Estensione Ultralytics per VS Code#

Funzionalità e vantaggi#

✅ Sei un data scientist o un ingegnere di machine learning che sviluppa applicazioni di computer vision con Ultralytics?

✅ Ti dà fastidio scrivere ripetutamente gli stessi blocchi di codice?

✅ Dimentichi sempre gli argomenti o i valori predefiniti dei metodi train, val, predict, export o track?

✅ Vuoi iniziare a usare Ultralytics e vorresti un modo più semplice per consultare o eseguire esempi di codice?

✅ Vuoi velocizzare il ciclo di sviluppo quando lavori con Ultralytics?

Se usi Visual Studio Code e hai risposto "sì" a una delle domande precedenti, l'estensione Ultralytics-snippets per VS Code può aiutarti! Continua a leggere per saperne di più sull'estensione, su come installarla e su come usarla.

Esegui codice di esempio con Ultralytics YOLO in meno di 20 secondi! 🚀

Ispirata dalla community Ultralytics#

L'idea di creare questa estensione è nata dalla community Ultralytics. Le domande della community su argomenti ed esempi simili hanno alimentato lo sviluppo del progetto. Inoltre, molti membri del team Ultralytics usano VS Code per velocizzare il proprio lavoro ⚡.

Perché VS Code?#

Visual Studio Code è molto popolare tra gli sviluppatori di tutto il mondo ed è risultato l'editor più popolare nel sondaggio per sviluppatori di Stack Overflow del 2021, 2022, 2023 e 2024. Grazie all'elevato livello di personalizzazione di VS Code, alle funzionalità integrate, all'ampia compatibilità e all'estensibilità, non sorprende che così tanti sviluppatori lo utilizzino. Considerata la sua popolarità nella comunità degli sviluppatori in generale e nelle community Ultralytics su Discord, Discourse, Reddit e GitHub, creare un'estensione per VS Code per semplificare il flusso di lavoro e aumentare la produttività è stata una scelta naturale.

Vuoi dirci quale strumento usi per sviluppare codice? Visita il nostro sondaggio della community su Discourse e facci sapere! Già che ci sei, dai un'occhiata ad alcuni dei nostri meme preferiti su computer vision, machine learning, AI e sviluppo, oppure pubblica i tuoi preferiti!

Installazione dell'estensione#

Installazione in VS Code#

1. Apri il menu Estensioni di VS Code oppure usa la scorciatoia Ctrl+Shift ⇑+x, quindi cerca Ultralytics-snippets.

2. Fai clic sul pulsante Install.

Installazione dal Marketplace delle estensioni di VS Code#

1. Visita il Marketplace delle estensioni di VS Code e cerca Ultralytics-snippets, oppure vai direttamente alla pagina dell'estensione nel marketplace di VS Code.

2. Fai clic sul pulsante Install e consenti al browser di avviare una sessione di VS Code.

3. Segui le eventuali istruzioni per installare l'estensione.

Pagina del Marketplace delle estensioni di Visual Studio Code per Ultralytics-Snippets

Uso dell'estensione Ultralytics-Snippets#

• 🧠 Completamento intelligente del codice: scrivi codice più velocemente e con maggiore precisione grazie a suggerimenti avanzati per il completamento del codice, pensati per l'API Ultralytics.

• ⌛ Sviluppo più rapido: risparmia tempo eliminando le attività di programmazione ripetitive e sfruttando snippet di codice predefiniti.

• 🔬 Maggiore qualità del codice: scrivi codice più pulito, coerente e privo di errori grazie al completamento intelligente.

• 💎 Flusso di lavoro semplificato: concentrati sulla logica principale del progetto automatizzando le attività comuni.

Panoramica#

L'estensione funziona solo quando la modalità linguaggio è impostata su Python 🐍. In questo modo si evita di inserire snippet mentre lavori su altri tipi di file. Tutti gli snippet hanno un prefisso che inizia con ultra e, dopo aver installato l'estensione, basta digitare ultra nell'editor per visualizzare un elenco degli snippet disponibili. Puoi anche aprire la tavolozza dei comandi di VS Code con Ctrl+Shift ⇑+p ed eseguire il comando Snippets: Insert Snippet.

Campi degli snippet di codice#

Molti snippet hanno "campi" con valori segnaposto o nomi predefiniti. Ad esempio, l'output del metodo predict potrebbe essere salvato in una variabile Python chiamata r, results, detections, preds o con qualsiasi altro nome scelto dallo sviluppatore: ecco perché gli snippet includono dei "campi". Dopo aver inserito uno snippet, premi Tab ⇥ sulla tastiera per spostare rapidamente il cursore da un campo all'altro. Quando selezioni un campo, digitando un nuovo nome di variabile modificherai quell'occorrenza e tutte le altre occorrenze della variabile nel codice dello snippet!

Dopo aver inserito lo snippet, rinominare model come world_model aggiorna tutte le istanze. Premendo Tab ⇥ si passa al campo successivo, che apre un menu a discesa e consente di selezionare una scala del modello; passando al campo seguente si apre un altro menu a discesa per scegliere la variante del modello world o worldv2.

