Link to this sectionCondaを使用してUltralytics YOLOをインストールする方法#

このガイドでは、UltralyticsプロジェクトのためのConda環境の設定手順を説明します。Condaは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あり、パッケージや依存関係のインストールにおいてpipの優れた代替手段を提供します。独立した環境を作成できるため、データサイエンスや機械学習の作業に非常に適しています。詳細は、AnacondaのUltralytics Condaパッケージを参照するか、GitHubでUltralyticsフィードストックリポジトリのパッケージ更新情報を確認してください。

このガイドでは、環境の作成、Ultralyticsのインストール、推論の実行、Conda Dockerイメージの使用、およびlibmambaによるインストール高速化の方法を説明します。

Link to this section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。

Link to this sectionConda環境のセットアップ#

まず、新しいConda環境を作成します。ターミナルを開き、以下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化します。

conda activate ultralytics-env

Link to this sectionUltralyticsのインストール#

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。

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 sectionUltralyticsの使用#

Ultralyticsがインストールされたら、物体検出、インスタンスセグメンテーションなどの強力な機能をすぐに利用できます。例えば、画像の推論を実行するには、次のようにします。

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 sectionUltralytics Conda Dockerイメージ#

Dockerの使用を希望される場合、UltralyticsはConda環境を含んだ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イメージをプルします。

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

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

イメージを実行します。

# 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 sectionLibmambaによるインストール高速化#

libmambaは、Condaの従来のソルバーを置き換える、高速でクロスプラットフォームに対応した依存関係認識型のソルバーです。Conda 23.10以降ではデフォルトでlibmambaが使用されるため、ほとんどのインストールは最初から高速に行われます。

古いCondaバージョンを使用している場合は、手動でlibmambaを有効にできます。

1. まず、conda-libmamba-solverパッケージをインストールします。

   conda install conda-libmamba-solver

2. 次に、Condaがソルバーとしてlibmambaを使用するように設定します。

   conda config --set solver libmamba

これでConda環境のセットアップとUltralyticsパッケージのインストールが完了し、機能を試す準備が整いました。より高度なチュートリアルや例については、Ultralyticsドキュメントを参照してください。

Link to this sectionよくある質問 (FAQ)#

Link to this sectionUltralyticsプロジェクトのためにConda環境をセットアップするプロセスはどのようなものですか？#

UltralyticsプロジェクトのConda環境セットアップは簡単で、円滑なパッケージ管理を保証します。まず、以下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、以下のコマンドで新しい環境をアクティブ化します。

conda activate ultralytics-env

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

conda install -c conda-forge ultralytics

Link to this sectionUltralyticsプロジェクトで依存関係を管理する際、なぜpipではなくCondaを使用すべきなのですか？#

Condaは、pipに比べていくつかの利点を持つ、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、必要なすべてのライブラリの互換性を確保します。Condaの独立した環境はパッケージ間の競合を防ぎ、これはデータサイエンスや機械学習プロジェクトにおいて不可欠です。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。

Link to this sectionより高速なパフォーマンスのために、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。競合を避けるために、ultralytics、pytorch、pytorch-cudaを一緒にインストールするようにしてください。

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

この構成によりGPUアクセラレーションが有効になり、深層学習モデルのトレーニングや推論といった負荷の高いタスクに不可欠です。詳細については、Ultralyticsインストールガイドを参照してください。

Link to this sectionConda環境を備えた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、一貫性があり再現可能な環境が保証され、「自分のマシンでは動く」といった問題を排除できます。これらのイメージには事前に構成された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。以下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 --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

このアプローチは、アプリケーションを本番環境にデプロイしたり、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イメージの詳細を確認してください。

Link to this sectionUltralytics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？#

Conda 23.10以降では、デフォルトで高速なlibmambaソルバーが使用されます。古いCondaバージョンの場合は、まずconda-libmamba-solverパッケージをインストールして手動で有効にできます。

conda install conda-libmamba-solver

その後、Condaがソルバーとしてlibmambaを使用するように設定します。

conda config --set solver libmamba

この設定により、より高速で効率的なパッケージ管理が可能になります。環境の最適化に関するその他のヒントについては、libmambaのインストールに関する記事を読んでください。