Conda로 Ultralytics YOLO 설치하는 방법#

이 가이드에서는 Ultralytics 프로젝트를 위한 Conda 환경을 설정하는 방법을 안내합니다. Conda는 패키지와 환경을 관리하는 오픈소스 시스템으로, 패키지와 종속성을 설치할 때 pip를 대신할 수 있는 훌륭한 도구입니다. 격리된 환경을 제공하므로 데이터 과학 및 머신러닝 작업에 특히 적합합니다. 자세한 내용은 Anaconda의 Ultralytics Conda 패키지를 확인하고, 패키지 업데이트는 GitHub의 Ultralytics feedstock 저장소를 살펴보세요.

이 가이드에서는 Ultralytics 환경을 만드는 방법, 추론 실행 방법, Conda Docker 이미지 사용 방법, libmamba로 설치 속도를 높이는 방법을 다룹니다.

사전 요구 사항#

시스템에 Anaconda 또는 Miniconda가 설치되어 있어야 합니다. 설치되어 있지 않다면 Anaconda 또는 Miniconda에서 다운로드해 설치하세요.

Ultralytics 설치#

conda-forge 채널에서 Ultralytics를 사용해 새 Conda 환경을 만든 다음 활성화합니다. conda가 현재 호환되는 버전을 함께 확인할 수 있도록 같은 명령에서 Python, Ultralytics, torchvision(conda-forge 패키지의 종속 항목이 아님)을 설치합니다:

conda create --name ultralytics-env -c conda-forge python=3.11 ultralytics torchvision -y
conda activate ultralytics-env

conda create --name ultralytics-env -c conda-forge python=3.11 ultralytics torchvision pytorch-gpu -y
conda activate ultralytics-env

ROCm 환경에 관한 참고 사항(AMD GPU, Linux)#

ROCm을 사용해 Linux에서 AMD GPU 가속을 이용하는 경우, PyTorch ROCm 휠은 Conda에서 제공되지 않으므로 pip로 설치해야 합니다. 격리를 위해 Conda 환경을 사용한 다음 pip로 PyTorch ROCm과 Ultralytics를 설치하세요:

conda create --name ultralytics-rocm python=3.12 -y
conda activate ultralytics-rocm
pip install "torch[device-all]" "torchvision[device-all]" --index-url https://stable.repo.amd.com/rocm/whl-next/
pip install ultralytics

지원되는 ROCm 버전은 PyTorch 시작하기 페이지에서 확인하고, MIGraphX 추론 설정은 AMD GPU 가이드를 참조하세요. 이 설정을 사용하려면 Linux x86_64에서 Python 3.11 이상이 필요합니다.

Ultralytics 사용하기#

Ultralytics 설치가 완료되면 객체 탐지, 인스턴스 세그멘테이션 등을 위한 강력한 기능을 사용할 수 있습니다. 예를 들어 이미지에 대한 예측을 실행하려면 다음 명령을 사용하세요:

from ultralytics import YOLO

model = YOLO("yolo26n.pt")  # 모델 초기화
results = model("path/to/image.jpg")  # 추론 수행
results[0].show()  # 첫 번째 이미지의 결과 표시

Ultralytics Conda Docker 이미지#

Conda Dockerfile은 conda-forge PyTorch 2.13, torchvision 0.28, CUDA 13.0을 사용합니다. conda-forge 릴리스는 표준 GPU 이미지에서 사용하는 PyTorch pip 릴리스보다 늦게 제공될 수 있습니다. latest-conda의 자동 게시가 비활성화되어 있으므로 최신 이미지를 로컬에서 빌드하세요:

git clone https://github.com/ultralytics/ultralytics
cd ultralytics
t=ultralytics-conda:local
sudo docker build -f docker/Dockerfile-conda -t $t .

이미지를 실행합니다:

# Run the Ultralytics image in a container with GPU support
sudo docker run -it --ipc=host --device nvidia.com/gpu=all $t                         # all GPUs
sudo docker run -it --ipc=host --device nvidia.com/gpu=2 --device nvidia.com/gpu=3 $t # specify GPUs

Linux에서 CDI 디바이스 요청을 사용하려면 Docker >= 28.2.0 및 NVIDIA Container Toolkit >= 1.18이 필요합니다. 기존 --gpus all 플래그를 사용하면 호스트 데몬을 다시 로드한 후 GPU에 액세스하지 못할 수 있으므로, 구형 Linux 호스트를 업그레이드하고 대신 --device을 사용하세요. 자세한 내용은 Docker 빠른 시작 가이드를 참조하세요.

Libmamba로 설치 속도 높이기#

libmamba은 Conda의 기존 solver를 대체하는 빠르고 크로스 플랫폼을 지원하며 종속성을 인식하는 solver입니다. Conda 23.10 이상에서는 이미 libmamba를 기본 solver로 사용하므로 대부분의 설치에서 별도의 설정 없이도 더 빠르게 작동합니다.

이전 버전의 Conda를 사용 중이라면 libmamba을 수동으로 활성화할 수 있습니다.

1. 먼저 conda-libmamba-solver 패키지를 설치합니다.

   conda install conda-libmamba-solver

2. 다음으로 Conda가 libmamba을 solver로 사용하도록 설정합니다.

   conda config --set solver libmamba

Conda 환경 설정과 Ultralytics 패키지 설치를 완료했으며, 이제 기능을 살펴볼 준비가 되었습니다. 고급 튜토리얼과 예제는 Ultralytics 문서를 참조하세요.

자주 묻는 질문#