Guía de Inicio Rápido de Conda para Ultralytics
Esta guía proporciona una introducción completa a la configuración de un entorno Conda para sus 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 particularmente adecuado para la ciencia de datos y los proyectos de aprendizaje automático. Para obtener más detalles, visite el paquete Conda de Ultralytics en Anaconda y consulte el repositorio de fuentes de Ultralytics para obtener actualizaciones de paquetes en GitHub.
Qué aprenderás
- Configuración de un entorno Conda
- Instalación de Ultralytics a través de Conda
- Inicializando Ultralytics en su entorno
- Usando imágenes Docker de Ultralytics con Conda
Prerrequisitos
- Debería tener Anaconda o Miniconda instalado en su sistema. Si no es así, descárguelo e instálelo desde Anaconda o Miniconda.
Configuración de un entorno Conda
Primero, creemos un nuevo entorno Conda. Abra su terminal y ejecute el siguiente comando:
conda create --name ultralytics-env python=3.11 -y
Active el nuevo entorno:
conda activate ultralytics-env
Instalación de Ultralytics
Puede instalar el paquete Ultralytics desde el canal conda-forge. Ejecute el siguiente comando:
conda install -c conda-forge ultralytics
Nota sobre el entorno CUDA
Si estás trabajando en un entorno habilitado para CUDA, es una buena práctica instalar ultralytics, pytorch, y pytorch-cuda juntos para resolver cualquier conflicto:
conda install -c pytorch -c nvidia -c conda-forge pytorch torchvision pytorch-cuda=11.8 ultralytics
Usando Ultralytics
Con Ultralytics instalado, ahora puedes empezar a utilizar sus robustas 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
Imagen de Docker de Conda de Ultralytics
Si prefiere usar Docker, Ultralytics ofrece imágenes de Docker con un entorno Conda incluido. Puede extraer estas imágenes de DockerHub.
Extrae 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
Ejecute 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 estás buscando acelerar la instalación del paquete proceso en Conda, puede optar por utilizar libmamba, un administrador de paquetes rápido, multiplataforma y con reconocimiento de dependencias que sirve como un solucionador alternativo al predeterminado de Conda.
Cómo habilitar Libmamba
Para habilitar libmamba como el solucionador para Conda, puedes realizar los siguientes pasos:
-
Primero, instale el
conda-libmamba-solverpaquete. Esto puede omitirse si su versión de Conda es 4.11 o superior, ya quelibmambase incluye de forma predeterminada.conda install conda-libmamba-solver -
A continuación, configure Conda para usar
libmambacomo el solucionador:conda config --set solver libmamba
¡Y eso es todo! Tu instalación de Conda ahora usará libmamba como el solucionador, lo que debería resultar en un proceso de instalación de paquetes más rápido.
¡Enhorabuena! Ha configurado correctamente un entorno Conda, instalado el paquete Ultralytics y ahora está listo para explorar sus ricas funcionalidades. No dude en profundizar en la documentación de Ultralytics para obtener tutoriales y ejemplos más avanzados.
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 utilizando el siguiente comando:
conda create --name ultralytics-env python=3.11 -y
Luego, active el nuevo entorno con:
conda activate ultralytics-env
Finalmente, instale Ultralytics desde el canal conda-forge:
conda install -c conda-forge ultralytics
¿Por qué debería usar Conda en lugar de pip para administrar las dependencias en los 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 los proyectos de ciencia de datos y aprendizaje automático. Además, Conda admite la distribución de paquetes binarios, lo que acelera el proceso de instalación.
¿Puedo usar Ultralytics YOLO en un entorno habilitado para CUDA para un rendimiento más rápido?
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=11.8 ultralytics
Esta configuración permite la aceleración de la GPU, crucial para tareas intensivas como el entrenamiento y la inferencia de modelos de aprendizaje profundo. Para obtener más información, visite la guía de instalación de Ultralytics.
¿Cuáles son los beneficios de usar imágenes Ultralytics Docker con un entorno Conda?
El uso de imágenes Docker de Ultralytics garantiza un entorno consistente y reproducible, eliminando los problemas de "funciona en mi máquina". Estas imágenes incluyen un entorno Conda preconfigurado, lo que simplifica el proceso de configuración. Puede extraer 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 implementar aplicaciones en producción o ejecutar flujos de trabajo complejos sin configuración manual. Obtenga más información sobre la Imagen Docker de Ultralytics Conda.
¿Cómo puedo acelerar la instalación de paquetes de Conda en mi entorno Ultralytics?
Puede acelerar el proceso de instalación de paquetes utilizando libmamba, un solucionador de dependencias rápido para Conda. Primero, instala el conda-libmamba-solver paquete:
conda install conda-libmamba-solver
Luego configure Conda para usar libmamba como el solucionador:
conda config --set solver libmamba
Esta configuración proporciona una gestión de paquetes más rápida y eficiente. Para obtener más consejos sobre cómo optimizar su entorno, lea sobre la instalación de libmamba.
