Ultralytics Condaクイックスタートガイド
このガイドでは、UltralyticsプロジェクトのためのConda環境設定に関する包括的な導入を行います。Condaは、パッケージや依存関係をインストールする際にpipの優れた代替手段となる、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。Condaの隔離された環境は、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上のUltralytics Condaパッケージを参照し、GitHubにあるUltralyticsフィードストックリポジトリでパッケージの更新情報を確認してください。
学習内容
- Conda環境の設定
- Condaを介したUltralyticsのインストール
- 環境でのUltralyticsの初期化
- CondaでのUltralytics Dockerイメージの利用
前提条件
Conda環境の設定
まず、新しいConda環境を作成しましょう。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-envUltralytics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 ultralyticsCUDA環境に関する注意
CUDA対応環境で作業している場合は、競合を解決するためにultralytics、pytorch、およびpytorch-cudaを一緒にインストールすることをお勧めします：
conda install -c pytorch -c nvidia -c conda-forge pytorch torchvision pytorch-cuda=11.8 ultralyticsUltralytics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強力な機能の使用を開始できます。例えば、画像を推論するには、次を実行します：
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 imageUltralytics 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 GPUsLibmambaによるインストール高速化
Condaでのパッケージインストールプロセスを高速化したい場合、Condaのデフォルトのソルバーに代わる、高速でクロスプラットフォームかつ依存関係を認識するパッケージマネージャーであるlibmambaを使用することを選択できます。
Libmambaの有効化方法
Condaのソルバーとしてlibmambaを有効にするには、以下の手順を実行します：
-
まず、
conda-libmamba-solverパッケージをインストールします。Condaバージョンが4.11以上の場合、libmambaはデフォルトで含まれているため、このステップはスキップできます。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
これで完了です！Condaインストールでソルバーとしてlibmambaが使用されるようになり、パッケージのインストールプロセスが高速化されるはずです。
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ました。これで機能を探求する準備が整いました。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。
FAQ
Ultralytics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プロジェクト用のConda環境の設定は簡単で、スムーズ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、新しい環境を以下で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 ultralyticsUltralyticsプロジェクトの依存関係管理にpipではなくCondaを使用すべきなのはなぜですか？
Condaは、pipに比べていくつかの利点を持つ強力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が互換性を持つことを保証します。Condaの隔離され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のプロジェクトにおいて極めて重要です。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。
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対応環境を活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、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=11.8 ultralytics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のような負荷の高いタスクに不可欠な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インストールガイドを参照してください。
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」といった問題を解消できます。これらのイメージには、あらかじめ構成された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、本番環境へのアプリケーションのデプロイや、手動設定なしでの複雑なワークフローの実行に最適です。Ultralytics Conda Dockerイメージについてさらに学習してください。
Ultralytics環境での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用の高速な依存関係ソルバーであるlibmambaを使用することで、パッケージのインストールプロセスを高速化できます。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、より高速で効率的なパッケージ管理が可能になります。環境を最適化するための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。