Come installare Ultralytics YOLO con Conda#

Questa guida illustra come configurare un ambiente Conda per i tuoi progetti Ultralytics. Conda è un sistema open source per la gestione di pacchetti e ambienti che offre un'eccellente alternativa a pip per installare pacchetti e dipendenze. I suoi ambienti isolati lo rendono particolarmente adatto al lavoro nel campo della scienza dei dati e dell'apprendimento automatico. Per ulteriori dettagli, visita il pacchetto Conda di Ultralytics su Anaconda e consulta il repository feedstock di Ultralytics per gli aggiornamenti dei pacchetti su GitHub.

Questa guida spiega come creare un ambiente con Ultralytics, eseguire l'inferenza, usare l'immagine Docker di Conda e velocizzare le installazioni con libmamba.

Prerequisiti#

Dovresti avere Anaconda o Miniconda installato sul tuo sistema. In caso contrario, scaricalo e installalo da Anaconda o Miniconda.

Installazione di Ultralytics#

Crea un nuovo ambiente Conda con Ultralytics dal canale conda-forge, quindi attivalo. Installa Python, Ultralytics e torchvision (che non è una dipendenza del pacchetto conda-forge) nello stesso comando, così conda risolve insieme le versioni attuali e compatibili:

conda create --name ultralytics-env -c conda-forge python=3.11 ultralytics torchvision -y
conda activate ultralytics-env

conda create --name ultralytics-env -c conda-forge python=3.11 ultralytics torchvision pytorch-gpu -y
conda activate ultralytics-env

Nota sugli ambienti ROCm (GPU AMD, Linux)#

Per l'accelerazione GPU AMD su Linux con ROCm, i pacchetti PyTorch ROCm non sono disponibili tramite Conda e devono essere installati con pip. Usa un ambiente Conda per l'isolamento, quindi installa PyTorch ROCm e Ultralytics tramite pip:

conda create --name ultralytics-rocm python=3.12 -y
conda activate ultralytics-rocm
pip install "torch[device-all]" "torchvision[device-all]" --index-url https://stable.repo.amd.com/rocm/whl-next/
pip install ultralytics

Consulta la pagina Per iniziare con PyTorch per le versioni ROCm supportate e la guida alle GPU AMD per configurare l'inferenza MIGraphX, che richiede Python 3.11 o versioni successive su Linux x86_64.

Usare Ultralytics#

Dopo aver installato Ultralytics, puoi iniziare a usare le sue solide funzionalità per il rilevamento degli oggetti, la segmentazione di istanze e altro ancora. Per esempio, per fare una predizione su un'immagine, puoi eseguire:

from ultralytics import YOLO

model = YOLO("yolo26n.pt")  # inizializza il modello
results = model("path/to/image.jpg")  # esegui l'inferenza
results[0].show()  # mostra i risultati della prima immagine

Immagine Docker di Ultralytics Conda#

Il Dockerfile di Conda usa PyTorch 2.13, torchvision 0.28 e CUDA 13.0 di conda-forge. Le release di conda-forge possono essere successive alle release pip di PyTorch usate nell'immagine GPU standard. La pubblicazione automatica di latest-conda è disattivata, quindi crea localmente l'immagine aggiornata:

git clone https://github.com/ultralytics/ultralytics
cd ultralytics
t=ultralytics-conda:local
sudo docker build -f docker/Dockerfile-conda -t $t .

Esegui l'immagine:

# Run the Ultralytics image in a container with GPU support
sudo docker run -it --ipc=host --device nvidia.com/gpu=all $t                         # all GPUs
sudo docker run -it --ipc=host --device nvidia.com/gpu=2 --device nvidia.com/gpu=3 $t # specify GPUs

Su Linux, le richieste di dispositivi CDI richiedono Docker >= 28.2.0 e NVIDIA Container Toolkit >= 1.18. Il flag legacy --gpus all può causare la perdita dell'accesso alla GPU dopo il riavvio del daemon host; aggiorna quindi gli host Linux meno recenti e usa invece --device. Per maggiori dettagli, consulta la Guida rapida a Docker.

Velocizzare l'installazione con Libmamba#

libmamba è un solver veloce, multipiattaforma e consapevole delle dipendenze che sostituisce il solver classico di Conda. Conda 23.10 e versioni successive usano già libmamba come solver predefinito, quindi la maggior parte delle installazioni è più veloce fin da subito.

Se usi una versione precedente di Conda, puoi abilitare manualmente libmamba:

1. Per prima cosa, installa il pacchetto conda-libmamba-solver:

   conda install conda-libmamba-solver

2. Poi, configura Conda per usare libmamba come solver:

   conda config --set solver libmamba

Hai configurato correttamente un ambiente Conda, installato il pacchetto Ultralytics e ora puoi esplorarne le funzionalità. Per tutorial ed esempi più avanzati, consulta la documentazione di Ultralytics.

Domande frequenti#