Instala Ultralytics

Ultralytics ofrece varios métodos de instalación, incluyendo pip, conda y Docker. Puedes instalar YOLO a través del paquete pip ultralytics para obtener la última versión estable, o clonando el repositorio de GitHub de Ultralytics para la versión más actual. Docker es también una opción para ejecutar el paquete en un contenedor aislado, lo que evita la instalación local.

# Install or upgrade the ultralytics package from PyPI
pip install -U ultralytics

# Install the ultralytics package from GitHub
pip install git+https://github.com/ultralytics/ultralytics.git@main

Consulta el archivo ultralytics pyproject.toml para ver una lista de dependencias. Ten en cuenta que todos los ejemplos anteriores instalan todas las dependencias requeridas.

Consejo

Los requisitos de PyTorch varían según el sistema operativo y los requisitos de CUDA, así que instala PyTorch primero siguiendo las instrucciones en PyTorch.

Instalación en servidor headless

Para entornos de servidor sin pantalla (por ejemplo, VMs en la nube, contenedores Docker, pipelines CI/CD), usa el paquete ultralytics-opencv-headless. Este es idéntico al paquete ultralytics estándar, pero depende de opencv-python-headless en lugar de opencv-python, evitando dependencias innecesarias de GUI y posibles errores de libGL.

pip install ultralytics-opencv-headless

Ambos paquetes proporcionan la misma funcionalidad y API. La variante headless simplemente excluye los componentes GUI de OpenCV que requieren librerías de visualización.

Instalación avanzada

Aunque los métodos de instalación estándar cubren la mayoría de los casos de uso, podrías necesitar una configuración más a medida para desarrollo o configuraciones personalizadas.

Usar Ultralytics con CLI

La interfaz de línea de comandos (CLI) de Ultralytics permite comandos simples de una sola línea sin necesidad de un entorno Python. CLI no requiere personalización ni código Python; ejecuta todas las tareas desde la terminal con el comando yolo. Para más información sobre el uso de YOLO desde la línea de comandos, consulta la Guía de CLI.

yolo TASK MODE ARGS

Guía de CLI

Usar Ultralytics con Python

La interfaz de Python de YOLO de Ultralytics ofrece una integración perfecta en proyectos de Python, facilitando la carga, ejecución y procesamiento de las salidas del modelo. Diseñada para la simplicidad, la interfaz de Python permite a los usuarios implementar rápidamente detección de objetos, segmentación y clasificación. Esto convierte a la interfaz de Python de YOLO en una herramienta invaluable para incorporar estas funcionalidades en proyectos de Python.

Por ejemplo, los usuarios pueden cargar un modelo, entrenarlo, evaluar su rendimiento y exportarlo al formato ONNX con solo unas pocas líneas de código. Explora la Guía de Python para aprender más sobre el uso de YOLO dentro de tus proyectos de Python.

from ultralytics import YOLO

# Create a new YOLO model from scratch
model = YOLO("yolo26n.yaml")

# Load a pretrained YOLO model (recommended for training)
model = YOLO("yolo26n.pt")

# Train the model using the 'coco8.yaml' dataset for 3 epochs
results = model.train(data="coco8.yaml", epochs=3)

# Evaluate the model's performance on the validation set
results = model.val()

# Perform object detection on an image using the model
results = model("https://ultralytics.com/images/bus.jpg")

# Export the model to ONNX format
success = model.export(format="onnx")

Guía de Python

Ajustes de Ultralytics

La librería Ultralytics incluye un SettingsManager para un control detallado sobre los experimentos, permitiendo a los usuarios acceder y modificar los ajustes fácilmente. Almacenados en un archivo JSON dentro del directorio de configuración de usuario del entorno, estos ajustes pueden verse o modificarse en el entorno de Python o mediante la Interfaz de Línea de Comandos (CLI).

Inspeccionar los ajustes

Para ver la configuración actual de tus ajustes:

from ultralytics import settings

# View all settings
print(settings)

# Return a specific setting
value = settings["runs_dir"]

Modificación de ajustes

Ultralytics facilita la modificación de ajustes de las siguientes maneras:

from ultralytics import settings

# Update a setting
settings.update({"runs_dir": "/path/to/runs"})

# Update multiple settings
settings.update({"runs_dir": "/path/to/runs", "tensorboard": False})

# Reset settings to default values
settings.reset()

Entender los ajustes

La siguiente tabla ofrece una visión general de los ajustes configurables dentro de Ultralytics, incluyendo valores de ejemplo, tipos de datos y descripciones.

Revisa estos ajustes a medida que avances en tus proyectos o experimentos para asegurar una configuración óptima.

Preguntas frecuentes

¿Cómo instalo Ultralytics usando pip?

Instala Ultralytics con pip usando:

pip install -U ultralytics

Esto instala la última versión estable del paquete ultralytics desde PyPI. Para instalar la versión de desarrollo directamente desde GitHub:

pip install git+https://github.com/ultralytics/ultralytics.git

Asegúrate de que la herramienta de línea de comandos Git esté instalada en tu sistema.

¿Puedo instalar Ultralytics YOLO usando conda?

Sí, instala Ultralytics YOLO usando conda con:

conda install -c conda-forge ultralytics

Este método es una gran alternativa a pip, asegurando la compatibilidad con otros paquetes. Para entornos CUDA, instala ultralytics, pytorch y pytorch-cuda juntos para resolver conflictos:

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

Para más instrucciones, consulta la Conda quickstart guide.

¿Cuáles son las ventajas de usar Docker para ejecutar Ultralytics YOLO?

Docker proporciona un entorno aislado y consistente para Ultralytics YOLO, asegurando un rendimiento fluido entre sistemas y evitando complejidades de instalación local. Las imágenes oficiales de Docker están disponibles en Docker Hub, con variantes para GPU, CPU, ARM64, NVIDIA Jetson y Conda. Para descargar y ejecutar la última imagen:

# Pull the latest ultralytics image from Docker Hub
sudo docker pull ultralytics/ultralytics:latest

# Run the ultralytics image in a container with GPU support
sudo docker run -it --ipc=host --runtime=nvidia --gpus all ultralytics/ultralytics:latest

Para instrucciones detalladas sobre Docker, consulta la Docker quickstart guide.

¿Cómo clono el repositorio de Ultralytics para desarrollo?

Clona el repositorio de Ultralytics y prepara un entorno de desarrollo con:

# Clone the ultralytics repository
git clone https://github.com/ultralytics/ultralytics

# Navigate to the cloned directory
cd ultralytics

# Install the package in editable mode for development
pip install -e .

Esto permite realizar contribuciones al proyecto o experimentar con el código fuente más reciente. Para más detalles, visita el Ultralytics GitHub repository.

¿Por qué debería usar la CLI de Ultralytics YOLO?

La CLI de Ultralytics YOLO simplifica la ejecución de tareas de detección de objetos sin necesidad de código Python, permitiendo comandos de una sola línea para entrenamiento, validación y predicción directamente desde tu terminal. La sintaxis básica es:

yolo TASK MODE ARGS

Por ejemplo, para entrenar un modelo de detección:

yolo train data=coco8.yaml model=yolo26n.pt epochs=10 lr0=0.01

Explora más comandos y ejemplos de uso en la CLI Guide completa.