Guía de inicio rápido de Conda para Ultralytics

Esta guía proporciona una introducción completa a la configuración de un entorno Conda para tus proyectos de Ultralytics. Conda es un sistema de gestión de paquetes y entornos de código abierto que ofrece una alternativa excelente a pip para instalar paquetes y dependencias. Sus entornos aislados lo hacen especialmente adecuado para proyectos de ciencia de datos y machine learning. Para más detalles, visita el paquete de Ultralytics en Conda en Anaconda y consulta el repositorio de feedstock de Ultralytics para ver las actualizaciones de los paquetes en GitHub.

Lo que aprenderás

• Configuración de un entorno Conda
• Instalación de Ultralytics mediante Conda
• Inicialización de Ultralytics en tu entorno
• Uso de imágenes de Docker de Ultralytics con Conda

Requisitos previos

• Debes tener Anaconda o Miniconda instalado en tu sistema. Si no es así, descárgalo e instálalo desde Anaconda o Miniconda.

Configuración de un entorno Conda

Primero, vamos a crear un nuevo entorno Conda. Abre tu terminal y ejecuta el siguiente comando:

conda create --name ultralytics-env python=3.11 -y

Activa el nuevo entorno:

conda activate ultralytics-env

Instalación de Ultralytics

Puedes instalar el paquete de Ultralytics desde el canal conda-forge. Ejecuta el siguiente comando:

conda install -c conda-forge ultralytics

Nota sobre el entorno CUDA

Si trabajas en un entorno con CUDA, es recomendable instalar ultralytics, pytorch y pytorch-cuda juntos para resolver posibles conflictos:

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

Uso de Ultralytics

Con Ultralytics instalado, ya puedes empezar a usar sus potentes funciones para detección de objetos, segmentación de instancias y más. Por ejemplo, para predecir una imagen, puedes ejecutar:

from ultralytics import YOLO

model = YOLO("yolo26n.pt")  # initialize model
results = model("path/to/image.jpg")  # perform inference
results[0].show()  # display results for the first image

Imagen de Docker de Ultralytics para Conda

Si prefieres usar Docker, Ultralytics ofrece imágenes de Docker que incluyen un entorno Conda. Puedes descargar estas imágenes desde DockerHub.

Descarga la última imagen de Ultralytics:

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

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

Ejecuta la imagen:

# Run the Ultralytics image in a container with GPU support
sudo docker run -it --ipc=host --runtime=nvidia --gpus all $t            # all GPUs
sudo docker run -it --ipc=host --runtime=nvidia --gpus '"device=2,3"' $t # specify GPUs

Acelerar la instalación con Libmamba

Si buscas acelerar el proceso de instalación de paquetes en Conda, puedes optar por usar libmamba, un gestor de paquetes rápido, multiplataforma y consciente de las dependencias que sirve como solucionador alternativo al predeterminado de Conda.

Cómo habilitar Libmamba

Para habilitar libmamba como solucionador para Conda, puedes seguir estos pasos:

1. Primero, instala el paquete conda-libmamba-solver. Puedes saltarte este paso si tu versión de Conda es la 4.11 o superior, ya que libmamba se incluye de forma predeterminada.

   conda install conda-libmamba-solver

2. A continuación, configura Conda para usar libmamba como solucionador:

   conda config --set solver libmamba

¡Y eso es todo! Tu instalación de Conda usará ahora libmamba como solucionador, lo que debería acelerar el proceso de instalación de paquetes.

Has configurado correctamente un entorno Conda, instalado el paquete Ultralytics y ya estás listo para explorar sus funciones. Para más tutoriales y ejemplos avanzados, consulta la documentación de Ultralytics.

Preguntas frecuentes

¿Cuál es el proceso para configurar un entorno Conda para proyectos de Ultralytics?

Configurar un entorno Conda para proyectos de Ultralytics es sencillo y garantiza una gestión fluida de los paquetes. Primero, crea un nuevo entorno Conda usando el siguiente comando:

conda create --name ultralytics-env python=3.11 -y

Luego, activa el nuevo entorno con:

conda activate ultralytics-env

Finalmente, instala Ultralytics desde el canal conda-forge:

conda install -c conda-forge ultralytics

¿Por qué debería usar Conda en lugar de pip para gestionar dependencias en proyectos de Ultralytics?

Conda es un sólido sistema de gestión de paquetes y entornos que ofrece varias ventajas sobre pip. Gestiona las dependencias de forma eficiente y asegura que todas las librerías necesarias sean compatibles. Los entornos aislados de Conda evitan conflictos entre paquetes, algo crucial en proyectos de ciencia de datos y machine learning. Además, Conda admite la distribución de paquetes binarios, lo que acelera el proceso de instalación.

¿Puedo usar Ultralytics YOLO en un entorno con CUDA para obtener un rendimiento más rápido?

Sí, puedes mejorar el rendimiento utilizando un entorno compatible con CUDA. Asegúrate de instalar ultralytics, pytorch y pytorch-cuda juntos para evitar conflictos:

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

Esta configuración permite la aceleración por GPU, fundamental para tareas intensivas como el entrenamiento de modelos de deep learning y la inferencia. Para más información, visita la guía de instalación de Ultralytics.

¿Cuáles son los beneficios de usar imágenes de Docker de Ultralytics con un entorno Conda?

Usar imágenes de Docker de Ultralytics garantiza un entorno consistente y reproducible, eliminando los problemas de "en mi máquina funciona". Estas imágenes incluyen un entorno Conda preconfigurado, lo que simplifica el proceso de configuración. Puedes descargar y ejecutar la última imagen de Docker de Ultralytics con los siguientes comandos:

sudo docker pull ultralytics/ultralytics:latest-conda
sudo docker run -it --ipc=host --runtime=nvidia --gpus all ultralytics/ultralytics:latest-conda            # all GPUs
sudo docker run -it --ipc=host --runtime=nvidia --gpus '"device=2,3"' ultralytics/ultralytics:latest-conda # specify GPUs

Este enfoque es ideal para desplegar aplicaciones en producción o ejecutar flujos de trabajo complejos sin necesidad de configuración manual. Aprende más sobre la imagen de Docker de Ultralytics con Conda.

¿Cómo puedo acelerar la instalación de paquetes de Conda en mi entorno de Ultralytics?

Puedes acelerar el proceso de instalación de paquetes usando libmamba, un solucionador de dependencias rápido para Conda. Primero, instala el paquete conda-libmamba-solver:

conda install conda-libmamba-solver

Luego, configura Conda para usar libmamba como solucionador:

conda config --set solver libmamba

Esta configuración proporciona una gestión de paquetes más rápida y eficiente. Para más consejos sobre cómo optimizar tu entorno, lee sobre la instalación de libmamba.