क्विकस्टार्ट

पदासीन करना Ultralytics

Ultralytics पाइप, कोंडा और डॉकर सहित विभिन्न स्थापना विधियां प्रदान करता है। पदासीन करना YOLOv8 के माध्यम से ultralytics नवीनतम स्थिर रिलीज के लिए या क्लोन करके pip पैकेज Ultralytics GitHub रिपॉजिटरी सबसे अद्यतित संस्करण के लिए। डॉकर का उपयोग स्थानीय स्थापना से बचते हुए, एक अलग कंटेनर में पैकेज को निष्पादित करने के लिए किया जा सकता है।

सतर्कता: Ultralytics YOLO छिटो सुरु गाइड

# 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

देखें ultralytics पायप्रोजेक्ट.टोएमएल निर्भरताओं की सूची के लिए फ़ाइल। ध्यान दें कि ऊपर दिए गए सभी उदाहरण सभी आवश्यक निर्भरताएं स्थापित करते हैं।

प्रयोग Ultralytics के साथ CLI

वही Ultralytics कमांड लाइन इंटरफ़ेस (CLI) की आवश्यकता के बिना सरल एकल-पंक्ति कमांड की अनुमति देता है a Python पर्यावरण। CLI कोई अनुकूलन की आवश्यकता नहीं है या Python कोड। आप बस टर्मिनल से सभी कार्यों को yolo आज्ञा। बाहर की जाँच करें CLI मार्गदर्शक उपयोग करने के बारे में अधिक जानने के लिए YOLOv8 कमांड लाइन से।

yolo TASK MODE ARGS

yolo train data=coco8.yaml model=yolov8n.pt epochs=10 lr0=0.01

yolo predict model=yolov8n-seg.pt source='https://youtu.be/LNwODJXcvt4' imgsz=320

yolo val model=yolov8n.pt data=coco8.yaml batch=1 imgsz=640

yolo export model=yolov8n-cls.pt format=onnx imgsz=224,128

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

CLI मार्गदर्शक

प्रयोग Ultralytics के साथ Python

YOLOv8के एस Python इंटरफ़ेस आपके में सहज एकीकरण की अनुमति देता है Python परियोजनाएं, मॉडल के आउटपुट को लोड करना, चलाना और संसाधित करना आसान बनाती हैं। सादगी और उपयोग में आसानी को ध्यान में रखते हुए बनाया गया, Python इंटरफ़ेस उपयोगकर्ताओं को अपनी परियोजनाओं में ऑब्जेक्ट डिटेक्शन, सेगमेंटेशन और वर्गीकरण को जल्दी से लागू करने में सक्षम बनाता है। यह बनाता है YOLOv8के एस Python इंटरफ़ेस इन कार्यात्मकताओं को अपने में शामिल करने के इच्छुक किसी भी व्यक्ति के लिए एक अमूल्य उपकरण Python परियोजनाओं।

उदाहरण के लिए, उपयोगकर्ता एक मॉडल लोड कर सकते हैं, इसे प्रशिक्षित कर सकते हैं, सत्यापन सेट पर इसके प्रदर्शन का मूल्यांकन कर सकते हैं, और यहां तक कि इसे निर्यात भी कर सकते हैं ONNX कोड की कुछ पंक्तियों के साथ प्रारूपित करें। बाहर की जाँच करें Python उपयोग करने के बारे में अधिक जानने के लिए मार्गदर्शिकाYOLOv8 अपने भीतर Python परियोजनाओं।

from ultralytics import YOLO

# Create a new YOLO model from scratch
model = YOLO("yolov8n.yaml")

# Load a pretrained YOLO model (recommended for training)
model = YOLO("yolov8n.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 मार्गदर्शक

Ultralytics सेटिंग्स

वही Ultralytics पुस्तकालय आपके प्रयोगों पर बारीक नियंत्रण को सक्षम करने के लिए एक शक्तिशाली सेटिंग प्रबंधन प्रणाली प्रदान करता है। का उपयोग करके SettingsManager के भीतर रखा गया ultralytics.utils मॉड्यूल, उपयोगकर्ता आसानी से अपनी सेटिंग्स तक पहुंच सकते हैं और बदल सकते हैं। ये एक YAML फ़ाइल में संग्रहीत होते हैं और इन्हें सीधे या तो Python पर्यावरण या कमांड-लाइन इंटरफ़ेस के माध्यम से (CLI).

