Ultralytics를 위한 Conda 퀵스타트 가이드
이 가이드는 Ultralytics 프로젝트를 위한 Conda 환경 설정에 대한 포괄적인 소개를 제공합니다. Conda는 오픈 소스 패키지 및 환경 관리 시스템으로, 패키지 및 종속성 설치 시 pip의 훌륭한 대안이 됩니다. Conda의 격리된 환경은 데이터 과학 및 머신 러닝 작업에 특히 적합합니다. 더 자세한 내용은 Anaconda의 Ultralytics Conda 패키지를 방문하거나 GitHub에서 패키지 업데이트를 위한 Ultralytics 피드스톡 저장소를 확인하십시오.
학습 내용
- Conda 환경 설정하기
- Conda를 통한 Ultralytics 설치
- 환경 내에서 Ultralytics 초기화
- Conda와 함께 Ultralytics Docker 이미지 사용하기
사전 요구 사항
Conda 환경 설정하기
먼저 새로운 Conda 환경을 생성하겠습니다. 터미널을 열고 다음 명령어를 실행하십시오:
conda create --name ultralytics-env python=3.11 -y새 환경을 활성화하십시오:
conda activate ultralytics-envUltralytics 설치
conda-forge 채널에서 Ultralytics 패키지를 설치할 수 있습니다. 다음 명령어를 실행하십시오:
conda install -c conda-forge ultralyticsCUDA 환경에 대한 참고 사항
CUDA가 활성화된 환경에서 작업하는 경우 충돌을 방지하기 위해 ultralytics, pytorch, pytorch-cuda를 함께 설치하는 것이 좋습니다:
conda install -c pytorch -c nvidia -c conda-forge pytorch torchvision pytorch-cuda=11.8 ultralyticsUltralytics 사용
Ultralytics가 설치되면 이제 객체 탐지, 인스턴스 세그멘테이션 등 강력한 기능을 사용할 수 있습니다. 예를 들어 이미지를 예측하려면 다음을 실행하면 됩니다:
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 이미지
Docker 사용을 선호하는 경우, Ultralytics는 Conda 환경이 포함된 Docker 이미지를 제공합니다. DockerHub에서 이러한 이미지를 가져올(pull) 수 있습니다.
최신 Ultralytics 이미지를 가져오십시오:
# Set image name as a variable
t=ultralytics/ultralytics:latest-conda
# Pull the latest Ultralytics image from Docker Hub
sudo docker pull $t이미지를 실행하십시오:
# 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 GPUsLibmamba를 사용한 설치 속도 향상
Conda에서 패키지 설치 과정의 속도를 높이려면 Conda의 기본 솔버를 대체하는 빠르고 플랫폼 간 호환이 가능하며 종속성을 인식하는 패키지 관리자인 libmamba 사용을 선택할 수 있습니다.
Libmamba 활성화 방법
Conda의 솔버로 libmamba를 활성화하려면 다음 단계를 수행하십시오:
-
먼저
conda-libmamba-solver패키지를 설치하십시오. Conda 버전이 4.11 이상인 경우libmamba가 기본적으로 포함되어 있으므로 이 단계는 건너뛸 수 있습니다.conda install conda-libmamba-solver -
다음으로
libmamba를 솔버로 사용하도록 Conda를 구성하십시오:conda config --set solver libmamba
이제 완료되었습니다! 이제 Conda 설치 시 libmamba가 솔버로 사용되어 패키지 설치 과정이 더 빨라질 것입니다.
성공적으로 Conda 환경을 설정하고 Ultralytics 패키지를 설치했으며 이제 해당 기능을 탐색할 준비가 되었습니다. 더 고급 튜토리얼 및 예제는 Ultralytics 문서를 참조하십시오.
FAQ
Ultralytics 프로젝트를 위한 Conda 환경 설정 과정은 어떻게 됩니까?
Ultralytics 프로젝트를 위한 Conda 환경 설정은 간단하며 원활한 패키지 관리를 보장합니다. 먼저 다음 명령어를 사용하여 새로운 Conda 환경을 생성하십시오:
conda create --name ultralytics-env python=3.11 -y그런 다음 다음 명령어로 새 환경을 활성화하십시오:
conda activate ultralytics-env마지막으로 conda-forge 채널에서 Ultralytics를 설치하십시오:
conda install -c conda-forge ultralyticsUltralytics 프로젝트에서 종속성을 관리할 때 pip보다 Conda를 사용해야 하는 이유는 무엇입니까?
Conda는 pip보다 몇 가지 장점을 제공하는 강력한 패키지 및 환경 관리 시스템입니다. 종속성을 효율적으로 관리하며 필요한 모든 라이브러리가 호환되도록 합니다. Conda의 격리된 환경은 데이터 과학 및 머신 러닝 프로젝트에서 매우 중요한 패키지 간의 충돌을 방지합니다. 또한 Conda는 바이너리 패키지 배포를 지원하여 설치 과정을 가속화합니다.
더 빠른 성능을 위해 CUDA 활성화 환경에서 Ultralytics YOLO를 사용할 수 있습니까?
예, CUDA 활성화 환경을 활용하여 성능을 향상시킬 수 있습니다. 충돌을 방지하기 위해 ultralytics, pytorch, pytorch-cuda를 함께 설치하십시오:
conda install -c pytorch -c nvidia -c conda-forge pytorch torchvision pytorch-cuda=11.8 ultralytics이 설정은 딥러닝 모델 학습 및 추론과 같은 집약적인 작업에 필수적인 GPU 가속을 활성화합니다. 자세한 내용은 Ultralytics 설치 가이드를 방문하십시오.
Conda 환경에서 Ultralytics Docker 이미지를 사용하면 어떤 이점이 있습니까?
Ultralytics Docker 이미지를 사용하면 "내 컴퓨터에서는 작동하는데"와 같은 문제를 제거하여 일관되고 재현 가능한 환경을 보장합니다. 이러한 이미지에는 사전 구성된 Conda 환경이 포함되어 있어 설정 과정이 간소화됩니다. 다음 명령어를 사용하여 최신 Ultralytics Docker 이미지를 가져와서 실행할 수 있습니다:
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 GPUs이 방식은 프로덕션 환경에 애플리케이션을 배포하거나 수동 구성 없이 복잡한 워크플로우를 실행하는 데 이상적입니다. Ultralytics Conda Docker 이미지에 대해 자세히 알아보십시오.
Ultralytics 환경에서 Conda 패키지 설치 속도를 높이려면 어떻게 해야 합니까?
Conda용 고속 종속성 솔버인 libmamba를 사용하여 패키지 설치 과정을 가속화할 수 있습니다. 먼저 conda-libmamba-solver 패키지를 설치하십시오:
conda install conda-libmamba-solver그런 다음 libmamba를 솔버로 사용하도록 Conda를 구성하십시오:
conda config --set solver libmamba이 설정은 더 빠르고 효율적인 패키지 관리를 제공합니다. 환경 최적화에 대한 추가 팁은 libmamba 설치에 대해 읽어보십시오.