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 excelente alternativa a pip para instalar paquetes y dependencias. Sus entornos aislados lo hacen especialmente adecuado para la ciencia de datos y el aprendizaje automático. Para más detalles, visita el paquete Ultralytics Conda en Anaconda y consulta el repositorio de alimentación Ultralytics para actualizaciones de paquetes en GitHub.
Lo que aprenderás
- Configurar un entorno Conda
- Instalación de Ultralytics a través de Conda
- Inicializando Ultralytics en tu entorno
- Utilizar imágenes Docker de Ultralytics con Conda
Requisitos previos
- Deberías tener Anaconda o Miniconda instalado en tu sistema. Si no es así, descárgalo e instálalo desde Anaconda o Miniconda.
Configurar un entorno Conda
En primer lugar, vamos a crear un nuevo entorno Conda. Abre tu terminal y ejecuta el siguiente comando:
Activa el nuevo entorno:
Instalación de Ultralytics
Puedes instalar el paquete Ultralytics desde el canal conda-forge. Ejecuta el siguiente comando:
Nota sobre el entorno CUDA
Si trabajas en un entorno habilitado para CUDA, es una buena práctica instalar ultralytics, pytorchy pytorch-cuda juntos para resolver cualquier conflicto:
Utilizando Ultralytics
Con Ultralytics instalado, ya puedes empezar a utilizar sus sólidas funciones para la detección de objetos, la segmentación de instancias y mucho más. Por ejemplo, para predecir una imagen, puedes ejecutar
from ultralytics import YOLO
model = YOLO("yolo11n.pt") # initialize model
results = model("path/to/image.jpg") # perform inference
results[0].show() # display results for the first image
Ultralytics Imagen Docker Conda
Si prefieres utilizar Docker, Ultralytics ofrece imágenes Docker con un entorno Conda incluido. Puedes extraer estas imágenes de DockerHub.
Saca 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 --gpus all $t # all GPUs
sudo docker run -it --ipc=host --gpus '"device=2,3"' $t # specify GPUs
Acelerar la instalación con Libmamba
Si quieres acelerar la instalación del paquete en Conda, puedes optar por utilizar libmambaun gestor de paquetes rápido, multiplataforma y consciente de las dependencias, que sirve como solucionador alternativo al predeterminado de Conda.
Cómo activar Libmamba
Para activar libmamba como solucionador para Conda, puedes realizar los siguientes pasos:
Primero, instala
conda-libmamba-solverpaquete. Esto puede omitirse si tu versión de Conda es 4.11 o superior, ya quelibmambase incluye por defecto.A continuación, configura Conda para que utilice
libmambacomo solucionador:
Y ya está. Tu instalación de Conda utilizará ahora libmamba como solucionador, lo que debería acelerar el proceso de instalación del paquete.
¡Enhorabuena! Has configurado con éxito un entorno Conda, has instalado el paquete Ultralytics y ya estás preparado para explorar sus ricas funcionalidades. No dudes en profundizar en la documentación deUltralytics para obtener tutoriales y ejemplos más avanzados.
PREGUNTAS FRECUENTES
¿Cuál es el proceso para configurar un entorno Conda para proyectos Ultralytics ?
Configurar un entorno Conda para los proyectos Ultralytics es sencillo y garantiza una gestión fluida de los paquetes. En primer lugar, crea un nuevo entorno Conda utilizando el siguiente comando:
Después, activa el nuevo entorno con:
Por último, instala Ultralytics desde el canal conda-forge:
¿Por qué debería utilizar Conda en lugar de pip para gestionar las dependencias en los proyectos de Ultralytics ?
Conda es un robusto sistema de gestión de paquetes y entornos que ofrece varias ventajas sobre pip. Gestiona eficazmente las dependencias y garantiza que todas las bibliotecas necesarias sean compatibles. Los entornos aislados de Conda evitan conflictos entre paquetes, lo que es crucial en proyectos de ciencia de datos y aprendizaje automático. Además, Conda admite la distribución de paquetes binarios, lo que acelera el proceso de instalación.
¿Puedo utilizar Ultralytics YOLO en un entorno habilitado para CUDA para obtener un rendimiento más rápido?
Sí, puedes mejorar el rendimiento utilizando un entorno habilitado para CUDA. Asegúrate de instalar ultralytics, pytorchy pytorch-cuda juntos para evitar conflictos:
Esta configuración permite la aceleración GPU , crucial para tareas intensivas como el entrenamiento y la inferencia de modelos de aprendizaje profundo. Para más información, visita la guía de instalación deUltralytics .
¿Cuáles son las ventajas de utilizar imágenes Docker de Ultralytics con un entorno Conda?
El uso de imágenes Docker de Ultralytics garantiza un entorno coherente y reproducible, eliminando los problemas de "funciona en mi máquina". Estas imágenes incluyen un entorno Conda preconfigurado, lo que simplifica el proceso de configuración. Puedes obtener 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 --gpus all ultralytics/ultralytics:latest-conda
Este enfoque es ideal para desplegar aplicaciones en producción o ejecutar flujos de trabajo complejos sin configuración manual. Más información sobre Ultralytics Conda Docker Image.
¿Cómo puedo acelerar la instalación de paquetes Conda en mi entorno Ultralytics ?
Puedes acelerar el proceso de instalación de paquetes utilizando libmambaun rápido solucionador de dependencias para Conda. Primero, instala el programa conda-libmamba-solver paquete:
A continuación, configura Conda para que utilice libmamba como solucionador:
Esta configuración proporciona una gestión de paquetes más rápida y eficaz. Para más consejos sobre cómo optimizar tu entorno, lee sobre la instalación de libmamba.
