Guide de démarrage rapide Conda pour Ultralytics
Ce guide offre une introduction complète à la configuration d'un environnement Conda pour vos projets Ultralytics. Conda est un système open source de gestion des paquets et des environnements qui offre une excellente alternative à pip pour l'installation de paquets et de dépendances. Ses environnements isolés le rendent particulièrement adapté à la science des données et aux activités d'apprentissage automatique. Pour plus de détails, consultez le paquet Ultralytics Conda sur Anaconda et consultez le référentiel de flux Ultralytics pour les mises à jour des paquets sur GitHub.
Ce que vous allez apprendre
- Configuration d'un environnement Conda
- Installation d'Ultralytics via Conda
- Initialisation d'Ultralytics dans votre environnement
- Utilisation des images Docker Ultralytics avec Conda
Prérequis
- Vous devez avoir Anaconda ou Miniconda installé sur votre système. Si ce n'est pas le cas, téléchargez-le et installez-le à partir d'Anaconda ou de Miniconda.
Configuration d'un environnement Conda
Tout d'abord, créons un nouvel environnement Conda. Ouvrez votre terminal et exécutez la commande suivante :
conda create --name ultralytics-env python=3.11 -y
Activez le nouvel environnement :
conda activate ultralytics-env
Installation d'Ultralytics
Vous pouvez installer le paquet Ultralytics à partir du canal conda-forge. Exécutez la commande suivante :
conda install -c conda-forge ultralytics
Remarque sur l'environnement CUDA
Si vous travaillez dans un environnement compatible CUDA, il est recommandé d'installer ultralytics, pytorch, et pytorch-cuda ensemble afin de résoudre tout conflit :
conda install -c pytorch -c nvidia -c conda-forge pytorch torchvision pytorch-cuda=11.8 ultralytics
Utilisation d'Ultralytics
Une fois Ultralytics installé, vous pouvez commencer à utiliser ses fonctionnalités robustes pour la détection d'objets, la segmentation d'instances, et plus encore. Par exemple, pour prédire une image, vous pouvez exécuter :
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
Image Docker Conda Ultralytics
Si vous préférez utiliser Docker, Ultralytics propose des images Docker avec un environnement Conda inclus. Vous pouvez extraire ces images de DockerHub.
Extrayez la dernière image Ultralytics :
# Set image name as a variable
t=ultralytics/ultralytics:latest-conda
# Pull the latest Ultralytics image from Docker Hub
sudo docker pull $t
Exécutez l'image :
# 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
Accélérer l'installation avec Libmamba
Si vous cherchez à accélérer le processus d'installation des paquets dans Conda, vous pouvez choisir d'utiliser libmamba, un gestionnaire de paquets rapide, multiplateforme et tenant compte des dépendances, qui sert de solveur alternatif à celui par défaut de Conda.
Comment activer Libmamba
Pour activer libmamba comme solveur pour Conda, vous pouvez suivre les étapes suivantes :
-
Tout d'abord, installez le paquet
conda-libmamba-solver. Cette étape peut être ignorée si votre version de Conda est 4.11 ou supérieure, carlibmambaest inclus par défaut.conda install conda-libmamba-solver -
Ensuite, configurez Conda pour utiliser
libmambacomme solveur :conda config --set solver libmamba
Et voilà ! Votre installation Conda utilisera désormais libmamba comme solveur, ce qui devrait accélérer le processus d'installation des paquets.
Félicitations ! Vous avez configuré avec succès un environnement Conda, installé le paquet Ultralytics et êtes maintenant prêt à explorer ses riches fonctionnalités. N'hésitez pas à approfondir la documentation Ultralytics pour des tutoriels et des exemples plus avancés.
FAQ
Quel est le processus de configuration d'un environnement Conda pour les projets Ultralytics ?
La configuration d'un environnement Conda pour les projets Ultralytics est simple et garantit une gestion fluide des paquets. Tout d'abord, créez un nouvel environnement Conda en utilisant la commande suivante :
conda create --name ultralytics-env python=3.11 -y
Ensuite, activez le nouvel environnement avec :
conda activate ultralytics-env
Enfin, installez Ultralytics depuis le canal conda-forge :
conda install -c conda-forge ultralytics
Pourquoi devrais-je utiliser Conda plutôt que pip pour gérer les dépendances dans les projets Ultralytics ?
Conda est un système robuste de gestion des packages et des environnements qui offre plusieurs avantages par rapport à pip. Il gère efficacement les dépendances et garantit que toutes les bibliothèques nécessaires sont compatibles. Les environnements isolés de Conda empêchent les conflits entre les packages, ce qui est essentiel dans les projets de science des données et d'apprentissage automatique. De plus, Conda prend en charge la distribution de packages binaires, ce qui accélère le processus d'installation.
Puis-je utiliser Ultralytics YOLO dans un environnement compatible CUDA pour des performances plus rapides ?
Oui, vous pouvez améliorer les performances en utilisant un environnement compatible CUDA. Assurez-vous d'installer ultralytics, pytorch, et pytorch-cuda ensemble pour éviter les conflits :
conda install -c pytorch -c nvidia -c conda-forge pytorch torchvision pytorch-cuda=11.8 ultralytics
Cette configuration permet l'accélération GPU, essentielle pour les tâches intensives telles que la formation et l'inférence de modèles d'apprentissage profond. Pour plus d'informations, consultez le guide d'installation Ultralytics.
Quels sont les avantages de l'utilisation des images Docker Ultralytics avec un environnement Conda ?
L'utilisation des images Docker Ultralytics garantit un environnement cohérent et reproductible, éliminant ainsi les problèmes de type "ça marche sur ma machine". Ces images incluent un environnement Conda préconfiguré, ce qui simplifie le processus de configuration. Vous pouvez extraire et exécuter la dernière image Docker Ultralytics avec les commandes suivantes :
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
Cette approche est idéale pour déployer des applications en production ou exécuter des flux de travail complexes sans configuration manuelle. Apprenez-en davantage sur l'image Docker Conda Ultralytics.
Comment puis-je accélérer l'installation des paquets Conda dans mon environnement Ultralytics ?
Vous pouvez accélérer le processus d'installation des paquets en utilisant libmamba, un solveur de dépendances rapide pour Conda. Tout d'abord, installez conda-libmamba-solver package :
conda install conda-libmamba-solver
Ensuite, configurez Conda pour utiliser libmamba comme solveur :
conda config --set solver libmamba
Cette configuration offre une gestion des paquets plus rapide et plus efficace. Pour plus de conseils sur l'optimisation de votre environnement, consultez l'article sur l'installation de libmamba.
