ease of use in mind, the Python interface enables users to quickly implement object detection, segmentation, and classification in their projects. This makes YOLO's Python interface an invaluable tool for anyone looking to incorporate these functionalities into their Python projects.

For example, users can load a model, train it, evaluate its performance on a validation set, and even export it to ONNX format with just a few lines of code. Check out the Python Guide to learn more about using YOLO within your Python projects.

from ultralytics import YOLO

# Create a new YOLO model from scratch
model = YOLO("yolo11n.yaml")

# Load a pretrained YOLO model (recommended for training)
model = YOLO("yolo11n.pt")

# Train the model using the 'coco8.yaml' dataset for 3 epochs
results = model.train(data="coco8.yaml", epochs=3)

# Evaluate the model's performance on the validation set
results = model.val()

# Perform object detection on an image using the model
results = model("https://ultralytics.com/images/bus.jpg")

# Export the model to ONNX format
success = model.export(format="onnx")

Python دليل

Ultralytics اعدادات

ال Ultralytics توفر المكتبة نظاما قويا لإدارة الإعدادات لتمكين التحكم الدقيق في تجاربك. من خلال الاستفادة من SettingsManager يقع داخل ultralytics.utils يمكن للمستخدمين الوصول بسهولة إلى إعداداتهم وتعديلها. يتم تخزين هذه الإعدادات في ملف JSON في دليل تهيئة مستخدم البيئة، ويمكن عرضها أو تعديلها مباشرة داخل البيئة Python أو عبر واجهة سطر الأوامر (CLI).

فحص الإعدادات

للحصول على نظرة ثاقبة حول التكوين الحالي لإعداداتك، يمكنك عرضها مباشرة:

from ultralytics import settings

# View all settings
print(settings)

# Return a specific setting
value = settings["runs_dir"]

yolo settings

تعديل الإعدادات

Ultralytics يسمح للمستخدمين بتعديل إعداداتهم بسهولة. يمكن إجراء التغييرات بالطرق التالية:

from ultralytics import settings

# Update a setting
settings.update({"runs_dir": "/path/to/runs"})

# Update multiple settings
settings.update({"runs_dir": "/path/to/runs", "tensorboard": False})

# Reset settings to default values
settings.reset()

# Update a setting
yolo settings runs_dir='/path/to/runs'

# Update multiple settings
yolo settings runs_dir='/path/to/runs' tensorboard=False

# Reset settings to default values
yolo settings reset

فهم الإعدادات

يقدم الجدول أدناه نظرة عامة على الإعدادات المتاحة للتعديل ضمن Ultralytics. يتم تحديد كل إعداد جنبا إلى جنب مع قيمة مثال ونوع البيانات ووصف موجز.

أثناء التنقل عبر مشاريعك أو تجاربك، تأكد من إعادة زيارة هذه الإعدادات للتأكد من تكوينها على النحو الأمثل لاحتياجاتك.

الأسئلة المتداولة

كيف يمكنني تثبيت Ultralytics باستخدام pip؟

لتثبيت Ultralytics باستخدام pip، قم بتنفيذ الأمر التالي:

pip install ultralytics

بالنسبة لأحدث إصدار مستقر، سيؤدي هذا إلى تثبيت ultralytics مباشرةً من فهرس الحزمة Python Package Index (PyPI). لمزيد من التفاصيل، قم بزيارة ultralytics على PyPI.

بدلاً من ذلك، يمكنك تثبيت أحدث إصدار تطوير مباشرةً من GitHub:

pip install git+https://github.com/ultralytics/ultralytics.git

تأكد من تثبيت أداة سطر الأوامر Git على نظامك.

هل يمكنني تثبيت Ultralytics YOLO باستخدام كوندا؟

نعم، يمكنك التثبيت Ultralytics YOLO باستخدام كوندا عن طريق تشغيل كوندا:

conda install -c conda-forge ultralytics

تعد هذه الطريقة بديلاً ممتازًا عن pip وتضمن التوافق مع الحزم الأخرى في بيئتك. بالنسبة إلى بيئات CUDA ، من الأفضل تثبيت ultralytics, pytorchو pytorch-cuda في وقت واحد لحل أي تعارضات:

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

لمزيد من الإرشادات، تفضل بزيارة دليل البدء السريع Conda.

ما هي مزايا استخدام Docker لتشغيل Ultralytics YOLO ؟

Using Docker to run Ultralytics YOLO provides an isolated and consistent environment, ensuring smooth performance across different systems. It also eliminates the complexity of local installation. Official Docker images from Ultralytics are available on Docker Hub, with different variants tailored for GPU, CPU, ARM64, NVIDIA Jetson, and Conda environments. Below are the commands to pull and run the latest image:

# Pull the latest ultralytics image from Docker Hub
sudo docker pull ultralytics/ultralytics:latest

# Run the ultralytics image in a container with GPU support
sudo docker run -it --ipc=host --gpus all ultralytics/ultralytics:latest

لمزيد من إرشادات Docker التفصيلية، راجع دليل البدء السريع لـ Docker.

كيف يمكنني استنساخ مستودع Ultralytics للتطوير؟

لاستنساخ مستودع Ultralytics وإعداد بيئة تطوير، اتبع الخطوات التالية:

# Clone the ultralytics repository
git clone https://github.com/ultralytics/ultralytics

# Navigate to the cloned directory
cd ultralytics

# Install the package in editable mode for development
pip install -e .

يسمح لك هذا النهج بالمساهمة في المشروع أو تجربة أحدث شفرة مصدرية. لمزيد من التفاصيل، يرجى زيارة مستودعUltralytics GitHub.

لماذا يجب أن أستخدم Ultralytics YOLO CLI ؟

تعمل واجهة سطر الأوامر Ultralytics YOLO (CLI) على تبسيط تشغيل مهام الكشف عن الكائنات دون الحاجة إلى كود Python . يمكنك تنفيذ أوامر من سطر واحد لمهام مثل التدريب والتحقق من الصحة والتنبؤ مباشرةً من جهازك الطرفي. الصيغة الأساسية ل yolo الأوامر هي:

yolo TASK MODE ARGS

على سبيل المثال، لتدريب نموذج كشف بمعلمات محددة:

yolo train data=coco8.yaml model=yolo11n.pt epochs=10 lr0=0.01

اطلع على الدليل الكامل CLI لاستكشاف المزيد من الأوامر وأمثلة الاستخدام.

📅 تم الإنشاء منذ 1 سنة مضت ✏️ تم التحديث منذ 12 يومًا

التعليقات