सेटिंग्स का निरीक्षण

अपनी सेटिंग के वर्तमान कॉन्फ़िगरेशन के बारे में जानकारी प्राप्त करने के लिए, आप उन्हें सीधे देख सकते हैं:

from ultralytics import settings

# View all settings
print(settings)

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

yolo settings

सेटिंग्स संशोधित करना

Ultralytics उपयोगकर्ताओं को अपनी सेटिंग्स को आसानी से संशोधित करने की अनुमति देता है। परिवर्तन निम्नलिखित तरीकों से किए जा सकते हैं:

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

सेटिंग्स को समझना

नीचे दी गई तालिका समायोजन के लिए उपलब्ध सेटिंग्स का अवलोकन प्रदान करती है Ultralytics. प्रत्येक सेटिंग को एक उदाहरण मान, डेटा प्रकार और एक संक्षिप्त विवरण के साथ रेखांकित किया गया है।

अपनी परियोजनाओं या प्रयोगों के माध्यम से नेविगेट करते समय, यह सुनिश्चित करने के लिए इन सेटिंग्स पर फिर से जाना सुनिश्चित करें कि वे आपकी आवश्यकताओं के लिए बेहतर रूप से कॉन्फ़िगर किए गए हैं।

अक्सर पूछे जाने वाले प्रश्न

मैं कैसे स्थापित करूं Ultralytics YOLOv8 पाइप का उपयोग कर रहे हैं?

स्थापित करने के लिए Ultralytics YOLOv8 pip के साथ, निम्न कमांड निष्पादित करें:

pip install ultralytics

नवीनतम स्थिर रिलीज के लिए, यह स्थापित करेगा ultralytics पैकेज से सीधे Python पैकेज इंडेक्स (PyPI)। अधिक जानकारी के लिए, पर जाएँ ultralytics PyPI पर पैकेज.

वैकल्पिक रूप से, आप सीधे GitHub से नवीनतम विकास संस्करण स्थापित कर सकते हैं:

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

अपने सिस्टम पर गिट कमांड-लाइन टूल स्थापित करना सुनिश्चित करें।

क्या मैं स्थापित कर सकता हूँ Ultralytics YOLOv8 कोंडा का उपयोग करना?

हाँ, आप स्थापित कर सकते हैं Ultralytics YOLOv8 चलाकर कोंडा का उपयोग करना:

conda install -c conda-forge ultralytics

यह विधि पाइप का एक उत्कृष्ट विकल्प है और आपके वातावरण में अन्य पैकेजों के साथ संगतता सुनिश्चित करती है। के लिए CUDA वातावरण, इसे स्थापित करना सबसे अच्छा है ultralytics, pytorchऔर pytorch-cuda किसी भी संघर्ष को हल करने के लिए एक साथ:

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

अधिक निर्देशों के लिए, कोंडा क्विकस्टार्ट गाइड पर जाएं।

चलाने के लिए डॉकर का उपयोग करने के क्या फायदे हैं Ultralytics YOLOv8?

चलाने के लिए डॉकर का उपयोग करना Ultralytics YOLOv8 एक पृथक और सुसंगत वातावरण प्रदान करता है, जो विभिन्न प्रणालियों में सुचारू प्रदर्शन सुनिश्चित करता है। यह स्थानीय स्थापना की जटिलता को भी समाप्त करता है। से आधिकारिक डॉकर छवियां Ultralytics डॉकर हब पर उपलब्ध हैं, जिनके लिए विभिन्न वेरिएंट तैयार किए गए हैंGPU, CPU, एआरएम64, NVIDIA जेटसन, और कोंडा वातावरण। नवीनतम छवि को खींचने और चलाने के आदेश नीचे दिए गए हैं:

# 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

अधिक विस्तृत डॉकर निर्देशों के लिए, डॉकर क्विकस्टार्ट गाइड देखें।

मैं क्लोन कैसे करूं Ultralytics विकास के लिए भंडार?

क्लोन करने के लिए Ultralytics रिपॉजिटरी और एक विकास वातावरण सेट करें, निम्न चरणों का उपयोग करें:

# 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 .

यह दृष्टिकोण आपको परियोजना में योगदान करने या नवीनतम स्रोत कोड के साथ प्रयोग करने की अनुमति देता है। अधिक जानकारी के लिए, पर जाएँ Ultralytics GitHub भंडार।

मुझे क्यों उपयोग करना चाहिए Ultralytics YOLOv8 CLI?

वही Ultralytics YOLOv8 कमांड लाइन इंटरफ़ेस (CLI) आवश्यकता के बिना चल रहे ऑब्जेक्ट डिटेक्शन कार्यों को सरल करता है Python कोड। आप सीधे अपने टर्मिनल से प्रशिक्षण, सत्यापन और भविष्यवाणी जैसे कार्यों के लिए सिंगल-लाइन कमांड निष्पादित कर सकते हैं। के लिए मूल वाक्यविन्यास yolo आदेश है:

yolo TASK MODE ARGS

उदाहरण के लिए, निर्दिष्ट मापदंडों के साथ एक पहचान मॉडल को प्रशिक्षित करने के लिए:

yolo train data=coco8.yaml model=yolov8n.pt epochs=10 lr0=0.01

पूरा देखें CLI अधिक कमांड और उपयोग उदाहरणों का पता लगाने के लिए गाइड।

टिप्पणियाँ