Link to this sectionConda를 사용하여 Ultralytics YOLO 설치하는 방법#

이 가이드는 Ultralytics 프로젝트를 위한 Conda 환경 설정 과정을 안내합니다. Conda는 오픈 소스 패키지 및 환경 관리 시스템으로, 패키지와 종속성을 설치할 때 pip를 대체할 수 있는 훌륭한 도구입니다. Conda의 격리된 환경은 데이터 과학 및 머신 러닝 작업에 특히 적합합니다. 자세한 내용은 Anaconda의 Ultralytics Conda 패키지를 참조하고, GitHub에서 패키지 업데이트를 위한 Ultralytics 피드스톡 저장소를 확인하십시오.

이 가이드에서는 환경 생성, Ultralytics 설치, 추론 실행, Conda Docker 이미지 사용 및 libmamba를 사용한 설치 속도 향상 방법을 다룹니다.

Link to this section사전 요구 사항#

시스템에 Anaconda 또는 Miniconda가 설치되어 있어야 합니다. 설치되어 있지 않다면 Anaconda 또는 Miniconda에서 다운로드하여 설치하십시오.

Link to this sectionConda 환경 설정하기#

먼저 새로운 Conda 환경을 생성합니다. 터미널을 열고 다음 명령어를 실행하십시오:

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

새로운 환경을 활성화합니다:

conda activate ultralytics-env

Link to this sectionUltralytics 설치하기#

conda-forge 채널에서 Ultralytics 패키지를 설치할 수 있습니다. 다음 명령어를 실행하십시오:

conda install -c conda-forge ultralytics

conda install -c pytorch -c nvidia -c conda-forge pytorch torchvision pytorch-cuda=12.1 ultralytics

Link to this sectionUltralytics 사용하기#

Ultralytics가 설치되면 객체 탐지, 인스턴스 분할 등 다양한 강력한 기능을 사용할 수 있습니다. 예를 들어, 이미지를 예측하려면 다음을 실행할 수 있습니다:

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 image

Link to this sectionUltralytics Conda Docker 이미지#

Docker 사용을 선호하는 경우, Ultralytics는 Conda 환경이 포함된 Docker 이미지를 제공합니다. DockerHub에서 해당 이미지를 가져올(pull) 수 있습니다.

최신 Ultralytics 이미지를 가져옵니다:

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

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

이미지를 실행합니다:

# 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 GPUs

Link to this sectionLibmamba를 사용한 설치 속도 향상#

libmamba는 Conda의 기존 솔버를 대체하는 빠르고 교차 플랫폼을 지원하며 종속성을 인식하는 솔버입니다. Conda 23.10 이상 버전은 이미 libmamba를 기본 솔버로 사용하므로 대부분의 설치가 즉시 더 빠르게 수행됩니다.

이전 Conda 버전을 사용하는 경우 수동으로 libmamba를 활성화할 수 있습니다:

1. 먼저 conda-libmamba-solver 패키지를 설치합니다:

   conda install conda-libmamba-solver

2. 다음으로, Conda가 libmamba를 솔버로 사용하도록 설정합니다:

   conda config --set solver libmamba

Conda 환경을 성공적으로 설정하고 Ultralytics 패키지를 설치했으며 이제 해당 기능을 탐색할 준비가 되었습니다. 더 자세한 튜토리얼과 예제는 Ultralytics 문서를 참조하십시오.

Link to this sectionFAQ#

Link to this sectionUltralytics 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 -y

그런 다음 다음 명령어로 새 환경을 활성화합니다:

conda activate ultralytics-env

마지막으로, conda-forge 채널에서 Ultralytics를 설치합니다:

conda install -c conda-forge ultralytics

Link to this sectionUltralytics 프로젝트에서 종속성 관리를 위해 pip 대신 Conda를 사용해야 하는 이유는 무엇입니까?#

Conda는 pip보다 몇 가지 장점을 제공하는 강력한 패키지 및 환경 관리 시스템입니다. 종속성을 효율적으로 관리하며 필요한 모든 라이브러리가 호환되도록 보장합니다. Conda의 격리된 환경은 데이터 과학 및 머신 러닝 프로젝트에서 필수적인 패키지 간의 충돌을 방지합니다. 또한, Conda는 바이너리 패키지 배포를 지원하여 설치 프로세스 속도를 높입니다.

Link to this section더 빠른 성능을 위해 CUDA 지원 환경에서 Ultralytics YOLO를 사용할 수 있습니까?#

네, CUDA 지원 환경을 활용하여 성능을 향상할 수 있습니다. 충돌을 방지하기 위해 ultralytics, pytorch, pytorch-cuda를 함께 설치하십시오:

conda install -c pytorch -c nvidia -c conda-forge pytorch torchvision pytorch-cuda=12.1 ultralytics

이 설정을 통해 딥러닝 모델 학습 및 추론과 같은 집약적인 작업에 필수적인 GPU 가속이 가능해집니다. 자세한 내용은 Ultralytics 설치 가이드를 방문하십시오.

Link to this sectionConda 환경이 포함된 Ultralytics Docker 이미지 사용의 이점은 무엇입니까?#

Ultralytics Docker 이미지를 사용하면 일관되고 재현 가능한 환경을 보장하여 "내 컴퓨터에서는 잘 되는데"와 같은 문제를 제거할 수 있습니다. 이러한 이미지에는 사전 구성된 Conda 환경이 포함되어 있어 설정 프로세스가 간소화됩니다. 다음 명령어로 최신 Ultralytics Docker 이미지를 가져오고 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 GPUs

이 접근 방식은 수동 구성 없이 프로덕션 환경에 애플리케이션을 배포하거나 복잡한 워크플로우를 실행하는 데 이상적입니다. Ultralytics Conda Docker 이미지에 대해 자세히 알아보십시오.

Link to this sectionUltralytics 환경에서 Conda 패키지 설치 속도를 어떻게 높일 수 있습니까?#

Conda 23.10 이상 버전은 기본적으로 빠른 libmamba 솔버를 사용합니다. 이전 Conda 버전에서는 먼저 conda-libmamba-solver 패키지를 설치하여 수동으로 활성화할 수 있습니다:

conda install conda-libmamba-solver

그런 다음 Conda가 libmamba를 솔버로 사용하도록 설정합니다:

conda config --set solver libmamba

이 설정은 더 빠르고 효율적인 패키지 관리를 제공합니다. 환경 최적화를 위한 더 많은 팁은 libmamba 설치 관련 내용을 읽어보십시오.