はじめる

CondaでUltralytics YOLOをインストールする方法

Ultralytics package for Conda from conda-forge

このガイドでは、Ultralyticsプロジェクト向けにConda環境をセットアップする方法を説明します。Condaはオープンソースのパッケージ・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の代替となります。分離された環境を利用できるため、データサイエンスや機械学習の作業に特に適しています。

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

このガイドでは、Ultralyticsを使って環境を作成する方法、推論を実行する方法、Conda Dockerイメージの使用方法、libmambaでインストールを高速化する方法を説明します。

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。

Ultralyticsのインストール#

conda-forgeチャンネルからUltralyticsを含む新しいConda環境を作成し、その後で有効化します。Python、Ultralytics、およびtorchvision(conda-forgeパッケージの依存関係ではありません)を同じコマンドでインストールすると、condaが互換性のある最新バージョンをまとめて解決します。

conda create --name ultralytics-env -c conda-forge python=3.11 ultralytics torchvision -y
conda activate ultralytics-env
CUDA環境へのインストール

CUDA対応環境で作業している場合は、conda-forgeのpytorch-gpuメタパッケージを同じコマンドに追加すると、condaがCUDA対応のPyTorchビルドを解決します。

conda create --name ultralytics-env -c conda-forge python=3.11 ultralytics torchvision pytorch-gpu -y
conda activate ultralytics-env

ROCm環境に関する注意(AMD GPU、Linux)#

ROCmを使用してLinuxでAMD GPUアクセラレーションを利用する場合、PyTorch ROCmホイールはCondaでは提供されていないため、pipでインストールする必要があります。分離環境としてConda環境を使用し、その後pipでPyTorch ROCmとUltralyticsをインストールしてください。

conda create --name ultralytics-rocm python=3.12 -y
conda activate ultralytics-rocm
pip install "torch[device-all]" "torchvision[device-all]" --index-url https://stable.repo.amd.com/rocm/whl-next/
pip install ultralytics

サポート対象のROCmバージョンについてはPyTorchのスタートガイドを、MIGraphX推論のセットアップについてはAMD GPUガイドをご覧ください。MIGraphX推論には、Linux x86_64上でPython 3.11以降が必要です。

Ultralyticsの使用#

Ultralyticsをインストールすると、物体検出、インスタンスセグメンテーションなどのビジョンタスクを実行できます。たとえば、画像に対して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")  # モデルを初期化
results = model("path/to/image.jpg")  # 推論を実行
results[0].show()  # 最初の画像の結果を表示

Ultralytics Conda Dockerイメージ#

Conda Dockerfileでは、conda-forgeのPyTorch 2.13、torchvision 0.28、CUDA 13.0を使用します。conda-forgeのリリースは、標準GPUイメージで使用されるPyTorch pipリリースより遅れることがあります。latest-condaの自動公開は無効になっているため、最新のイメージをローカルでビルドしてください。

git clone https://github.com/ultralytics/ultralytics
cd ultralytics
t=ultralytics-conda:local
sudo docker build -f docker/Dockerfile-conda -t $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 --device nvidia.com/gpu=all $t                         # all GPUs
sudo docker run -it --ipc=host --device nvidia.com/gpu=2 --device nvidia.com/gpu=3 $t # specify GPUs

Linuxでは、CDIデバイスリクエストにDocker >= 28.2.0およびNVIDIA Container Toolkit >= 1.18が必要です。従来の--gpus allフラグは、ホストデーモンの再読み込み後にGPUへのアクセスを失う可能性があるため、古いLinuxホストをアップグレードし、代わりに--deviceを使用してください。詳細については、Dockerクイックスタートガイドをご覧ください。

Libmambaでインストールを高速化する#

libmamba は、高速でクロスプラットフォームに対応し、依存関係を考慮するソルバーで、Conda の従来のソルバーを置き換えます。Conda 23.10 以降では、すでに libmamba がデフォルトのソルバーとして使用されるため、ほとんどの環境でインストール直後から処理が高速になります。

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

  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 libmamba をソルバーとして使用するように設定します。

    conda config --set solver libmamba

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ました。これで、その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 のドキュメントをご覧ください。

よくある質問#

  • conda-forgeチャネルからPythonとUltralyticsを含む環境を1つのコマンドで作成すると、condaが両者をまとめて解決します。その後、環境を有効化します。

    conda create --name ultralytics-env -c conda-forge python=3.11 ultralytics torchvision -y
    conda activate ultralytics-env
  • Condaはパッケージと環境を管理するシステムで、pipに比べていくつかの利点があります。依存関係を効率よく管理し、必要なライブラリすべてに互換性があることを保証します。Condaの分離環境はパッケージ間の競合を防ぎ、データサイエンスや機械学習のプロジェクトで重要な役割を果たします。また、Condaはバイナリパッケージの配布に対応しており、インストールを高速化できます。

