CondaクイックスタートガイドUltralytics
このガイドでは、Ultralytics プロジェクトのために Conda 環境をセットアップするための包括的な紹介をします。Condaはオープンソースのパッケージと環境管理システムで、パッケージと依存関係をインストールするためのpipの優れた代替手段を提供します。その分離された環境は、データサイエンスや機械学習の取り組みに特に適しています。詳細については、AnacondaのUltralytics Conda パッケージを参照し、GitHub のパッケージ更新のためのUltralytics feedstock リポジトリをチェックしてください。
何を学ぶか
- Conda環境のセットアップ
- Conda 経由でUltralytics をインストールする
- Ultralytics をお使いの環境で初期化する
- Ultralytics DockerイメージをCondaで使う
前提条件
- お使いのシステムに Anaconda または Miniconda がインストールされているはずです。インストールされていない場合は、AnacondaまたはMiniconda からダウンロードしてインストールしてください。
Conda環境のセットアップ
まず、新しいConda環境を作りましょう。ターミナルを開き、以下のコマンドを実行する：
新しい環境をアクティブにする：
インストールUltralytics
conda-forgeチャンネルからUltralytics パッケージをインストールできます。以下のコマンドを実行してください：
CUDA 環境について
CUDA が使える環境で作業しているのであれば、以下をインストールしておくとよいだろう。 ultralytics, pytorchそして pytorch-cuda あらゆる対立を解決するために協力する：
使用Ultralytics
Ultralytics をインストールすれば、オブジェクト検出や インスタンスのセグメンテーションなど、そのロバストな機能を使い始めることができる。例えば、画像を予測するには、次のように実行します：
from ultralytics import YOLO
model = YOLO("yolo11n.pt") # initialize model
results = model("path/to/image.jpg") # perform inference
results[0].show() # display results for the first image
Ultralytics Conda Dockerイメージ
Dockerを使いたい場合は、Ultralytics 、Conda環境が含まれたDockerイメージを提供している。これらのイメージはDockerHubから引っ張ってくることができる。
最新のUltralytics ：
# Set image name as a variable
t=ultralytics/ultralytics:latest-conda
# Pull the latest Ultralytics image from Docker Hub
sudo docker pull $t
イメージを実行する：
# Run the Ultralytics image in a container with GPU support
sudo docker run -it --ipc=host --gpus all $t # all GPUs
sudo docker run -it --ipc=host --gpus '"device=2,3"' $t # specify GPUs
Libmambaによるインストールの高速化
もしあなたが パッケージインストールのスピードアップ を使うことができます。 libmamba高速で、クロスプラットフォームで、依存関係を意識したパッケージマネージャーであり、Condaのデフォルトの代替ソルバーとして機能する。
Libmamba を有効にする方法
有効にする libmamba をCondaのソルバーとして使用するには、以下の手順を実行します：
-
まず
conda-libmamba-solverパッケージに追加します。Condaのバージョンが4.11以上であれば、これはスキップできます。libmambaがデフォルトで含まれている。 -
次に、Conda が
libmambaをソルバーとして使用する：
これで終わりです！これでCondaのインストールは libmamba をソルバーとして使用することで、パッケージのインストール処理が速くなるはずだ。
おめでとうございます！あなたはConda環境のセットアップに成功し、Ultralytics パッケージをインストールしました。より高度なチュートリアルや例については、Ultralytics のドキュメントを参照してください。
よくあるご質問
Ultralytics プロジェクトのための Conda 環境のセットアップ手順を教えてください。
Ultralytics プロジェクト用のConda環境のセットアップは簡単で、スムーズなパッケージ管理を保証する。まず、以下のコマンドを使って新しいConda環境を作成する：
そして、新しい環境をアクティブにする：
最後に、conda-forgeチャンネルからUltralytics ：
Ultralytics プロジェクトの依存関係を管理するのに、なぜpipではなくCondaを使うべきなのでしょうか？
Condaは堅牢なパッケージ・環境管理システムであり、pipと比較していくつかの利点がある。依存関係を効率的に管理し、必要なライブラリの互換性を保証する。Condaの分離された環境は、データサイエンスや機械学習プロジェクトにおいて重要なパッケージ間の競合を防ぐ。さらに、Condaはバイナリパッケージの配布をサポートし、インストールプロセスをスピードアップします。
CUDA が有効な環境でUltralytics YOLO を使用すれば、より高速なパフォーマンスが得られますか？
はい、CUDA-有効な環境を利用することで、パフォーマンスを向上させることができます。以下をインストールしてください。 ultralytics, pytorchそして pytorch-cuda 衝突を避けるために
このセットアップにより、GPU アクセラレーションが可能になり、ディープラーニング・モデルのトレーニングや推論などの集中的なタスクに不可欠となる。詳細については、Ultralytics インストールガイドをご覧ください。
Conda環境でUltralytics Dockerイメージを使用する利点は何ですか？
Ultralytics Dockerイメージを使用することで、一貫性のある再現可能な環境が保証され、「私のマシンでは動いたのに」という問題がなくなります。これらのイメージには、設定済みのConda環境が含まれており、セットアッププロセスを簡素化します。以下のコマンドで最新のUltralytics Dockerイメージをプルして実行することができます：
sudo docker pull ultralytics/ultralytics:latest-conda
sudo docker run -it --ipc=host --gpus all ultralytics/ultralytics:latest-conda
このアプローチは、本番環境でアプリケーションをデプロイしたり、複雑なワークフローを手動で設定することなく実行するのに理想的です。Ultralytics Conda Docker Imageの詳細はこちら。
Ultralytics 環境で Conda パッケージのインストールを高速化するには？
パッケージのインストールを高速化するには libmambaConda用の高速依存性ソルバーである。まず conda-libmamba-solver パッケージで提供される：
を使用するようにコンダを設定する。 libmamba をソルバーとして使用する：
このセットアップは、より高速で効率的なパッケージ管理を提供する。環境を最適化するためのヒントは、libmambaのインストールを読んでください。
