コンテンツにスキップ

Ultralytics用Condaクイックスタートガイド

Ultralytics Condaパッケージのビジュアル

このガイドでは、UltralyticsプロジェクトのConda環境をセットアップするための包括的な入門を提供します。Condaは、パッケージと依存関係をインストールするためのpipに代わる優れたオープンソースのパッケージおよび環境管理システムです。その隔離された環境は、データサイエンスおよび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パッケージにアクセスし、GitHubのパッケージアップデートについてはUltralytics feedstockリポジトリを確認してください。

Conda バージョン Condaダウンロード Conda レシピ Conda プラットフォーム

学習内容

  • Conda環境のセットアップ
  • Conda経由でUltralyticsをインストール
  • Ultralytics環境の初期化
  • Conda を使用した Ultralytics Docker イメージの使用

前提条件

  • システムにAnacondaまたはMinicondaがインストールされている必要があります。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環境を作成しましょう。ターミナルを開き、次のコマンドを実行します。

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

新しい環境をアクティブにする:

conda activate ultralytics-env

Ultralyticsのインストール

conda-forgeチャネルからUltralyticsパッケージをインストールできます。次のコマンドを実行します:

conda install -c conda-forge ultralytics

CUDA環境に関する注意

CUDA 対応環境で作業している場合は、インストールすることをお勧めします。 ultralytics, pytorch、および pytorch-cuda 競合を解決するために一緒に:

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

Ultralytics の使用

Ultralyticsがインストールされたので、物体検出インスタンスセグメンテーションなどの堅牢な機能を使い始めることができます。たとえば、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の使用を希望する場合、UltralyticsはConda環境を含むDockerイメージを提供しています。これらのイメージはDockerHubからプルできます。

最新のUltralyticsイメージをpullします:

# 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:

# 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を使用したインストール高速化

お探しですか? パッケージのインストールを高速化する Condaで処理するには、以下を使用できます。 libmambaは、高速でクロスプラットフォームな依存関係対応のパッケージマネージャーであり、Condaのデフォルトのソルバーの代替として機能します。

Libmambaを有効にする方法

有効にするには libmamba Conda のソルバーとして、次の手順を実行できます。

  1. まず、以下をインストールします。 conda-libmamba-solver package。お使いのCondaのバージョンが4.11以上の場合、これはスキップできます。なぜなら、 libmamba は、デフォルトで含まれています。

    conda install conda-libmamba-solver
    
  2. 次に、Condaを設定して使用します libmamba ソルバーとして:

    conda config --set solver libmamba
    

これで完了です!Condaのインストールで以下が使用されるようになります。 libmamba ソルバーとして使用すると、パッケージのインストールプロセスが高速化されます。


おめでとうございます!Conda環境のセットアップ、Ultralyticsパッケージのインストールが完了し、豊富な機能を探索する準備が整いました。より高度なチュートリアルと例については、Ultralyticsドキュメントを詳しく調べてください。

よくある質問

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プロセスは何ですか?

Ultralytics プロジェクトの 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します。まず、次のコマンドを使用して新しい Conda 環境を作成します:

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

次に、次のコマンドで新しい環境をアクティブにします。

conda activate ultralytics-env

最後に、conda-forgeチャネルからUltralyticsをインストールします。

conda install -c conda-forge ultralytics

Ultralyticsプロジェクトで依存関係を管理するために、pipではなくCondaを使用すべきなのはなぜですか?

Condaは、pipよりも優れた点がいくつかある、堅牢なパッケージおよび環境管理システムです。依存関係を効率的に管理し、必要なライブラリがすべて互換性を持つようにします。Condaの分離された環境は、パッケージ間の競合を防ぎます。これは、データサイエンスおよび機械学習プロジェクトでは非常に重要です。さらに、Condaはバイナリパッケージの配布をサポートしており、インストールプロセスを高速化します。

パフォーマンスを向上させるために、CUDA対応環境でUltralytics YOLOを使用できますか?

はい、CUDA対応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。必ず以下をインストールしてください。 ultralytics, pytorch、および pytorch-cuda 競合を避けるために一緒に:

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

この設定により、深層学習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なGPUアクセラレーションが可能になります。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と、一貫性のある再現可能な環境が確保され、「自分のマシンでは動作する」という問題を解消できます。これらのイメージには、事前構成済みの Conda 環境が含まれており、セットアッププロセスが簡素化されます。次のコマンドを使用して、最新の Ultralytics Docker イメージをプルして実行できます。

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、手動構成なしで複雑なワークフローを実行したりする場合に最適です。Ultralytics Conda Docker Imageの詳細をご覧ください。

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どうすればよいですか?

以下を使用すると、パッケージのインストールプロセスを高速化できます。 libmamba、Conda用の高速な依存関係ソルバーです。まず、 conda-libmamba-solver パッケージ:

conda install conda-libmamba-solver

次に、Condaを構成して使用します。 libmamba ソルバーとして:

conda config --set solver libmamba

この設定により、より高速かつ効率的なパッケージ管理が実現します。環境の最適化に関するヒントについては、libmambaのインストールについてお読みください。



📅 1年前に作成 ✏️ 4か月前に更新

コメント