CondaクイックスタートガイドUltralytics
This guide provides a comprehensive introduction to setting up a Conda environment for your Ultralytics projects. Conda is an open-source package and environment management system that offers an excellent alternative to pip for installing packages and dependencies. Its isolated environments make it particularly well-suited for data science and machine learning endeavors. For more details, visit the Ultralytics Conda package on Anaconda and check out the Ultralytics feedstock repository for package updates on GitHub.
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：
新しい環境をアクティブにする：
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：
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：
使用Ultralytics
With Ultralytics installed, you can now start using its robust features for object detection, instance segmentation, and more. For example, to predict an image, you can run:
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から引き出すことができる。
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パッケージを使用します。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。次に、Conda が
libmambaをソルバーとして使用する：
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：
そして、新しい環境をアクティブにする：
最後に、conda-forgeチャンネルから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
This setup enables GPU acceleration, crucial for intensive tasks like deep learning model training and inference. For more information, visit the Ultralytics installation guide.
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：
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：
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：
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。
