Conda 빠른 시작 가이드 Ultralytics
This guide provides a comprehensive introduction to setting up a Conda environment for your Ultralytics projects. Conda is an open-source package and environment management system that offers an excellent alternative to pip for installing packages and dependencies. Its isolated environments make it particularly well-suited for data science and machine learning endeavors. For more details, visit the Ultralytics Conda package on Anaconda and check out the Ultralytics feedstock repository for package updates on GitHub.
학습 내용
- Conda 환경 설정
- Conda를 통해 Ultralytics 설치
- 사용자 환경에서 Ultralytics 초기화하기
- Conda와 함께 Ultralytics Docker 이미지 사용
전제 조건
- 시스템에 Anaconda 또는 Miniconda가 설치되어 있어야 합니다. 설치되어 있지 않은 경우 Anaconda 또는 Miniconda에서 다운로드하여 설치합니다.
Conda 환경 설정
먼저 새 Conda 환경을 만들어 보겠습니다. 터미널을 열고 다음 명령을 실행합니다:
새 환경을 활성화합니다:
설치 Ultralytics
Ultralytics 패키지는 conda-forge 채널에서 설치할 수 있습니다. 다음 명령을 실행합니다:
참고 사항 CUDA 환경
CUDA- 지원 환경에서 작업하는 경우 다음을 설치하는 것이 좋습니다. ultralytics, pytorch및 pytorch-cuda 갈등을 해결하기 위해 함께 노력합니다:
사용 Ultralytics
With Ultralytics installed, you can now start using its robust features for object detection, instance segmentation, and more. For example, to predict an image, you can run:
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 콘다 도커 이미지
Docker를 사용하는 것을 선호하는 경우 Ultralytics 에서 Conda 환경이 포함된 Docker 이미지를 제공합니다. 이러한 이미지는 DockerHub에서 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
이미지를 실행합니다:
# 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
Libmamba로 설치 속도 향상
다음과 같은 경우 패키지 설치 속도 향상 프로세스를 사용하도록 선택할 수 있습니다. libmamba는 빠르고 크로스 플랫폼이며 종속성을 인식하는 패키지 관리자로, Conda의 기본값을 대체할 수 있는 해결사 역할을 합니다.
Libmamba를 활성화하는 방법
사용하려면 libmamba 를 Conda의 솔버로 사용하면 다음 단계를 수행할 수 있습니다:
먼저
conda-libmamba-solver패키지를 추가합니다. Conda 버전이 4.11 이상인 경우 다음과 같이 이 단계를 건너뛸 수 있습니다.libmamba는 기본적으로 포함되어 있습니다.다음으로 다음을 사용하도록 Conda를 구성합니다.
libmamba를 해결사로 지정합니다:
여기까지입니다! 이제 Conda 설치는 다음을 사용합니다. libmamba 를 솔버로 사용하면 패키지 설치 프로세스가 더 빨라집니다.
축하합니다! 이제 콘다 환경을 성공적으로 설정하고 Ultralytics 패키지를 설치했으며 다양한 기능을 살펴볼 준비가 되었습니다. Ultralytics 문서에서 고급 튜토리얼과 예제를 자세히 살펴보세요.
자주 묻는 질문
Ultralytics 프로젝트를 위한 Conda 환경 설정 절차는 어떻게 되나요?
Ultralytics 프로젝트를 위한 Conda 환경 설정은 간단하며 원활한 패키지 관리를 보장합니다. 먼저 다음 명령을 사용하여 새 Conda 환경을 만듭니다:
그런 다음 다음을 사용하여 새 환경을 활성화합니다:
마지막으로 콘다-포지 채널에서 Ultralytics 을 설치합니다:
Ultralytics 프로젝트에서 종속성을 관리할 때 pip보다 Conda를 사용해야 하는 이유는 무엇인가요?
Conda는 강력한 패키지 및 환경 관리 시스템으로 pip에 비해 여러 가지 장점을 제공합니다. 종속성을 효율적으로 관리하고 필요한 모든 라이브러리가 호환되도록 보장합니다. Conda의 격리된 환경은 데이터 과학 및 머신 러닝 프로젝트에서 매우 중요한 패키지 간의 충돌을 방지합니다. 또한, Conda는 바이너리 패키지 배포를 지원하여 설치 프로세스의 속도를 높입니다.
더 빠른 성능을 위해 CUDA 지원 환경에서 Ultralytics YOLO 을 사용할 수 있나요?
예, CUDA 지원 환경을 활용하여 성능을 향상시킬 수 있습니다. 다음을 설치해야 합니다. ultralytics, pytorch및 pytorch-cuda 를 함께 사용하여 충돌을 방지합니다:
This setup enables GPU acceleration, crucial for intensive tasks like deep learning model training and inference. For more information, visit the Ultralytics installation guide.
Conda 환경에서 Ultralytics Docker 이미지를 사용하면 어떤 이점이 있나요?
Ultralytics 도커 이미지를 사용하면 일관되고 재현 가능한 환경을 보장하여 "내 컴퓨터에서 작동한다"는 문제를 없앨 수 있습니다. 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 --gpus all ultralytics/ultralytics:latest-conda
이 접근 방식은 프로덕션 환경에서 애플리케이션을 배포하거나 수동 구성 없이 복잡한 워크플로를 실행하는 데 이상적입니다. 자세히 알아보기 Ultralytics Conda 도커 이미지.
Ultralytics 환경에서 Conda 패키지 설치 속도를 높이려면 어떻게 해야 하나요?
다음을 사용하여 패키지 설치 프로세스의 속도를 높일 수 있습니다. libmamba의 빠른 종속성 해결사 입니다. 먼저 conda-libmamba-solver 패키지입니다:
그런 다음 다음을 사용하도록 Conda를 구성합니다. libmamba 를 해결사로 지정합니다:
이 설정은 더 빠르고 효율적인 패키지 관리를 제공합니다. 환경 최적화에 대한 자세한 팁은 libmamba 설치에 대한 도움말을 참조하세요.
