Cómo instalar Ultralytics YOLO con Conda#

Esta guía explica cómo configurar un entorno Conda para tus proyectos de Ultralytics. Conda es un sistema de gestión de paquetes y entornos de código abierto que ofrece una excelente alternativa a pip para instalar paquetes y dependencias. Sus entornos aislados lo hacen especialmente adecuado para el trabajo de ciencia de datos y aprendizaje automático. Para obtener más información, visita el paquete Ultralytics Conda en Anaconda y consulta el repositorio feedstock de Ultralytics en GitHub para ver las actualizaciones del paquete.

Esta guía explica cómo crear un entorno con Ultralytics, ejecutar inferencias, usar la imagen Docker de Conda y acelerar las instalaciones con libmamba.

Requisitos previos#

Debes tener Anaconda o Miniconda instalado en tu sistema. Si no es así, descarga e instala uno de estos programas desde Anaconda o Miniconda.

Instalación de Ultralytics#

Crea un entorno nuevo de Conda con Ultralytics desde el canal conda-forge y, después, actívalo. Instala Python, Ultralytics y torchvision (que no es una dependencia del paquete conda-forge) en el mismo comando para que conda resuelva conjuntamente versiones actuales y compatibles:

conda create --name ultralytics-env -c conda-forge python=3.11 ultralytics torchvision -y
conda activate ultralytics-env

conda create --name ultralytics-env -c conda-forge python=3.11 ultralytics torchvision pytorch-gpu -y
conda activate ultralytics-env

Nota sobre el entorno ROCm (GPU AMD, Linux)#

Para acelerar la GPU AMD en Linux con ROCm, las ruedas de PyTorch para ROCm no están disponibles en Conda y deben instalarse con pip. Usa un entorno Conda para aislar las dependencias y, a continuación, instala PyTorch ROCm y Ultralytics mediante pip:

conda create --name ultralytics-rocm python=3.12 -y
conda activate ultralytics-rocm
pip install "torch[device-all]" "torchvision[device-all]" --index-url https://stable.repo.amd.com/rocm/whl-next/
pip install ultralytics

Consulta la página Primeros pasos con PyTorch para ver las versiones de ROCm compatibles y la guía de GPU AMD para configurar la inferencia con MIGraphX, que requiere Python 3.11 o posterior en Linux x86_64.

Uso de Ultralytics#

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

from ultralytics import YOLO

model = YOLO("yolo26n.pt")  # inicializar el modelo
results = model("path/to/image.jpg")  # realizar inferencia
results[0].show()  # mostrar los resultados de la primera imagen

Imagen Docker de Ultralytics Conda#

El Dockerfile de Conda usa PyTorch 2.13 de conda-forge, torchvision 0.28 y CUDA 13.0. Las versiones de conda-forge pueden tardar en llegar respecto a las versiones de PyTorch disponibles en pip que usa la imagen estándar para GPU. La publicación automatizada de latest-conda está desactivada, así que compila la imagen actual localmente:

git clone https://github.com/ultralytics/ultralytics
cd ultralytics
t=ultralytics-conda:local
sudo docker build -f docker/Dockerfile-conda -t $t .

Ejecuta la imagen:

# Run the Ultralytics image in a container with GPU support
sudo docker run -it --ipc=host --device nvidia.com/gpu=all $t                         # all GPUs
sudo docker run -it --ipc=host --device nvidia.com/gpu=2 --device nvidia.com/gpu=3 $t # specify GPUs

En Linux, las solicitudes de dispositivos CDI requieren Docker >= 28.2.0 y NVIDIA Container Toolkit >= 1.18. La opción heredada --gpus all puede dejar de dar acceso a la GPU tras volver a cargar el daemon del host, así que actualiza los hosts Linux antiguos y usa --device. Consulta la Guía de inicio rápido de Docker para obtener más información.

Acelerar la instalación con Libmamba#

libmamba es un solucionador rápido, multiplataforma y con gestión de dependencias que sustituye al solucionador clásico de Conda. Conda 23.10 y versiones posteriores ya usan libmamba como solucionador predeterminado, por lo que la mayoría de las instalaciones son más rápidas desde el primer momento.

Si utilizas una versión antigua de Conda, puedes activar libmamba manualmente:

1. Primero, instala el paquete conda-libmamba-solver:

   conda install conda-libmamba-solver

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

   conda config --set solver libmamba

Has configurado correctamente un entorno Conda e instalado el paquete Ultralytics; ya puedes explorar sus funciones. Para ver tutoriales y ejemplos más avanzados, consulta la documentación de Ultralytics.

Preguntas frecuentes#