クイックスタート

インストールUltralytics

Ultralytics はpip、conda、Dockerを含む様々なインストール方法を提供している。YOLO 。 ultralytics 最新の安定版リリースの pip パッケージ、または Ultralytics GitHubリポジトリ で最新版を入手できる。Dockerを使用すると、隔離されたコンテナ内でパッケージを実行できるため、ローカルでのインストールを回避できる。

見るんだ： Ultralytics YOLO クイックスタートガイド

# Install the ultralytics package from PyPI
pip install ultralytics

# Install the ultralytics package from GitHub
pip install git+https://github.com/ultralytics/ultralytics.git@main

# Install the ultralytics package using conda
conda install -c conda-forge ultralytics

# Install all packages together using conda
conda install -c pytorch -c nvidia -c conda-forge pytorch torchvision pytorch-cuda=11.8 ultralytics

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

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

# 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

# Clone the ultralytics repository
git clone https://github.com/ultralytics/ultralytics

# Navigate to the cloned directory
cd ultralytics

# Install the package in editable mode for development
pip install -e .

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

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

# 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

# Mount local directory to a directory inside the container
sudo docker run -it --ipc=host --gpus all -v /path/on/host:/path/in/container $t

参照 ultralytics pyproject.toml ファイルを参照のこと。上記のすべての例は、必要な依存関係をすべてインストールすることに注意してください。

Ultralytics 。CLI

Ultralytics コマンドラインインターフェイス(CLI)は、Python 環境を必要とせず、シンプルなシングルラインコマンドを可能にする。CLI カスタマイズやPython コードは必要ない。単純にターミナルから yolo コマンドをチェックしてください。 CLI ガイド コマンドラインからYOLO 。

yolo TASK MODE ARGS

yolo train data=coco8.yaml model=yolo11n.pt epochs=10 lr0=0.01

yolo predict model=yolo11n-seg.pt source='https://youtu.be/LNwODJXcvt4' imgsz=320

yolo val model=yolo11n.pt data=coco8.yaml batch=1 imgsz=640

yolo export model=yolo11n-cls.pt format=onnx imgsz=224,128

yolo help
yolo checks
yolo version
yolo settings
yolo copy-cfg
yolo cfg

CLI ガイド

Ultralytics 。Python

YOLOのPython インタフェースは、Python プロジェクトへのシームレスな統合を可能にし、モデルの出力のロード、実行、処理を容易にします。シンプルさと使いやすさを念頭に設計されたPython インターフェイスにより、ユーザーはオブジェクト検出、セグメンテーション、分類をプロジェクトにすばやく実装できます。このため、YOLO のPython インターフェースは、これらの機能をPython プロジェクトに取り入れたいと考えている人にとって、非常に貴重なツールとなっています。

例えば、わずか数行のコードで、モデルをロードし、トレーニングし、検証セットでそのパフォーマンスを評価し、ONNX フォーマットにエクスポートすることもできる。Python プロジェクト内でのYOLO の使用については、Python ガイドをご覧ください。

from ultralytics import YOLO

# Create a new YOLO model from scratch
model = YOLO("yolo11n.yaml")

# Load a pretrained YOLO model (recommended for training)
model = YOLO("yolo11n.pt")

# Train the model using the 'coco8.yaml' dataset for 3 epochs
results = model.train(data="coco8.yaml", epochs=3)

# Evaluate the model's performance on the validation set
results = model.val()

# Perform object detection on an image using the model
results = model("https://ultralytics.com/images/bus.jpg")

# Export the model to ONNX format
success = model.export(format="onnx")

Python ガイド

Ultralytics 設定

Ultralytics ライブラリは、実験のきめ細かな制御を可能にする強力な設定管理システムを提供する。このシステムは SettingsManager に収容されている。 ultralytics.utils モジュールを使用すると、ユーザーは簡単に自分の設定にアクセスし、変更することができます。これらの設定は、環境ユーザー設定ディレクトリのJSONファイルに保存され、Python 環境内で直接、またはコマンドラインインターフェイス(CLI)を介して表示または変更することができます。

