التشغيل السريع

قم بتثبيت الزر ultralytics الحزمة باستخدام PIP ، أو تحديث تثبيت موجود عن طريق تشغيل pip install -U ultralytics. قم بزيارة Python فهرس الحزمة (PyPI) لمزيد من التفاصيل حول ultralytics حزمة: https://pypi.org/project/ultralytics/.

# Install the ultralytics package from PyPI
pip install ultralytics

يمكنك أيضا تثبيت ultralytics حزمة مباشرة من جيثب مستودع. قد يكون هذا مفيدا إذا كنت تريد أحدث إصدار من التطوير. تأكد من تثبيت أداة سطر أوامر Git على نظامك. ال @main يقوم الأمر بتثبيت main فرع ويمكن تعديله إلى فرع آخر ، أي @my-branch، أو تمت إزالته بالكامل إلى الوضع الافتراضي إلى main فرع.

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

Conda هو مدير حزم بديل للنقطة والذي يمكن استخدامه أيضا للتثبيت. قم بزيارة أناكوندا لمزيد من التفاصيل في https://anaconda.org/conda-forge/ultralytics. Ultralytics مستودع المواد الخام لتحديث حزمة كوندا في https://github.com/conda-forge/ultralytics-المواد الأولية/.

# 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

Ultralytics تتوفر صور Conda Docker أيضا من دوكر هب. تستند هذه الصور إلى مينيكوندا3 وهي طريقة بسيطة لبدء الاستخدام 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 إذا كنت مهتما بالمساهمة في التطوير أو ترغب في تجربة أحدث شفرة مصدر. 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 ملف ultralytics حزمة في حاوية معزولة ، وضمان أداء ثابت وسلس عبر بيئات مختلفة. عن طريق اختيار واحد من المسؤولين ultralytics صور من مركز عامل ميناء، فأنت لا تتجنب تعقيد التثبيت المحلي فحسب ، بل تستفيد أيضا من الوصول إلى بيئة عمل تم التحقق منها. Ultralytics يقدم 5 صور Docker رئيسية مدعومة ، كل منها مصمم لتوفير توافق وكفاءة عالية لمختلف الأنظمة الأساسية وحالات الاستخدام:

• ملف الدوكر: صورة وحدة معالجة الرسومات موصى بها للتدريب.
• Dockerfile-arm64: محسن لبنية ARM64 ، مما يسمح بالنشر على أجهزة مثل Raspberry Pi والأنظمة الأساسية الأخرى المستندة إلى ARM64.
• Dockerfile-وحدة المعالجة المركزية: إصدار وحدة المعالجة المركزية المستندة إلى Ubuntu فقط مناسب للاستدلال والبيئات بدون وحدات معالجة الرسومات.
• Dockerfile-jetson: مصمم خصيصا لأجهزة NVIDIA Jetson ، ويدمج دعم وحدة معالجة الرسومات المحسن لهذه الأنظمة الأساسية.
• ملف داكر-python الحد الأدنى من الصورة مع فقط:Python والتبعيات الضرورية ، مثالية للتطبيقات خفيفة الوزن والتطوير.
• Dockerfile-conda: استنادا إلى Miniconda3 مع تركيب كوندا ultralytics حزمة.

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

يقوم الأمر أعلاه بتهيئة حاوية Docker بأحدث إصدار ultralytics صورة. ال -it يقوم العلم بتعيين TTY زائف ويحافظ على stdin مفتوحا ، مما يتيح لك التفاعل مع الحاوية. ال --ipc=host تعيين مساحة اسم IPC (الاتصال بين العمليات) للمضيف ، وهو أمر ضروري لمشاركة الذاكرة بين العمليات. ال --gpus all تتيح العلامة الوصول إلى جميع وحدات معالجة الرسومات المتاحة داخل الحاوية ، وهو أمر بالغ الأهمية للمهام التي تتطلب حساب وحدة معالجة الرسومات.

ملاحظة: للعمل مع الملفات الموجودة على جهازك المحلي داخل الحاوية، استخدم وحدات تخزين Docker لتركيب 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

تغيير /path/on/host مع مسار الدليل على جهازك المحلي، و /path/in/container مع المسار المطلوب داخل حاوية Docker لإمكانية الوصول.

لاستخدام Docker المتقدم ، لا تتردد في استكشاف Ultralytics دليل عامل ميناء.

Ultralytics yolo تستخدم الأوامر بناء الجملة التالي:

yolo TASK MODE ARGS

• TASK (اختياري) هو واحد من (الكشف عن, الجزء, جنس, تشكل)
• MODE (مطلوب) هو واحد من (قطار, فال, تنبأ, تصدير, المسار)
• ARGS (اختياري) هي arg=value أزواج مثل imgsz=640 التي تتجاوز الإعدادات الافتراضية.

طالع الكل ARGS في الكامل دليل التكوين أو مع yolo cfg CLI أمر.

تدريب نموذج كشف ل 10 حقب مع learning_rate أولي يبلغ 0.01

yolo train data=coco8.yaml model=yolov8n.pt epochs=10 lr0=0.01

توقع مقطع فيديو على YouTube باستخدام نموذج تجزئة تم اختباره مسبقا بحجم الصورة 320:

yolo predict model=yolov8n-seg.pt source='https://youtu.be/LNwODJXcvt4' imgsz=320

Val نموذج كشف تم اختباره مسبقا بحجم الدفعة 1 وحجم الصورة 640:

yolo val model=yolov8n.pt data=coco8.yaml batch=1 imgsz=640

تصدير أ YOLOv8n نموذج التصنيف إلى ONNX بحجم الصورة 224 × 128 (لا توجد مهمة مطلوبة)

yolo export model=yolov8n-cls.pt format=onnx imgsz=224,128

قم بتشغيل أوامر خاصة لمعرفة الإصدار وعرض الإعدادات وتشغيل عمليات التحقق والمزيد:

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

يمكنك استخدام Python لعرض إعداداتك. ابدأ باستيراد settings كائن من ultralytics الوحده النمطيه. إعدادات الطباعة والعودة باستخدام الأوامر التالية:

from ultralytics import settings

# View all settings
print(settings)

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

بدلا من ذلك ، تتيح لك واجهة سطر الأوامر التحقق من إعداداتك بأمر بسيط:

yolo settings

ضمن Python البيئة، اتصل ب update الطريقة على settings الاعتراض على تغيير إعداداتك:

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()

إذا كنت تفضل استخدام واجهة سطر الأوامر ، فستسمح لك الأوامر التالية بتعديل إعداداتك:

# 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