البداية سريعة

التثبيت Ultralytics

Ultralytics يوفر طرق تثبيت مختلفة بما في ذلك pip و conda و Docker. قم بتثبيت YOLO عبر ultralytics للحصول على أحدث إصدار مستقر أو عن طريق استنساخ حزمة Ultralytics مستودع GitHub 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 للحصول على قائمة بالتبعيات. لاحظ أن جميع الأمثلة أعلاه تقوم بتثبيت جميع التبعيات المطلوبة.

استخدم Ultralytics مع CLI

تسمح واجهة سطر الأوامر Ultralytics (CLI) بأوامر بسيطة من سطر واحد دون الحاجة إلى بيئة Python . CLI لا يتطلب أي تخصيص أو رمز Python . يمكنك ببساطة تشغيل جميع المهام من المحطة الطرفية باستخدام yolo الأمر تحقق من CLI الدليل لمعرفة المزيد حول استخدام YOLO من سطر الأوامر.

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 الدليل

استخدم Ultralytics مع Python

YOLOتتيح واجهة Python التكامل السلس في مشاريعك Python ، مما يسهل تحميل وتشغيل ومعالجة مخرجات النموذج. صُممت واجهة Python مع مراعاة البساطة وسهولة الاستخدام، وهي مصممة مع مراعاة البساطة وسهولة الاستخدام، وتتيح للمستخدمين تنفيذ عمليات الكشف عن الكائنات وتجزئتها وتصنيفها بسرعة في مشاريعهم. وهذا يجعل واجهة YOLO' Python أداة لا تقدر بثمن لأي شخص يتطلع إلى دمج هذه الوظائف في مشاريعه Python .

على سبيل المثال، يمكن للمستخدمين تحميل نموذج، وتدريبه، وتقييم أدائه على مجموعة التحقق، وحتى تصديره إلى تنسيق ONNX ببضعة أسطر من التعليمات البرمجية. راجع دليلPython لمعرفة المزيد حول استخدام YOLO في مشاريعك Python .

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 الدليل

Ultralytics الإعدادات

توفر مكتبة Ultralytics نظامًا قويًا لإدارة الإعدادات لتمكين التحكم الدقيق في تجاربك. من خلال الاستفادة من SettingsManager الموجودة 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

للاطلاع على التكوين الحالي لإعداداتك، يمكنك عرضها مباشرةً:

from ultralytics import settings

# View all settings
print(settings)

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

yolo settings

تعديل الإعدادات

Ultralytics 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 لمحة عامة عن الإعدادات المتاحة للتعديل داخل Ultralytics. كل إعداد موضح مع مثال على القيمة ونوع البيانات ووصف موجز.

أثناء تنقلك عبر مشاريعك أو تجاربك، تأكد من مراجعة هذه الإعدادات للتأكد من تهيئتها على النحو الأمثل لاحتياجاتك.

الأسئلة الشائعة

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 ؟

يوفر استخدام Docker لتشغيل Ultralytics YOLO بيئة معزولة ومتسقة، مما يضمن أداءً سلسًا عبر الأنظمة المختلفة. كما أنه يزيل تعقيدات التثبيت المحلي. تتوافر صور Docker الرسمية من Ultralytics على Docker Hub، مع وجود أشكال مختلفة مصممة خصيصًا لبيئات GPU و CPU و ARM64 و NVIDIA Jetson و Conda. فيما يلي الأوامر لسحب أحدث صورة وتشغيلها:

# 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 إنشاؤها منذ 1 سنة مضت ✏️ تم التحديث منذ 1 شهر

التعليقات