CondaクイックスタートガイドUltralytics

Q: Can I use Ultralytics YOLO in a CUDA-enabled environment for faster performance?

はい、CUDA-有効な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、ultralytics 、pytorch 、pytorch-cuda を一緒にインストールしてください：このセットアップにより、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。

Q: What are the benefits of using Ultralytics Docker images with a Conda environment?

Ultralytics Dockerイメージを使用することで、一貫性のある再現可能な環境が保証され、「私のマシンで動作する」という問題がなくなります。これらのイメージには、設定済みのConda環境が含まれており、セットアッププロセスを簡素化します。以下のコマンドで最新のUltralytics Dockerイメージをプルして実行することができます：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、複雑なワークフローを手動で設定することなく実行するのに理想的です。Ultralytics Conda Dockerイメージの詳細はこちら。

Q: How can I speed up Conda package installation in my Ultralytics environment?

Conda用の高速依存性ソルバーであるlibmambaを使うことで、パッケージのインストールプロセスをスピードアップできる。まず、conda-libmamba-solverパッケージをインストールする：それから、ソルバーとしてlibmambaを使うようにCondaを設定する：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る。環境を最適化するためのヒントについては、libmambaのインストールを読んでください。

Ultralytics コンダパッケージビジュアル

このガイドでは、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包括的な紹介をします。Condaはオープンソースのパッケージと環境管理システムで、パッケージと依存関係をインストールするためのpipの優れた代替手段を提供します。その分離された環境は、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のUltralytics Conda パッケージを参照し、GitHub のパッケージ更新のためのUltralytics feedstock リポジトリをチェックしてください。

何を学ぶか

Conda環境のセットアップ
Conda 経由でUltralytics をインストールする
Ultralytics をお使いの環境で初期化する
Ultralytics DockerイメージをCondaで使う

前提条件

お使いのシステムに Anaconda または Miniconda がインストールされているはずです。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環境を作りましょう。ターミナルを開き、以下のコマンドを実行する：

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

インストールUltralytics

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

CUDA 環境について

CUDA が使える環境で作業しているのであれば、以下をインストールしておくとよいだろう。 ultralytics, pytorchそして pytorch-cuda あらゆる対立を解決するために協力する：

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

使用Ultralytics

Ultralytics をインストールすれば、オブジェクト検出やインスタンスのセグメンテーションなど、そのロバストな機能を使い始めることができる。例えば、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を使いたい場合は、Ultralytics 、Conda環境が含まれたDockerイメージを提供している。これらのイメージはDockerHubから引っ張ってくることができる。

最新のUltralytics ：

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

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

イメージを実行する：

# 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によるインストールの高速化

もしあなたがパッケージインストールのスピードアップを使うことができます。 libmamba高速で、クロスプラットフォームで、依存関係を意識したパッケージマネージャーであり、Condaのデフォルトの代替ソルバーとして機能する。

Libmamba を有効にする方法

有効にする libmamba をCondaのソルバーとして使用するには、以下の手順を実行します：

まず conda-libmamba-solver パッケージに追加します。Condaのバージョンが4.11以上であれば、これはスキップできます。 libmamba がデフォルトで含まれている。
```
conda install conda-libmamba-solver
```
次に、Conda が libmamba をソルバーとして使用する：
```
conda config --set solver libmamba
```

これで終わりです！これでCondaのインストールは libmamba をソルバーとして使用することで、パッケージのインストール処理が速くなるはずだ。

おめでとうございます！あなたはConda環境のセットアップに成功し、Ultralytics パッケージをインストールしました。より高度なチュートリアルや例については、Ultralytics のドキュメントを参照してください。

よくあるご質問

Ultralytics プロジェクトのための Conda 環境のセットアップ手順を教えてください。

Ultralytics プロジェクト用の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する。まず、以下のコマンドを使って新しいConda環境を作成する：

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

そして、新しい環境をアクティブにする：

conda activate ultralytics-env

最後に、conda-forgeチャンネルからUltralytics ：

conda install -c conda-forge ultralytics

Ultralytics プロジェクトの依存関係を管理するのに、なぜpipではなくCondaを使うべきなのでしょうか？

Condaは堅牢なパッケージ・環境管理システムであり、pipと比較していくつかの利点がある。依存関係を効率的に管理し、必要なライブラリの互換性を保証する。Condaの分離された環境は、データサイエンスや機械学習プロジェクトにおいて重要なパッケージ間の競合を防ぐ。さらに、Condaはバイナリパッケージの配布をサポートし、インストールプロセスをスピードアップします。

CUDA が有効な環境でUltralytics YOLO を使用すれば、より高速なパフォーマンスが得られますか？

はい、CUDA-有効な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。以下をインストールしてください。 ultralytics, pytorchそして pytorch-cuda 衝突を避けるために

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

このセットアップにより、GPU アクセラレーションが可能になり、ディープラーニング・モデルのトレーニングや推論などの集中的なタスクに不可欠となる。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ことで、一貫性のある再現可能な環境が保証され、「私のマシンでは動いたのに」という問題がなくなります。これらのイメージには、設定済みのConda環境が含まれており、セットアッププロセスを簡素化します。以下のコマンドで最新のUltralytics Dockerイメージをプルして実行することができます：

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、複雑なワークフローを手動で設定することなく実行するのに理想的です。Ultralytics Conda Docker Imageの詳細はこちら。

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？

パッケージのインストールを高速化するには libmambaConda用の高速依存性ソルバーである。まず conda-libmamba-solver パッケージで提供される：

conda install conda-libmamba-solver

を使用するようにコンダを設定する。 libmamba をソルバーとして使用する：

conda config --set solver libmamba

このセットアップは、より高速で効率的なパッケージ管理を提供する。環境を最適化するためのヒントは、libmambaのインストールを読んでください。

📅作成：1年前 ✏️更新：1ヶ月前