  • はい。ultralyticsとconda-forgeのpytorch-gpuメタパッケージを同じコマンドで環境に追加すると、CUDA対応のPyTorchビルドも合わせて解決されます。

    conda create --name ultralytics-env -c conda-forge python=3.11 ultralytics torchvision pytorch-gpu -y
    conda activate ultralytics-env

    この設定により、ディープラーニングモデルのトレーニングや推論など、負荷の高いタスクに欠かせない GPU アクセラレーションが有効になります。詳細については、Ultralytics のインストールガイドをご覧ください。

  • Conda 用 Dockerfile は、CUDA 対応の PyTorch を含む、分離された conda-forge 環境を提供します。ローカルビルドの手順に従ってから、記載されている GPU オプションを指定して実行してください。標準の公開 GPU イメージやその他の選択肢については、Docker ガイドをご覧ください。

  • Conda 23.10 以降では、高速な libmamba ソルバーがデフォルトで使用されています。古いバージョンの Conda では、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

    次に、Conda が libmamba をソルバーとして使用するように設定します。

    conda config --set solver libmamba

    この設定により、パッケージ管理がより高速かつ効率的になります。

コメント6

質問したり、結果を共有したり、ほかの人をサポートしたりできます。

  1. najwazkiyahhGitHub

    Hi! I'm the new to using YOLO. I have python 3.12 on my laptop because my previous exam need it-the latest version of python. I want to install ultralytics YOLOv11, should I downgrade my python version from 3.12 into 3.11? Or I should downgrade my python version to the recommended requirement, 3.8? Thank you, hope you (anybody) can answer my confusion.

    1. Glenn JocherUltralytics

      @najwazkiyahh you don't need to downgrade your system Python! 😊 Simply create a Conda environment with Python 3.11 using conda create --name yolo_env python=3.11, then activate it and install Ultralytics. This keeps your existing Python 3.12 intact while giving you a compatible YOLO11 environment. For full steps, see the Conda Quickstart Guide for Ultralytics.

      We recommend this approach as it maintains version isolation while allowing you to work with both Python versions seamlessly. Welcome to the YOLO community! 🚀

  2. MalvinlamGitHub

    Hi is there a way to install the yolov8 dependencies using Anaconda prompt to the virtual environment other than pip install ultralytics? For example I already downloaded the ultralytics package from GitHub and opened it as project folder using PyCharm. Is there a way to only install the required libraries?

    1. Glenn JocherUltralytics(編集済み)

      @Malvinlam hi there! 👋

      Absolutely, you can install the required dependencies for Ultralytics using Conda without relying on pip install ultralytics. Here's a step-by-step guide to help you set up your Conda environment and install the necessary libraries:

      1. Create a New Conda Environment: First, create a new Conda environment with Python 3.11 (or your preferred version):

        conda create --name ultralytics-env python=3.11 -y
      2. Activate the Environment: Activate your newly created environment:

        conda activate ultralytics-env
      3. Install Required Libraries: The repository no longer has a requirements.txt; its dependencies are declared in pyproject.toml. From the root of your cloned repository, run:

        pip install -e .

        Alternatively, if you want to install specific packages manually, you can use:

        conda install -c conda-forge numpy pandas matplotlib opencv scikit-learn
        conda install -c pytorch pytorch torchvision torchaudio
      4. Note on CUDA Environment: If you're working in a CUDA-enabled environment, it's a good practice to install pytorch and pytorch-cuda together to resolve any conflicts:

        conda install -c pytorch -c nvidia -c conda-forge pytorch torchvision torchaudio pytorch-cuda=11.8
      5. Using Ultralytics: With the dependencies installed, you can now start using Ultralytics. For example, to perform inference with YOLO26:

        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

      For more detailed instructions, you can refer to our Conda Quickstart Guide.

      If you encounter any issues or have further questions, feel free to ask. Happy coding! 😊

  3. nadinatorGitHub

    Does the python version have to be 3.8? Can it be a newer version? What would/wouldn't break if we used 3.11, for example (I'm thinking of the [ray]tuning feature)?

    1. Glenn JocherUltralytics

      Hey there! 😊

      You can definitely use Python versions newer than 3.8, including 3.11. However, it's important to note that while most features should work fine, there might be some compatibility issues with newer Python versions, especially with external libraries or specific features like [ray] tuning.

      If you're keen on using Python 3.11, I'd recommend testing the key functionalities you plan to use in your project to ensure everything runs smoothly. For the [ray] tuning feature, you might want to check Ray's documentation or GitHub issues for any known compatibility concerns with Python 3.11.

      Here's a quick example of how you might set up your environment with Python 3.11:

      conda create --name ultralytics-env python=3.11 -y
      conda activate ultralytics-env
      conda install -c conda-forge ultralytics

      And remember, if you encounter any issues, the Ultralytics community is here to help! 🚀