Guide de démarrage rapide de Conda pour Ultralytics
Ce guide fournit une introduction complète à la mise en place d'un environnement Conda pour vos projets Ultralytics . Conda est un système de gestion de paquets et d'environnements open-source qui offre une excellente alternative à pip pour l'installation de paquets et de dépendances. Ses environnements isolés le rendent particulièrement adapté aux projets de science des données et d'apprentissage automatique. Pour plus de détails, visitez le paquetage Ultralytics Conda sur Anaconda et consultez le dépôt Ultralytics feedstock pour les mises à jour du paquetage sur GitHub.
Ce que vous apprendrez
- Mise en place d'un environnement Conda
- Installation de Ultralytics via Conda
- Initialisation de Ultralytics dans votre environnement
- Utiliser les images Docker Ultralytics avec Conda
Conditions préalables
- Anaconda ou Miniconda doit être installé sur votre système. Si ce n'est pas le cas, téléchargez et installez le logiciel à partir d'Anaconda ou de Miniconda.
Mise en place d'un environnement Conda
Tout d'abord, créons un nouvel environnement Conda. Ouvrez votre terminal et exécutez la commande suivante :
Activer le nouvel environnement :
Installation Ultralytics
Vous pouvez installer le paquet Ultralytics depuis le canal conda-forge. Exécutez la commande suivante :
Note sur CUDA Environnement
Si vous travaillez dans un environnement compatible avec CUDA, il est conseillé d'installer les éléments suivants ultralytics
, pytorch
et pytorch-cuda
pour résoudre les conflits éventuels :
Utilisation Ultralytics
Une fois Ultralytics installé, vous pouvez commencer à utiliser ses fonctionnalités robustes pour la détection d'objets, la segmentation d'instances, etc. 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
Ultralytics Image Docker Conda
Si vous préférez utiliser Docker, Ultralytics propose des images Docker avec un environnement Conda inclus. Vous pouvez extraire ces images de DockerHub.
Téléchargez 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 --gpus all $t # all GPUs
sudo docker run -it --ipc=host --gpus '"device=2,3"' $t # specify GPUs
Accélérer l'installation avec Libmamba
Si vous souhaitez accélérer l'installation des paquets dans Conda, vous pouvez opter pour l'utilisation de libmamba
un gestionnaire de paquets rapide, multiplateforme et tenant compte des dépendances, qui sert de solveur alternatif au solveur par défaut de Conda.
Comment activer Libmamba
Pour activer libmamba
comme solveur pour Conda, vous pouvez effectuer les Ă©tapes suivantes :
-
Tout d'abord, installez le
conda-libmamba-solver
. Cette étape peut être ignorée si votre version de Conda est 4.11 ou supérieure, carlibmamba
est inclus par défaut. -
Ensuite, configurez Conda pour qu'il utilise
libmamba
en tant que solveur :
Et c'est tout ! Votre installation Conda utilisera désormais libmamba
comme solveur, ce qui devrait accélérer le processus d'installation des paquets.
Nous vous félicitons ! Vous avez configuré avec succès un environnement Conda, installé le paquetage Ultralytics , et êtes maintenant prêt à explorer ses riches fonctionnalités. N'hésitez pas à vous plonger dans la documentation deUltralytics pour des tutoriels et des exemples plus avancés.
FAQ
Quel est le processus de mise en place d'un environnement Conda pour les projets Ultralytics ?
La mise en place 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 à l'aide de la commande suivante :
Ensuite, activez le nouvel environnement avec :
Enfin, installez Ultralytics depuis le canal conda-forge :
Pourquoi utiliser Conda plutôt que pip pour gérer les dépendances dans les projets Ultralytics ?
Conda est un système robuste de gestion des paquets et de l'environnement qui offre plusieurs avantages par rapport à pip. Il gère efficacement les dépendances et s'assure que toutes les bibliothèques nécessaires sont compatibles. Les environnements isolés de Conda évitent les conflits entre les paquets, ce qui est crucial dans les projets de science des données et d'apprentissage automatique. En outre, Conda prend en charge la distribution de paquets binaires, ce qui accélère le processus d'installation.
Puis-je utiliser Ultralytics YOLO dans un environnement compatible avec CUDA pour obtenir des performances plus rapides ?
Oui, vous pouvez améliorer les performances en utilisant un environnement compatible avec CUDA. Veillez à installer ultralytics
, pytorch
et pytorch-cuda
afin d'Ă©viter les conflits :
Cette configuration permet l'accélération de GPU , cruciale pour les tâches intensives telles que la formation et l'inférence de modèles d'apprentissage profond. Pour plus d'informations, consultez le guide d'installationUltralytics .
Quels sont les avantages de l'utilisation d'images Docker Ultralytics dans un environnement Conda ?
L'utilisation des images Docker de Ultralytics garantit un environnement cohérent et reproductible, éliminant les problèmes du type "ça marche sur ma machine". Ces images incluent un environnement Conda préconfiguré, ce qui simplifie le processus d'installation. 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 --gpus all ultralytics/ultralytics:latest-conda
Cette approche est idéale pour déployer des applications en production ou exécuter des flux de travail complexes sans configuration manuelle. En savoir plus sur Ultralytics Conda Docker Image.
Comment puis-je accélérer l'installation des paquets Conda dans mon environnement Ultralytics ?
Vous pouvez accélérer le processus d'installation des paquets en utilisant la fonction libmamba
un résolveur de dépendances rapide pour Conda. Tout d'abord, installez le fichier conda-libmamba-solver
l'emballage :
Configurez ensuite Conda pour qu'il utilise libmamba
en tant que solveur :
Cette configuration permet une gestion plus rapide et plus efficace des paquets. Pour plus de conseils sur l'optimisation de votre environnement, lisez l'article sur l'installation de libmamba.