التشغيل السريع

أقام Ultralytics

Ultralytics يوفر طرق تثبيت مختلفة بما في ذلك pip و conda و Docker. أقام YOLOv8 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 لمعرفة المزيد حول استخدام YOLOv8 من سطر الأوامر.

yolo TASK MODE ARGS

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

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

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

yolo export model=yolov8n-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

YOLOv8's Python واجهة تسمح للاندماج السلس في الخاص بك Python المشاريع ، مما يجعل من السهل تحميل مخرجات النموذج وتشغيلها ومعالجتها. تم تصميم الجهاز مع مراعاة البساطة وسهولة الاستخدام ، Python تتيح الواجهة للمستخدمين تنفيذ اكتشاف الكائنات وتقسيمها وتصنيفها بسرعة في مشاريعهم. هذا يجعل YOLOv8's Python واجهة أداة لا تقدر بثمن لأي شخص يتطلع إلى دمج هذه الوظائف في Python المشاريع.

على سبيل المثال ، يمكن للمستخدمين تحميل نموذج وتدريبه وتقييم أدائه على مجموعة التحقق من الصحة وحتى تصديره إلى ONNX التنسيق مع بضعة أسطر من التعليمات البرمجية. تحقق من Python دليل لمعرفة المزيد حول استخدام YOLOv8 داخل الخاص بك Python المشاريع.

from ultralytics import YOLO

# Create a new YOLO model from scratch
model = YOLO("yolov8n.yaml")

# Load a pretrained YOLO model (recommended for training)
model = YOLO("yolov8n.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 الوحدة النمطية ، يمكن للمستخدمين الوصول بسهولة إلى إعداداتهم وتغييرها. يتم تخزينها في ملف YAML ويمكن عرضها أو تعديلها إما مباشرة داخل 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 أقوم بتثبيت Ultralytics YOLOv8 باستخدام pip؟

لتثبيت Ultralytics YOLOv8 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 YOLOv8 باستخدام كوندا؟

نعم، يمكنك التثبيت Ultralytics YOLOv8 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 YOLOv8 ؟

يوفر استخدام Docker لتشغيل Ultralytics YOLOv8 بيئة معزولة ومتسقة، مما يضمن أداءً سلسًا عبر الأنظمة المختلفة. كما أنه يزيل تعقيدات التثبيت المحلي. وتتوفر 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 YOLOv8 CLI ؟

تعمل واجهة سطر الأوامر Ultralytics YOLOv8 (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=yolov8n.pt epochs=10 lr0=0.01

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

📅 Created 10 months ago ✏️ Updated 8 days ago

التعليقات