Come installare Ultralytics YOLO con Conda
Questa guida illustra la configurazione di un ambiente Conda per i tuoi progetti Ultralytics. Conda è un sistema open source per la gestione di pacchetti e ambienti, nonché un'alternativa a pip per installare pacchetti e dipendenze. I suoi ambienti isolati lo rendono particolarmente adatto al lavoro di data science e machine learning.
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-envSe lavori in un ambiente con supporto CUDA, aggiungi il metapacchetto pytorch-gpu di conda-forge allo stesso comando, così conda risolve una build di PyTorch con supporto CUDA:
conda create --name ultralytics-env -c conda-forge python=3.11 ultralytics torchvision pytorch-gpu -y
conda activate ultralytics-envNota 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 ultralyticsConsulta 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 eseguire il rilevamento degli oggetti, la segmentazione delle istanze e altre attività di visione artificiale. Per esempio, per eseguire l’inferenza su un’immagine:
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 immagineImmagine 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 GPUsSu 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:
-
Per prima cosa, installa il pacchetto
conda-libmamba-solver:conda install conda-libmamba-solver -
Poi, configura Conda per usare
libmambacome 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#
Crea l’ambiente con Python e Ultralytics dal canale conda-forge con un solo comando, così Conda li risolve insieme, quindi attivalo:
conda create --name ultralytics-env -c conda-forge python=3.11 ultralytics torchvision -y conda activate ultralytics-envConda è un sistema di gestione di pacchetti e ambienti che offre diversi vantaggi rispetto a pip. Gestisce le dipendenze in modo efficiente e garantisce la compatibilità di tutte le librerie necessarie. Gli ambienti isolati di Conda prevengono i conflitti tra pacchetti, un aspetto fondamentale nei progetti di data science e machine learning. Inoltre, Conda supporta la distribuzione di pacchetti binari, accelerando il processo di installazione.
Sì. Crea l’ambiente con
ultralyticse il metapacchettopytorch-gpudi conda-forge nello stesso comando, così viene risolta anche una build di PyTorch con supporto CUDA:conda create --name ultralytics-env -c conda-forge python=3.11 ultralytics torchvision pytorch-gpu -y conda activate ultralytics-envQuesta configurazione abilita l'accelerazione GPU, fondamentale per attività intensive come l'addestramento e l'inferenza di modelli di deep learning. Per saperne di più, consulta la guida all'installazione di Ultralytics.
Il Dockerfile Conda fornisce un ambiente conda-forge isolato e PyTorch con supporto CUDA. Segui le istruzioni per la build locale, poi avvialo con le opzioni GPU indicate. L'immagine GPU standard pubblicata e le altre alternative sono elencate nella guida Docker.
Conda 23.10 e versioni successive usano già per impostazione predefinita il solver veloce
libmamba. Nelle versioni precedenti di Conda, puoi abilitarlo manualmente installando prima il pacchettoconda-libmamba-solver:conda install conda-libmamba-solverPoi, configura Conda per usare
libmambacome solver:conda config --set solver libmambaQuesta configurazione offre una gestione dei pacchetti più rapida ed efficiente.
Commenti6
Fai una domanda, condividi i tuoi risultati o aiuta qualcun altro.
najwazkiyahh
Hi! I'm the new to using YOLO. I have python 3.12 on my laptop because my previous exam need it-the latest version of python. I want to install ultralytics YOLOv11, should I downgrade my python version from 3.12 into 3.11? Or I should downgrade my python version to the recommended requirement, 3.8? Thank you, hope you (anybody) can answer my confusion.
Glenn JocherUltralytics@najwazkiyahh you don't need to downgrade your system Python! 😊 Simply create a Conda environment with Python 3.11 using
conda create --name yolo_env python=3.11, then activate it and install Ultralytics. This keeps your existing Python 3.12 intact while giving you a compatible YOLO11 environment. For full steps, see the Conda Quickstart Guide for Ultralytics.We recommend this approach as it maintains version isolation while allowing you to work with both Python versions seamlessly. Welcome to the YOLO community! 🚀
Malvinlam
Hi is there a way to install the yolov8 dependencies using Anaconda prompt to the virtual environment other than pip install ultralytics? For example I already downloaded the ultralytics package from GitHub and opened it as project folder using PyCharm. Is there a way to only install the required libraries?
Glenn JocherUltralytics(modificato)@Malvinlam hi there! 👋
Absolutely, you can install the required dependencies for Ultralytics using Conda without relying on
pip install ultralytics. Here's a step-by-step guide to help you set up your Conda environment and install the necessary libraries:-
Create a New Conda Environment: First, create a new Conda environment with Python 3.11 (or your preferred version):
conda create --name ultralytics-env python=3.11 -y -
Activate the Environment: Activate your newly created environment:
conda activate ultralytics-env -
Install Required Libraries: The repository no longer has a
requirements.txt; its dependencies are declared inpyproject.toml. From the root of your cloned repository, run:pip install -e .Alternatively, if you want to install specific packages manually, you can use:
conda install -c conda-forge numpy pandas matplotlib opencv scikit-learn conda install -c pytorch pytorch torchvision torchaudio -
Note on CUDA Environment: If you're working in a CUDA-enabled environment, it's a good practice to install
pytorchandpytorch-cudatogether to resolve any conflicts:conda install -c pytorch -c nvidia -c conda-forge pytorch torchvision torchaudio pytorch-cuda=11.8 -
Using Ultralytics: With the dependencies installed, you can now start using Ultralytics. For example, to perform inference with YOLO26:
from ultralytics import YOLO model = YOLO("yolo26n.pt") # initialize model results = model("path/to/image.jpg") # perform inference results[0].show() # display results for the first image
For more detailed instructions, you can refer to our Conda Quickstart Guide.
If you encounter any issues or have further questions, feel free to ask. Happy coding! 😊
-
nadinator
Does the python version have to be 3.8? Can it be a newer version? What would/wouldn't break if we used 3.11, for example (I'm thinking of the [ray]tuning feature)?
Glenn JocherUltralyticsHey there! 😊
You can definitely use Python versions newer than 3.8, including 3.11. However, it's important to note that while most features should work fine, there might be some compatibility issues with newer Python versions, especially with external libraries or specific features like [ray] tuning.
If you're keen on using Python 3.11, I'd recommend testing the key functionalities you plan to use in your project to ensure everything runs smoothly. For the [ray] tuning feature, you might want to check Ray's documentation or GitHub issues for any known compatibility concerns with Python 3.11.
Here's a quick example of how you might set up your environment with Python 3.11:
conda create --name ultralytics-env python=3.11 -y conda activate ultralytics-env conda install -c conda-forge ultralyticsAnd remember, if you encounter any issues, the Ultralytics community is here to help! 🚀