Guide de démarrage rapide de Conda pour Ultralytics
Ce guide propose une introduction complète à la mise en place d'un environnement Conda pour tes projets Ultralytics . Conda est un système de gestion des paquets et des environnements open-source qui offre une excellente alternative à pip pour l'installation des paquets et des dépendances. Ses environnements isolés le rendent particulièrement adapté aux projets de science des données et d'apprentissage automatique. Pour plus de détails, visite le paquet Ultralytics Conda sur Anaconda et consulte le dépôt Ultralytics feedstock pour les mises à jour des paquets sur GitHub.
Ce que tu apprendras
- Mise en place d'un environnement Conda
- Installer Ultralytics via Conda
- Initialisation de Ultralytics dans ton environnement
- Utilisation des images Docker Ultralytics avec Conda
Conditions préalables
- Anaconda ou Miniconda doit être installé sur ton système. Si ce n'est pas le cas, télécharge et installe le logiciel à partir d'Anaconda ou de Miniconda.
Configurer un environnement Conda
Tout d'abord, créons un nouvel environnement Conda. Ouvre ton terminal et exécute la commande suivante :
Active le nouvel environnement :
Installer Ultralytics
Tu peux installer le paquet Ultralytics à partir du canal conda-forge. Exécute la commande suivante :
Note sur l'environnement CUDA
Si tu travailles dans un environnement CUDA, c'est une bonne pratique d'installer ultralytics
, pytorch
et pytorch-cuda
ensemble pour résoudre les conflits :
Utilisation Ultralytics
Une fois Ultralytics installé, tu peux commencer à utiliser ses fonctions robustes pour la détection d'objets, la segmentation d'instances, et bien plus encore. Par exemple, pour prédire une image, tu peux lancer :
from ultralytics import YOLO
model = YOLO('yolov8n.pt') # initialize model
results = model('path/to/image.jpg') # perform inference
results[0].show() # display results for the first image
Ultralytics Image Docker Conda
Si tu préfères utiliser Docker, Ultralytics propose des images Docker avec un environnement Conda inclus. Tu peux récupérer ces images sur DockerHub.
Tire 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
Exécute l'image :
# 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
Tu peux certainement inclure la section suivante dans ton guide Conda pour informer les utilisateurs sur l'accélération de l'installation à l'aide de libmamba
:
Accélérer l'installation avec Libmamba
Si tu cherches à accélère l'installation des paquets dans Conda, tu peux opter pour l'utilisation de libmamba
Le gestionnaire de paquets de Conda est un gestionnaire de paquets rapide, multiplateforme et tenant compte des dépendances, qui sert de solution alternative à la solution par défaut de Conda.
Comment activer Libmamba
Pour activer libmamba
comme solveur pour Conda, tu peux effectuer les Ă©tapes suivantes :
-
Tout d'abord, installe le
conda-libmamba-solver
paquet. Tu peux sauter cette étape si ta version de Conda est 4.11 ou supérieure, carlibmamba
est incluse par défaut. -
Ensuite, configure Conda pour qu'il utilise
libmamba
en tant que résolveur :
Et c'est tout ! Ton installation Conda utilisera désormais libmamba
en tant que solveur, ce qui devrait accélérer le processus d'installation des paquets.
Félicitations ! Tu as réussi à configurer un environnement Conda, à installer le paquetage Ultralytics , et tu es maintenant prêt à explorer ses riches fonctionnalités. N'hésite pas à te plonger dans la documentation deUltralytics pour obtenir des tutoriels et des exemples plus avancés.