التثبيت Ultralytics

قم بتثبيت أو تحديث ultralytics باستخدام الحزمة باستخدام النقطة عن طريق تشغيل pip install -U ultralytics. لمزيد من التفاصيل حول ultralytics حزمة، قم بزيارة فهرس حزمة Python (PyPI).

# Install the ultralytics package from PyPI
pip install ultralytics

يمكنك أيضًا تثبيت ultralytics مباشرة من Ultralytics مستودع GitHub. يمكن أن يكون هذا مفيدًا إذا كنت تريد أحدث إصدار للتطوير. تأكد من تثبيت أداة سطر الأوامر Git، ثم قم بتشغيلها:

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

يمكن استخدام Conda كمدير حزم بديل لـ pip. لمزيد من التفاصيل، قم بزيارة أناكوندا. يتوفر مستودع Ultralytics لتحديث حزمة كوندا على GitHub.

# 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

صورة كوندا دوكر كوندا

Ultralytics تتوفر صور Conda Docker Docker أيضًا من DockerHub. تستند هذه الصور على مينيكوندا 3 وتوفير طريقة مباشرة للبدء في استخدام ultralytics في بيئة كوندا.

# 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

استنساخ Ultralytics مستودع GitHub إذا كنت مهتمًا بالمساهمة في التطوير أو ترغب في تجربة أحدث شيفرة مصدرية. بعد الاستنساخ، انتقل إلى الدليل وقم بتثبيت الحزمة في الوضع القابل للتحرير -e باستخدام النقطة.

# 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 .

استخدم Docker لتنفيذ ultralytics في حاوية معزولة، مما يضمن أداءً متسقًا عبر بيئات مختلفة. من خلال اختيار إحدى ultralytics صور من Docker Hubفإنك تتجنب تعقيدات التثبيت المحلي وتتمكن من الوصول إلى بيئة عمل تم التحقق منها. تقدم Ultralytics خمس صور Docker رئيسية مدعومة من Docker، كل منها مصمم لتحقيق التوافق والكفاءة العالية:

• Dockerfile: GPU صورة موصى بها للتدريب.
• Dockerfile-arm64: مُحسَّن لمعمارية ARM64، ومناسب للنشر على أجهزة مثل Raspberry Pi وغيرها من المنصات القائمة على ARM64.
• cpu: إصدار Dockerfile-cpu: إصدار CPU المستندة إلى Ubuntu، وهو مناسب للاستدلال والبيئات التي لا تحتوي على وحدات معالجة رسومات.
• Dockerfile-jetson: مصممة خصيصًا لأجهزة NVIDIA Jetson، مع دمج دعم GPU المحسّنة لهذه المنصات.
• Dockerfile-python: صورة بسيطة مع Python والتبعيات الضرورية فقط، مثالية للتطبيقات خفيفة الوزن والتطوير.
• Dockerfile-conda: استنادًا إلى Miniconda3 مع تثبيت كوندا لـ ultralytics الحزمة.

فيما يلي الأوامر للحصول على أحدث صورة وتنفيذها:

# 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

يعمل الأمر أعلاه على تهيئة حاوية Docker بأحدث ultralytics الصورة. الصورة -it تعيّن العلامات علامة TTY زائفة وتبقي stdin مفتوحًا، مما يسمح بالتفاعل مع الحاوية. إن --ipc=host تقوم العلامة بتعيين مساحة اسم IPC (الاتصال بين العمليات) للمضيف، وهو أمر ضروري لمشاركة الذاكرة بين العمليات. إن --gpus all يتيح العلم إمكانية الوصول إلى جميع وحدات معالجة الرسومات المتاحة داخل الحاوية، وهو أمر بالغ الأهمية للمهام التي تتطلب حوسبة GPU .

ملحوظة: للعمل مع الملفات الموجودة على جهازك المحلي داخل الحاوية، استخدم وحدات تخزين Docker لتحميل دليل محلي في الحاوية:

# 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

استبدل /path/on/host بمسار الدليل على جهازك المحلي، و /path/in/container بالمسار المطلوب داخل حاوية Docker.

لاستخدام Docker المتقدم، استكشف دليلUltralytics Docker Guide.

Ultralytics yolo تستخدم الأوامر الصيغة التالية:

yolo TASK MODE ARGS

شاهد الكل ARGS في كامل دليل التكوين أو مع yolo cfg CLI الأمر.

تدريب نموذج اكتشاف ل 10 حلقات بمعدل تعلم أولي 0.01:

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

توقّع مقطع فيديو YouTube باستخدام نموذج تجزئة مُدرّب مسبقًا بحجم صورة 320:

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

تحقق من صحة نموذج اكتشاف تم تدريبه مسبقًا بحجم دفعة 1 وحجم صورة 640:

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

قم بتصدير نموذج تصنيف YOLOv11n إلى تنسيق ONNX بحجم صورة 224x128 (لا يتطلب الأمر TASK):

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

عد الكائنات في فيديو أو بث مباشر باستخدام YOLO11:

yolo solutions count show=True

yolo solutions count source="path/to/video.mp4" # specify video file path

راقب تمارين مراقبة التمارين الرياضية باستخدام نموذج وضعيات YOLO11 :

yolo solutions workout show=True

yolo solutions workout source="path/to/video.mp4" # specify video file path

# Use keypoints for ab-workouts
yolo solutions workout kpts="[5, 11, 13]" # left side
yolo solutions workout kpts="[6, 12, 14]" # right side

استخدم YOLO11 لعد الكائنات في قائمة انتظار أو منطقة معينة:

yolo solutions queue show=True

yolo solutions queue source="path/to/video.mp4" # specify video file path

yolo solutions queue region="[(20, 400), (1080, 400), (1080, 360), (20, 360)]" # configure queue coordinates

قم بإجراء اكتشاف الكائن أو تجزئة المثيل أو تقدير الوضع في متصفح الويب باستخدام Streamlit:

yolo solutions inference

yolo solutions inference model="path/to/model.pt" # use model fine-tuned with Ultralytics Python package

قم بتشغيل أوامر خاصة لمعرفة الإصدار، وعرض الإعدادات، وتشغيل الفحوصات، والمزيد:

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

استخدم Python لعرض الإعدادات الخاصة بك عن طريق استيراد settings من الكائن من ultralytics الوحدة النمطية. طباعة وإرجاع الإعدادات باستخدام هذه الأوامر:

from ultralytics import settings

# View all settings
print(settings)

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

تتيح لك واجهة سطر الأوامر التحقق من إعداداتك باستخدام:

yolo settings

في Python استخدم update على طريقة settings الكائن:

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()

لتعديل الإعدادات باستخدام واجهة سطر الأوامر:

# 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