Completamento degli snippet di codice#

I nomi degli snippet sono il più descrittivi possibile, ma questo può richiedere di digitare molto e risultare controproducente se l'obiettivo è andare più velocemente. Per fortuna, VS Code consente di digitare ultra.example-yolo-predict, example-yolo-predict, yolo-predict o persino ex-yolo-p e trovare comunque lo snippet desiderato! Se lo snippet che cerchi è proprio ultra.example-yolo-predict-kwords, usa le frecce della tastiera ↑ o ↓ per evidenziare lo snippet desiderato e premi Enter ↵ o Tab ⇥ per inserire il blocco di codice corretto.

Se digiti ex-yolo-p, raggiungerai comunque lo snippet corretto.

Categorie di snippet#

Queste sono le categorie di snippet attualmente disponibili nell'estensione Ultralytics-snippets. In futuro ne verranno aggiunte altre, quindi controlla gli aggiornamenti e attiva gli aggiornamenti automatici dell'estensione. Se ritieni che manchi qualcosa, puoi anche richiedere l'aggiunta di altri snippet.

Imparare con gli esempi#

Gli snippet ultra.examples sono molto utili per chi vuole imparare le nozioni di base per iniziare a lavorare con Ultralytics YOLO. Gli snippet di esempio sono pensati per essere eseguiti subito dopo l'inserimento (alcuni includono anche opzioni a discesa). Un esempio è mostrato nell'animazione in cima a questa pagina: dopo aver inserito lo snippet, tutto il codice viene selezionato ed eseguito in modo interattivo con Shift ⇑+Enter ↵.

from ultralytics import ASSETS, YOLO

model = YOLO("yolo26n.pt", task="detect")
results = model(source=ASSETS / "bus.jpg")

for result in results:
    print(result.boxes.data)
    # result.show()  # decommenta per visualizzare ogni immagine dei risultati

Accelerare lo sviluppo#

Gli snippet diversi da ultra.examples hanno lo scopo di rendere lo sviluppo più semplice e veloce quando lavori con Ultralytics. Un blocco di codice comune a molti progetti consiste nell'iterare l'elenco di Results restituito dal metodo predict del modello. Lo snippet ultra.result-loop può aiutarti.

# reference https://docs.ultralytics.com/modes/predict#working-with-results

for result in results:
    result.boxes.data  # torch.Tensor array

Tuttavia, poiché Ultralytics supporta numerose attività, quando lavori con i risultati dell'inferenza potresti voler accedere ad altri attributi Results: è qui che i campi degli snippet si rivelano utili.

Una volta raggiunto con il tasto Tab il campo boxes, apparirà un menu a discesa che ti consentirà di selezionare un altro attributo, se necessario.

Argomenti delle parole chiave#

Ci sono oltre 💯 argomenti con nome per tutte le attività e le modalità di Ultralytics! Sono tanti da ricordare ed è facile dimenticare se un argomento è save_frame o save_frames (a proposito, è decisamente save_frames). Ecco dove gli snippet ultra.kwargs possono aiutarti!

model.predict(
    source=src,  # (str, optional) directory sorgente di immagini o video
    imgsz=640,  # (int | list) dimensione delle immagini di input come int o list[h,w] per predict
    conf=0.25,  # (float) soglia minima di confidenza
    iou=0.7,  # (float) soglia di intersezione sull'unione (IoU) per NMS
    vid_stride=1,  # (int) passo della frequenza dei fotogrammi video
    stream_buffer=False,  # (bool) inserisci i fotogrammi in arrivo in una coda (True) oppure mantieni solo il fotogramma più recente (False)
    visualize=False,  # (bool) salva le mappe di attivazione delle classi
    augment=False,  # (bool) applica l'aumento dei dati alle immagini sorgente delle predizioni
    agnostic_nms=False,  # (bool) NMS indipendente dalla classe
    classes=None,  # (int | list[int], optional) filtra i risultati per classe, ad esempio classes=0 o classes=[0,2,3]
    retina_masks=False,  # (bool) usa maschere di segmentazione ad alta risoluzione
    embed=None,  # (list[int], optional) restituisce vettori di caratteristiche/embedding dai livelli specificati
    show=False,  # (bool) mostra le immagini e i video predetti se l'ambiente lo consente
    save=True,  # (bool) salva i risultati delle predizioni
    save_frames=False,  # (bool) salva i singoli fotogrammi video predetti
    save_txt=False,  # (bool) salva i risultati in un file .txt
    save_conf=False,  # (bool) salva i risultati con i punteggi di confidenza
    save_crop=False,  # (bool) salva le immagini ritagliate con i risultati
    stream=False,  # (bool) elabora video lunghi o numerose immagini riducendo l'uso della memoria tramite la restituzione di un generatore
    verbose=True,  # (bool) abilita/disabilita i log dettagliati dell'inferenza nel terminale
)

Tutti gli snippet di codice#

Il modo migliore per scoprire quali snippet sono disponibili è scaricare e installare l'estensione e provarla! Se vuoi dare un'occhiata all'elenco in anticipo, visita il repository o la pagina dell'estensione nel marketplace di VS Code per consultare le tabelle con tutti gli snippet disponibili.

Conclusione#

L'estensione Ultralytics-Snippets per VS Code è pensata per aiutare data scientist e ingegneri di machine learning a sviluppare applicazioni di computer vision con Ultralytics YOLO in modo più efficiente. Fornendo snippet di codice predefiniti ed esempi utili, ti aiutiamo a concentrarti su ciò che conta di più: creare soluzioni innovative. Condividi il tuo feedback visitando la pagina dell'estensione nel marketplace di VS Code e lasciando una recensione. ⭐

Domande frequenti#