Link to this sectionInstalla Ultralytics#

Ultralytics offre diversi metodi di installazione, tra cui pip, conda e Docker. Puoi installare YOLO tramite il pacchetto pip ultralytics per ottenere la versione stabile più recente, oppure clonando il repository GitHub di Ultralytics per la versione più aggiornata. Docker è un'altra opzione per eseguire il pacchetto in un container isolato, evitando così l'installazione locale.

# Install or upgrade the ultralytics package from PyPI
pip install -U ultralytics

# Install the ultralytics package from GitHub
pip install git+https://github.com/ultralytics/ultralytics.git@main

Vedi il file ultralytics pyproject.toml per un elenco delle dipendenze. Nota che tutti gli esempi precedenti installano tutte le dipendenze richieste.

Suggerimento

I requisiti di PyTorch variano in base al sistema operativo e ai requisiti CUDA, quindi installa prima PyTorch seguendo le istruzioni su PyTorch.

Link to this sectionInstallazione su server headless#

Per ambienti server senza display (es. macchine virtuali cloud, container Docker, pipeline CI/CD), usa il pacchetto ultralytics-opencv-headless. Questo è identico al pacchetto standard ultralytics ma dipende da opencv-python-headless invece di opencv-python, evitando inutili dipendenze GUI e potenziali errori libGL.

pip install ultralytics-opencv-headless

Entrambi i pacchetti forniscono la stessa funzionalità e API. La variante headless esclude semplicemente i componenti GUI di OpenCV che richiedono librerie di visualizzazione.

Link to this sectionInstallazione avanzata#

Sebbene i metodi di installazione standard coprano la maggior parte dei casi d'uso, potresti aver bisogno di una configurazione più su misura per lo sviluppo o configurazioni personalizzate.

Link to this sectionUsa Ultralytics con la CLI#

L'interfaccia a riga di comando (CLI) di Ultralytics consente semplici comandi a riga singola senza bisogno di un ambiente Python. La CLI non richiede alcuna personalizzazione o codice Python; esegui tutte le attività dal terminale con il comando yolo. Per saperne di più sull'uso di YOLO dalla riga di comando, vedi la Guida CLI.

yolo TASK MODE ARGS

Guida CLI

Link to this sectionUsa Ultralytics con Python#

L'interfaccia Python YOLO di Ultralytics offre un'integrazione perfetta nei progetti Python, rendendo facile caricare, eseguire ed elaborare gli output del modello. Progettata per la semplicità, l'interfaccia Python consente agli utenti di implementare rapidamente rilevamento oggetti, segmentazione istanze, segmentazione semantica e classificazione. Questo rende l'interfaccia Python YOLO uno strumento inestimabile per incorporare queste funzionalità nei progetti Python.

Ad esempio, gli utenti possono caricare un modello, addestrarlo, valutarne le prestazioni ed esportarlo in formato ONNX con poche righe di codice. Esplora la Guida Python per saperne di più sull'uso di YOLO all'interno dei tuoi progetti Python.

from ultralytics import YOLO

# Create a new YOLO model from scratch
model = YOLO("yolo26n.yaml")

# Load a pretrained YOLO model (recommended for training)
model = YOLO("yolo26n.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")

Guida Python

Link to this sectionImpostazioni di Ultralytics#

La libreria Ultralytics include un SettingsManager per un controllo granulare sugli esperimenti, consentendo agli utenti di accedere e modificare facilmente le impostazioni. Memorizzate in un file JSON all'interno della directory di configurazione utente dell'ambiente, queste impostazioni possono essere visualizzate o modificate nell'ambiente Python o tramite la Command-Line Interface (CLI).

Link to this sectionIspezione delle impostazioni#

Per visualizzare la configurazione corrente delle tue impostazioni:

from ultralytics import settings

# View all settings
print(settings)

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

Link to this sectionModifica delle impostazioni#

Ultralytics rende facile modificare le impostazioni nei seguenti modi:

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()

Link to this sectionComprendere le impostazioni#

La tabella seguente offre una panoramica delle impostazioni regolabili all'interno di Ultralytics, inclusi valori di esempio, tipi di dati e descrizioni.

Rivedi queste impostazioni man mano che avanzi nei progetti o negli esperimenti per garantire una configurazione ottimale.

Link to this sectionFAQ#

Link to this sectionCome installo Ultralytics usando pip?#

Installa Ultralytics con pip usando:

pip install -U ultralytics

Questo installa l'ultima versione stabile del pacchetto ultralytics da PyPI. Per installare la versione di sviluppo direttamente da GitHub:

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

Assicurati che lo strumento da riga di comando Git sia installato sul tuo sistema.

Link to this sectionPosso installare Ultralytics YOLO usando conda?#

Sì, installa Ultralytics YOLO usando conda con:

conda install -c conda-forge ultralytics

Questo metodo è un'ottima alternativa a pip e garantisce la compatibilità con altri pacchetti. Per ambienti CUDA, installa ultralytics, pytorch e pytorch-cuda insieme per risolvere i conflitti:

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

Per ulteriori istruzioni, consulta la Conda quickstart guide.

Link to this sectionQuali sono i vantaggi dell'utilizzo di Docker per eseguire Ultralytics YOLO?#

Docker fornisce un ambiente isolato e coerente per Ultralytics YOLO, garantendo prestazioni fluide tra i sistemi ed evitando le complessità dell'installazione locale. Le immagini Docker ufficiali sono disponibili su Docker Hub, con varianti per GPU, CPU, ARM64, NVIDIA Jetson e Conda. Per scaricare ed eseguire l'ultima immagine:

# 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 --runtime=nvidia --gpus all ultralytics/ultralytics:latest

Per istruzioni dettagliate su Docker, consulta la Docker quickstart guide.

Link to this sectionCome clono il repository Ultralytics per lo sviluppo?#

Clona il repository Ultralytics e configura un ambiente di sviluppo con:

# 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 .

Ciò consente di contribuire al progetto o di sperimentare con il codice sorgente più recente. Per i dettagli, visita il Ultralytics GitHub repository.

Link to this sectionPerché dovrei usare la CLI di Ultralytics YOLO?#

La CLI di Ultralytics YOLO semplifica l'esecuzione di attività di rilevamento oggetti senza codice Python, consentendo comandi su riga singola per addestramento, convalida e previsione direttamente dal tuo terminale. La sintassi di base è:

yolo TASK MODE ARGS

Ad esempio, per addestrare un modello di rilevamento:

yolo train data=coco8.yaml model=yolo26n.pt epochs=10 lr0=0.01

Esplora altri comandi ed esempi di utilizzo nella CLI Guide completa.