Ultralytics用Condaクイックスタートガイド
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。
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。
-
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
-
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。