Link to this sectionCome installare Ultralytics YOLO con Conda#

Questa guida ti accompagna nella configurazione di un ambiente Conda per i tuoi progetti Ultralytics. Conda è un sistema open-source di gestione dei pacchetti e degli ambienti che offre un'eccellente alternativa a pip per installare pacchetti e dipendenze. I suoi ambienti isolati lo rendono particolarmente adatto al lavoro di data science e machine learning. Per ulteriori dettagli, visita il pacchetto Ultralytics Conda su Anaconda e dai un'occhiata al repository feedstock di Ultralytics per gli aggiornamenti dei pacchetti su GitHub.

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

Link to this sectionPrerequisiti#

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

Link to this sectionConfigurazione di un ambiente Conda#

Per prima cosa, crea un nuovo ambiente Conda. Apri il terminale ed esegui il seguente comando:

conda create --name ultralytics-env python=3.11 -y

Attiva il nuovo ambiente:

conda activate ultralytics-env

Link to this sectionInstallazione di Ultralytics#

Puoi installare il pacchetto Ultralytics dal canale conda-forge. Esegui il seguente comando:

conda install -c conda-forge ultralytics

conda install -c pytorch -c nvidia -c conda-forge pytorch torchvision pytorch-cuda=12.1 ultralytics

Link to this sectionUtilizzo di Ultralytics#

Con Ultralytics installato, puoi iniziare a utilizzare le sue robuste funzionalità per object detection, instance segmentation e altro ancora. Ad esempio, per fare una previsione su un'immagine, puoi eseguire:

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

Link to this sectionImmagine Docker di Ultralytics Conda#

Se preferisci usare Docker, Ultralytics offre immagini Docker con un ambiente Conda incluso. Puoi eseguire il pull di queste immagini da DockerHub.

Esegui il pull dell'ultima immagine di Ultralytics:

# Set image name as a variable
t=ultralytics/ultralytics:latest-conda

# Pull the latest Ultralytics image from Docker Hub
sudo docker pull $t

Esegui l'immagine:

# Run the Ultralytics image in a container with GPU support
sudo docker run -it --ipc=host --runtime=nvidia --gpus all $t            # all GPUs
sudo docker run -it --ipc=host --runtime=nvidia --gpus '"device=2,3"' $t # specify GPUs

Link to this sectionVelocizzare l'installazione con Libmamba#

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

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

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

   conda install conda-libmamba-solver

2. Successivamente, configura Conda per utilizzare libmamba come solver:

   conda config --set solver libmamba

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

Link to this sectionFAQ#

Link to this sectionQual è il processo per configurare un ambiente Conda per i progetti Ultralytics?#

Configurare un ambiente Conda per i progetti Ultralytics è semplice e garantisce una gestione agevole dei pacchetti. Per prima cosa, crea un nuovo ambiente Conda utilizzando il seguente comando:

conda create --name ultralytics-env python=3.11 -y

Quindi, attiva il nuovo ambiente con:

conda activate ultralytics-env

Infine, installa Ultralytics dal canale conda-forge:

conda install -c conda-forge ultralytics

Link to this sectionPerché dovrei usare Conda invece di pip per gestire le dipendenze nei progetti Ultralytics?#

Conda è un solido sistema di gestione di pacchetti e ambienti che offre diversi vantaggi rispetto a pip. Gestisce le dipendenze in modo efficiente e garantisce che tutte le librerie necessarie siano compatibili. Gli ambienti isolati di Conda prevengono i conflitti tra i pacchetti, il che è fondamentale nei progetti di data science e machine learning. Inoltre, Conda supporta la distribuzione di pacchetti binari, velocizzando il processo di installazione.

Link to this sectionPosso usare Ultralytics YOLO in un ambiente abilitato a CUDA per prestazioni più elevate?#

Sì, puoi migliorare le prestazioni utilizzando un ambiente abilitato a CUDA. Assicurati di installare ultralytics, pytorch e pytorch-cuda insieme per evitare conflitti:

conda install -c pytorch -c nvidia -c conda-forge pytorch torchvision pytorch-cuda=12.1 ultralytics

Questa configurazione abilita l'accelerazione GPU, fondamentale per attività intensive come l'addestramento e l'inferenza di modelli di deep learning. Per ulteriori informazioni, visita la guida all'installazione di Ultralytics.

Link to this sectionQuali sono i vantaggi dell'utilizzo delle immagini Docker di Ultralytics con un ambiente Conda?#

L'utilizzo delle immagini Docker di Ultralytics garantisce un ambiente coerente e riproducibile, eliminando i problemi del tipo "sulla mia macchina funziona". Queste immagini includono un ambiente Conda preconfigurato, semplificando il processo di installazione. Puoi eseguire il pull e avviare l'ultima immagine Docker di Ultralytics con i seguenti comandi:

sudo docker pull ultralytics/ultralytics:latest-conda
sudo docker run -it --ipc=host --runtime=nvidia --gpus all ultralytics/ultralytics:latest-conda            # all GPUs
sudo docker run -it --ipc=host --runtime=nvidia --gpus '"device=2,3"' ultralytics/ultralytics:latest-conda # specify GPUs

Questo approccio è ideale per distribuire applicazioni in produzione o eseguire flussi di lavoro complessi senza configurazione manuale. Scopri di più sull'immagine Docker di Ultralytics Conda.

Link to this sectionCome posso velocizzare l'installazione dei pacchetti Conda nel mio ambiente Ultralytics?#

Conda 23.10 e versioni successive utilizzano già il veloce solver libmamba per impostazione predefinita. Su versioni di Conda meno recenti, puoi abilitarlo manualmente installando prima il pacchetto conda-libmamba-solver:

conda install conda-libmamba-solver

Quindi configura Conda per utilizzare libmamba come solver:

conda config --set solver libmamba

Questa configurazione fornisce una gestione dei pacchetti più veloce ed efficiente. Per ulteriori suggerimenti sull'ottimizzazione del tuo ambiente, leggi informazioni sull'installazione di libmamba.