設定の検査

現在の設定を把握するために、設定を直接見ることができます：

from ultralytics import settings

# View all settings
print(settings)

# Return a specific setting
value = settings["runs_dir"]

yolo settings

設定の変更

Ultralytics を使用すると、ユーザーは簡単に設定を変更できます。変更は以下の方法で行うことができる：

from ultralytics import settings

# Update a setting
settings.update({"runs_dir": "/path/to/runs"})

# Update multiple settings
settings.update({"runs_dir": "/path/to/runs", "tensorboard": False})

# Reset settings to default values
settings.reset()

# Update a setting
yolo settings runs_dir='/path/to/runs'

# Update multiple settings
yolo settings runs_dir='/path/to/runs' tensorboard=False

# Reset settings to default values
yolo settings reset

設定を理解する

以下の表は、Ultralytics 内で調整可能な設定の概要です。各設定は、値の例、データタイプ、簡単な説明とともに概説されています。

プロジェクトや実験を進める中で、これらの設定があなたのニーズに合わせて最適に構成されていることを確認するために、必ずこれらの設定を再確認してください。

よくあるご質問

pip を使ってUltralytics をインストールするには？

Ultralytics 、pipでインストールするには、以下のコマンドを実行する：

pip install ultralytics

最新の安定版リリースでは ultralytics パッケージをPython Package Index (PyPI) から直接入手してください。詳細は ultralytics パッケージ.

あるいは、GitHubから最新の開発版を直接インストールすることもできる：

pip install git+https://github.com/ultralytics/ultralytics.git

システムにGitコマンドラインツールがインストールされていることを確認してください。

conda を使ってUltralytics YOLO をインストールできますか？

はい、condaを使ってUltralytics YOLO をインストールすることができます：

conda install -c conda-forge ultralytics

この方法はpipに代わる優れた方法であり、あなたの環境の他のパッケージとの互換性を保証します。CUDA 。 ultralytics, pytorchそして pytorch-cuda 同時に、あらゆるコンフリクトを解決する：

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

詳しい説明はコンダのクイックスタートガイドをご覧下さい。

Ultralytics YOLO を実行するためにDockerを使用する利点は何ですか？

Ultralytics YOLO の実行にDockerを使用することで、分離された一貫性のある環境が提供され、異なるシステム間でスムーズなパフォーマンスが保証されます。また、ローカルインストールの複雑さも解消されます。Ultralytics の公式DockerイメージはDocker Hubで入手可能で、GPU 、CPU 、ARM64、NVIDIA Jetson、Conda環境用に調整されたさまざまなバリエーションがある。以下は、最新のイメージをプルして実行するためのコマンドです：

# Pull the latest ultralytics image from Docker Hub
sudo docker pull ultralytics/ultralytics:latest

# Run the ultralytics image in a container with GPU support
sudo docker run -it --ipc=host --gpus all ultralytics/ultralytics:latest

より詳しいDockerの説明は、Dockerクイックスタートガイドをご覧ください。

開発用にUltralytics リポジトリをクローンするには？

Ultralytics リポジトリをクローンし、開発環境をセットアップするには、以下の手順を使用する：

# Clone the ultralytics repository
git clone https://github.com/ultralytics/ultralytics

# Navigate to the cloned directory
cd ultralytics

# Install the package in editable mode for development
pip install -e .

この方法によって、プロジェクトに貢献したり、最新のソースコードで実験したりすることができる。詳細については、Ultralytics GitHubリポジトリをご覧ください。

なぜUltralytics YOLO CLI を使うべきなのか？

Ultralytics YOLO コマンドラインインターフェイス(CLI)は、Python コードを必要とせず、オブジェクト検出タスクの実行を簡素化します。ターミナルから直接、トレーニング、検証、予測などのタスクのための単一行コマンドを実行することができます。基本的な構文は yolo コマンドはそうだ：

yolo TASK MODE ARGS

例えば、指定したパラメータで検出モデルを訓練する：

yolo train data=coco8.yaml model=yolo11n.pt epochs=10 lr0=0.01

より多くのコマンドや使用例を調べるには、CLI ガイドをご覧ください。

📅作成：1年前 ✏️更新 14日前

コメント