Ultralytics용 Conda 빠른 시작 가이드

Q: What is the process for setting up a Conda environment for Ultralytics projects?

Ultralytics 프로젝트를 위한 Conda 환경을 설정하는 것은 간단하며 원활한 패키지 관리를 보장합니다. 먼저 다음 명령을 사용하여 새 Conda 환경을 만듭니다. 그런 다음 다음을 사용하여 새 환경을 활성화합니다. 마지막으로 conda-forge 채널에서 Ultralytics를 설치합니다.

Q: Can I use Ultralytics YOLO in a CUDA-enabled environment for faster performance?

예, CUDA 지원 환경을 활용하여 성능을 향상시킬 수 있습니다. 충돌을 피하기 위해 ultralytics, pytorch 및 pytorch-cuda를 함께 설치해야 합니다. 이 설정은 딥 러닝 모델 학습 및 추론과 같은 집중적인 작업에 중요한 GPU 가속을 활성화합니다. 자세한 내용은 Ultralytics 설치 가이드를 참조하십시오.

Q: How can I speed up Conda package installation in my Ultralytics environment?

Conda용 빠른 종속성 해결사인 libmamba를 사용하여 패키지 설치 프로세스 속도를 높일 수 있습니다. 먼저 conda-libmamba-solver 패키지를 설치합니다. 그런 다음 libmamba를 해결사로 사용하도록 Conda를 구성합니다. 이 설정은 더 빠르고 효율적인 패키지 관리를 제공합니다. 환경 최적화에 대한 더 많은 팁은 libmamba 설치에 대해 읽어보십시오.

Ultralytics Conda 패키지 시각화

이 가이드는 Ultralytics 프로젝트를 위한 Conda 환경 설정에 대한 포괄적인 소개를 제공합니다. Conda는 패키지 및 종속성 설치를 위해 pip에 대한 훌륭한 대안을 제공하는 오픈 소스 패키지 및 환경 관리 시스템입니다. 격리된 환경은 데이터 과학 및 머신 러닝 작업에 특히 적합합니다. 자세한 내용은 Anaconda의 Ultralytics Conda 패키지를 방문하고 GitHub에서 패키지 업데이트를 위한 Ultralytics feedstock 저장소를 확인하십시오.

학습 내용

Conda 환경 설정
Conda를 통해 Ultralytics 설치
환경에서 Ultralytics 초기화
Conda와 함께 Ultralytics Docker 이미지 사용

필수 조건

시스템에 Anaconda 또는 Miniconda가 설치되어 있어야 합니다. 그렇지 않은 경우 Anaconda 또는 Miniconda에서 다운로드하여 설치하십시오.

Conda 환경 설정

먼저 새 Conda 환경을 만들어 보겠습니다. 터미널을 열고 다음 명령을 실행합니다:

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

새 환경을 활성화합니다:

conda activate ultralytics-env

Ultralytics 설치

conda-forge 채널에서 Ultralytics 패키지를 설치할 수 있습니다. 다음 명령을 실행합니다:

conda install -c conda-forge ultralytics

CUDA 환경 관련 참고 사항

CUDA 지원 환경에서 작업하는 경우 다음을 설치하는 것이 좋습니다. ultralytics, pytorch및 pytorch-cuda 충돌을 해결하기 위해 함께 설치합니다.

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

Ultralytics 사용하기

Ultralytics가 설치되면 이제 객체 감지, 인스턴스 분할 등을 위한 강력한 기능을 사용할 수 있습니다. 예를 들어 이미지를 예측하려면 다음을 실행할 수 있습니다.

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 이미지

Docker 사용을 선호하는 경우 Ultralytics는 Conda 환경이 포함된 Docker 이미지를 제공합니다. DockerHub에서 이러한 이미지를 가져올 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

이미지 실행:

# 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

Libmamba를 사용하여 설치 속도 향상

만약 당신이 다음을 찾고 있다면, 패키지 설치 속도를 향상시키려면 Conda에서 패키지 설치 프로세스 속도를 높이려면 다음을 사용하는 것이 좋습니다. libmamba, Conda의 기본 솔버에 대한 대안으로 사용되는 빠르고, 크로스 플랫폼이며, 종속성을 고려하는 패키지 관리자입니다.

Libmamba 활성화 방법

Conda의 솔버로 libmamba 를 활성화하려면 다음 단계를 수행하십시오.

먼저, conda-libmamba-solver 패키지를 설치합니다. Conda 버전이 4.11 이상인 경우 기본적으로 libmamba 가 포함되어 있으므로 이 단계를 건너뛸 수 있습니다.
```
conda install conda-libmamba-solver
```
다음으로, Conda가 libmamba 를 솔버로 사용하도록 구성합니다:
```
conda config --set solver libmamba
```

이것으로 끝입니다! 이제 Conda 설치 시 libmamba 가 솔버로 사용되어 패키지 설치 프로세스 속도가 빨라집니다.

축하합니다! Conda 환경을 성공적으로 설정하고 Ultralytics 패키지를 설치했으며 이제 다양한 기능을 탐색할 준비가 되었습니다. 더 자세한 튜토리얼 및 예제는 Ultralytics 문서를 참조하십시오.

FAQ

Ultralytics 프로젝트를 위한 Conda 환경 설정 프로세스는 무엇입니까?

Ultralytics 프로젝트를 위한 Conda 환경 설정은 간단하며 원활한 패키지 관리를 보장합니다. 먼저 다음 명령을 사용하여 새 Conda 환경을 만듭니다.

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

그런 다음 다음 명령으로 새 환경을 활성화합니다.

conda activate ultralytics-env

마지막으로 conda-forge 채널에서 Ultralytics를 설치합니다.

conda install -c conda-forge ultralytics

Ultralytics 프로젝트에서 종속성 관리를 위해 pip 대신 Conda를 사용해야 하는 이유는 무엇입니까?

Conda는 pip보다 여러 가지 장점을 제공하는 강력한 패키지 및 환경 관리 시스템입니다. 종속성을 효율적으로 관리하고 필요한 모든 라이브러리가 호환되는지 확인합니다. Conda의 격리된 환경은 패키지 간의 충돌을 방지하며, 이는 데이터 과학 및 머신 러닝 프로젝트에서 매우 중요합니다. 또한 Conda는 바이너리 패키지 배포를 지원하여 설치 프로세스 속도를 향상시킵니다.

더 빠른 성능을 위해 CUDA 지원 환경에서 Ultralytics YOLO를 사용할 수 있습니까?

예, CUDA 지원 환경을 활용하여 성능을 향상시킬 수 있습니다. 충돌을 피하기 위해 ultralytics, pytorch및 pytorch-cuda 를 함께 설치해야 합니다.

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

이 설정은 딥 러닝 모델 학습 및 추론과 같은 집중적인 작업에 중요한 GPU 가속을 활성화합니다. 자세한 내용은 Ultralytics 설치 가이드를 참조하십시오.

Conda 환경에서 Ultralytics Docker 이미지를 사용하면 어떤 이점이 있습니까?

Ultralytics Docker 이미지를 사용하면 일관되고 재현 가능한 환경을 보장하여 "내 컴퓨터에서는 작동한다" 문제를 제거합니다. 이러한 이미지에는 사전 구성된 Conda 환경이 포함되어 있어 설정 프로세스가 간소화됩니다. 다음 명령을 사용하여 최신 Ultralytics Docker 이미지를 가져와 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