Link to this sectionCómo instalar Ultralytics YOLO con Conda#

Esta guía detalla cómo configurar un entorno Conda para tus proyectos de Ultralytics. Conda es un sistema de gestión de entornos y paquetes 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 machine learning. Para más detalles, visita el paquete Ultralytics Conda en Anaconda y consulta el repositorio de alimentación de Ultralytics para ver las actualizaciones del paquete en GitHub.

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

Link to this sectionRequisitos previos#

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

Link to this sectionConfiguración de un entorno Conda#

Primero, crea 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

Link to this sectionInstalación de Ultralytics#

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

conda install -c conda-forge ultralytics

conda install -c pytorch -c nvidia -c conda-forge pytorch torchvision pytorch-cuda=12.1 ultralytics

Link to this sectionUso de Ultralytics#

Con Ultralytics instalado, ya puedes empezar a usar sus robustas funcionalidades 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

Link to this sectionImagen Docker de Ultralytics Conda#

Si prefieres usar Docker, Ultralytics ofrece imágenes Docker con un entorno Conda incluido. Puedes descargar estas imágenes desde DockerHub.

Descarga la imagen más reciente 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

Link to this sectionAceleración de la instalación con Libmamba#

libmamba es un solucionador rápido, multiplataforma y consciente de las dependencias que reemplaza al solucionador clásico de Conda. Conda 23.10 y versiones posteriores ya utilizan libmamba como solucionador predeterminado, por lo que la mayoría de las instalaciones son más rápidas desde el principio.

Si utilizas una versión anterior de Conda, puedes habilitar libmamba manualmente:

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

   conda install conda-libmamba-solver

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

   conda config --set solver libmamba

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

Link to this sectionFAQ#

Link to this section¿Cuál es el proceso para configurar un entorno Conda para los proyectos de Ultralytics?#

Configurar un entorno Conda para proyectos de Ultralytics es sencillo y garantiza una gestión fluida de paquetes. Primero, crea un nuevo entorno Conda utilizando 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

Link to this section¿Por qué debería usar Conda en lugar de pip para gestionar dependencias en proyectos de Ultralytics?#

Conda es un sistema robusto de gestión de paquetes y entornos que ofrece varias ventajas sobre pip. Gestiona las dependencias de forma eficiente y garantiza que todas las bibliotecas necesarias sean compatibles. Los entornos aislados de Conda evitan conflictos entre paquetes, lo cual es 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.

Link to this section¿Puedo usar Ultralytics YOLO en un entorno habilitado para CUDA para obtener un mejor rendimiento?#

Sí, puedes mejorar el rendimiento utilizando un entorno habilitado para 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=12.1 ultralytics

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

Link to this section¿Cuáles son las ventajas de usar imágenes Docker de Ultralytics con un entorno Conda?#

El uso de imágenes Docker de Ultralytics garantiza un entorno consistente y reproducible, eliminando los problemas de "en mi máquina funciona". Estas imágenes incluyen un entorno Conda preconfigurado, simplificando el proceso de configuración. Puedes descargar y ejecutar la última imagen 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 Docker de Ultralytics Conda.

Link to this section¿Cómo puedo acelerar la instalación de paquetes Conda en mi entorno Ultralytics?#

Conda 23.10 y versiones posteriores ya utilizan el rápido solucionador libmamba por defecto. En versiones anteriores de Conda, puedes habilitarlo manualmente instalando primero el paquete conda-libmamba-solver:

conda install conda-libmamba-solver

Luego configura Conda para que use 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.