Inicio rápido

Instala Ultralytics

Ultralytics ofrece varios métodos de instalación, como pip, conda y Docker. Instala YOLO mediante el ultralytics pip para la última versión estable o clonando el paquete Ultralytics Repositorio GitHub para obtener la versión más actualizada. Se puede utilizar Docker para ejecutar el paquete en un contenedor aislado, evitando la instalación local.

Observa: Ultralytics YOLO Guía de inicio rápido

# Install the ultralytics package from PyPI
pip install ultralytics

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

# Install the ultralytics package using conda
conda install -c conda-forge ultralytics

# Install all packages together using conda
conda install -c pytorch -c nvidia -c conda-forge pytorch torchvision pytorch-cuda=11.8 ultralytics

# Set image name as a variable
t=ultralytics/ultralytics:latest-conda

# Pull the latest ultralytics image from Docker Hub
sudo docker pull $t

# 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

# 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 .

# Set image name as a variable
t=ultralytics/ultralytics:latest

# Pull the latest ultralytics image from Docker Hub
sudo docker pull $t

# 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

# Mount local directory to a directory inside the container
sudo docker run -it --ipc=host --gpus all -v /path/on/host:/path/in/container $t

Ver el ultralytics pyproject.toml para obtener una lista de dependencias. Ten en cuenta que todos los ejemplos anteriores instalan todas las dependencias necesarias.

Utiliza Ultralytics con CLI

La interfaz de línea de comandos Ultralytics (CLI) permite ejecutar comandos sencillos de una sola línea sin necesidad de un entorno Python . CLI no requiere personalización ni código Python . Puedes simplemente ejecutar todas las tareas desde el terminal con el comando yolo mando. Echa un vistazo a CLI Guía para saber más sobre cómo utilizar YOLO desde la línea de comandos.

yolo TASK MODE ARGS

yolo train data=coco8.yaml model=yolo11n.pt epochs=10 lr0=0.01

yolo predict model=yolo11n-seg.pt source='https://youtu.be/LNwODJXcvt4' imgsz=320

yolo val model=yolo11n.pt data=coco8.yaml batch=1 imgsz=640

yolo export model=yolo11n-cls.pt format=onnx imgsz=224,128

yolo help
yolo checks
yolo version
yolo settings
yolo copy-cfg
yolo cfg

CLI Guía

Utiliza Ultralytics con Python

YOLOLa interfaz de Python permite una integración perfecta en tus proyectos de Python , facilitando la carga, ejecución y procesamiento de los resultados del modelo. Diseñada pensando en la sencillez y la facilidad de uso, la interfaz Python permite a los usuarios implementar rápidamente la detección, segmentación y clasificación de objetos en sus proyectos. Esto hace que la interfaz Python de YOLO sea una herramienta inestimable para cualquiera que desee incorporar estas funcionalidades a sus proyectos Python .

Por ejemplo, los usuarios pueden cargar un modelo, entrenarlo, evaluar su rendimiento en un conjunto de validación e incluso exportarlo al formato ONNX con sólo unas líneas de código. Consulta la GuíaPython para obtener más información sobre el uso de YOLO en tus proyectos Python .

from ultralytics import YOLO

# Create a new YOLO model from scratch
model = YOLO("yolo11n.yaml")

# Load a pretrained YOLO model (recommended for training)
model = YOLO("yolo11n.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")

Python Guía

Ultralytics Ajustes

La biblioteca Ultralytics proporciona un potente sistema de gestión de ajustes que permite un control detallado de tus experimentos. Utilizando la función SettingsManager alojados en el ultralytics.utils los usuarios pueden acceder fácilmente a sus configuraciones y modificarlas. Éstos se almacenan en un archivo JSON en el directorio de configuración de usuario del entorno, y pueden verse o modificarse directamente en el entorno Python o mediante la interfaz de línea de comandos (CLI).

Inspeccionar ajustes

Para conocer la configuración actual de tus ajustes, puedes verlos directamente:

from ultralytics import settings

# View all settings
print(settings)

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

yolo settings

Modificar ajustes

Ultralytics permite a los usuarios modificar fácilmente sus ajustes. Los cambios se pueden realizar de las siguientes formas:

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()

# Update a setting
yolo settings runs_dir='/path/to/runs'

# Update multiple settings
yolo settings runs_dir='/path/to/runs' tensorboard=False

# Reset settings to default values
yolo settings reset

Comprender los ajustes

La tabla siguiente ofrece una visión general de los ajustes disponibles en Ultralytics. Cada ajuste se describe con un valor de ejemplo, el tipo de dato y una breve descripción.

A medida que navegas por tus proyectos o experimentos, asegúrate de revisar estos ajustes para comprobar que están configurados de forma óptima para tus necesidades.

PREGUNTAS FRECUENTES

¿Cómo instalo Ultralytics utilizando pip?

Para instalar Ultralytics con pip, ejecuta el siguiente comando:

pip install ultralytics

Para la última versión estable, esto instalará la versión ultralytics directamente desde el índice de paquetes Python (PyPI). Para más detalles, visita la página ultralytics paquete en PyPI.

También puedes instalar la última versión de desarrollo directamente desde GitHub:

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

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

¿Puedo instalar Ultralytics YOLO utilizando conda?

Sí, puedes instalar Ultralytics YOLO utilizando conda ejecutando:

conda install -c conda-forge ultralytics

Este método es una excelente alternativa a pip y garantiza la compatibilidad con otros paquetes de tu entorno. Para entornos CUDA , es mejor instalar ultralytics, pytorchy pytorch-cuda simultáneamente para resolver cualquier conflicto:

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

Para más instrucciones, visita la guía de inicio rápido de Conda.

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

Utilizar Docker para ejecutar Ultralytics YOLO proporciona un entorno aislado y consistente, garantizando un rendimiento sin problemas en diferentes sistemas. También elimina la complejidad de la instalación local. Las imágenes Docker oficiales de Ultralytics están disponibles en Docker Hub, con distintas variantes adaptadas a los entornos GPU, CPU, ARM64, NVIDIA Jetson y Conda. A continuación se indican los comandos para extraer y ejecutar la imagen más reciente:

# 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 --gpus all ultralytics/ultralytics:latest

Para obtener instrucciones más detalladas sobre Docker, consulta la guía de inicio rápido de Docker.

¿Cómo clono el repositorio Ultralytics para el desarrollo?

Para clonar el repositorio Ultralytics y configurar un entorno de desarrollo, sigue estos pasos:

# 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 .

Este enfoque te permite contribuir al proyecto o experimentar con el código fuente más reciente. Para más detalles, visita el repositorio GitHub de Ultralytics .

¿Por qué debo utilizar Ultralytics YOLO CLI ?

La interfaz de línea de comandos Ultralytics YOLO (CLI) simplifica la ejecución de tareas de detección de objetos sin necesidad de código Python . Puedes ejecutar comandos de una sola línea para tareas como el entrenamiento, la validación y la predicción directamente desde tu terminal. La sintaxis básica para yolo comandos es:

yolo TASK MODE ARGS

Por ejemplo, para entrenar un modelo de detección con unos parámetros determinados:

yolo train data=coco8.yaml model=yolo11n.pt epochs=10 lr0=0.01

Consulta la Guía completa CLI para explorar más comandos y ejemplos de uso.

📅 C reado hace 1 año ✏️ Actualizado hace 13 días

Comentarios