Link to this sectionUltralytics 설치#

Ultralytics는 pip, conda, Docker를 포함한 다양한 설치 방법을 제공합니다. 가장 최신 안정 버전을 사용하려면 ultralytics pip 패키지를 통해 YOLO를 설치하거나, 최신 개발 버전을 위해 Ultralytics GitHub 저장소를 클론(clone)하여 설치할 수 있습니다. Docker를 사용하면 격리된 컨테이너에서 패키지를 실행할 수 있어 로컬 설치 과정을 생략할 수 있습니다.

Watch: Ultralytics YOLO Quick Start Guide

설치

Install or update the ultralytics package using pip by running pip install -U ultralytics. For more details on the ultralytics package, visit the Python Package Index (PyPI).

# Install or upgrade the ultralytics package from PyPI
pip install -U ultralytics

ultralytics를 Ultralytics GitHub 저장소에서 직접 설치할 수도 있습니다. 이는 최신 개발 버전을 사용하려는 경우 유용합니다. Git 명령줄 도구가 설치되어 있는지 확인한 후 다음을 실행하십시오:

# Install the ultralytics package from GitHub
pip install git+https://github.com/ultralytics/ultralytics.git@main

의존성 목록은 ultralytics pyproject.toml 파일을 참조하십시오. 위의 모든 예제는 필요한 모든 의존성을 함께 설치합니다.

팁

PyTorch 요구 사항은 운영 체제 및 CUDA 요구 사항에 따라 다르므로, PyTorch의 안내에 따라 PyTorch를 먼저 설치하십시오.

PyTorch installation selector for different platforms

Link to this section헤드리스(Headless) 서버 설치#

For server environments without a display (e.g., cloud VMs, Docker containers, CI/CD pipelines), use the ultralytics-opencv-headless package. This is identical to the standard ultralytics package but depends on opencv-python-headless instead of opencv-python, avoiding unnecessary GUI dependencies and potential libGL errors.

헤드리스 설치

pip install ultralytics-opencv-headless

두 패키지 모두 동일한 기능과 API를 제공합니다. 헤드리스 변형은 단순히 디스플레이 라이브러리가 필요한 OpenCV의 GUI 구성 요소만 제외합니다.

Link to this section고급 설치#

표준 설치 방법으로 대부분의 사용 사례를 다룰 수 있지만, 개발이나 사용자 지정 구성을 위해 더 맞춤화된 설정이 필요할 수 있습니다.

고급 방법

지속적인 사용자 지정 수정이 필요한 경우, Ultralytics 저장소를 포크하고 pyproject.toml이나 다른 코드를 변경한 뒤 포크에서 설치할 수 있습니다.

Ultralytics GitHub 저장소를 본인의 GitHub 계정으로 포크하십시오.

본인의 포크를 로컬로 클론하십시오:

git clone https://github.com/YOUR_USERNAME/ultralytics.git
cd ultralytics

변경 사항을 위한 새 브랜치를 생성하십시오:
```
git checkout -b my-custom-branch
```
필요에 따라 pyproject.toml 또는 다른 파일을 수정하십시오.

변경 사항을 커밋 및 푸시하십시오:

git add .
git commit -m "My custom changes"
git push origin my-custom-branch

브랜치를 가리키는 git+https 구문을 사용하여 pip으로 설치하십시오:
```
pip install git+https://github.com/YOUR_USERNAME/ultralytics.git@my-custom-branch
```

Link to this sectionCLI와 함께 Ultralytics 사용#

Ultralytics 명령줄 인터페이스(CLI)를 사용하면 Python 환경 없이도 간단한 한 줄 명령어로 작업을 수행할 수 있습니다. CLI는 사용자 지정이나 Python 코드가 필요 없으며, 터미널에서 yolo 명령어로 모든 작업을 실행할 수 있습니다. 명령줄에서 YOLO를 사용하는 방법에 대한 자세한 내용은 CLI 가이드를 참조하십시오.

예시

Ultralytics yolo 명령어는 다음 문법을 따릅니다:

yolo TASK MODE ARGS

TASK(선택 사항)는 (detect, segment, semantic, classify, pose, obb) 중 하나입니다.
MODE(필수)는 (train, val, predict, export, track, benchmark) 중 하나입니다.
ARGS (optional) are arg=value pairs like imgsz=640 that override defaults.

모든 ARGS는 전체 Configuration Guide 또는 yolo cfg CLI 명령어를 통해 확인할 수 있습니다.

경고

Arguments must be passed as arg=value pairs, split by an equals = sign and delimited by spaces. Do not use -- argument prefixes or commas , between arguments.

yolo predict model=yolo26n.pt imgsz=640 conf=0.25 ✅
yolo predict model yolo26n.pt imgsz 640 conf 0.25 ❌ (= 누락)
yolo predict model=yolo26n.pt, imgsz=640, conf=0.25 ❌ (, 사용 금지)
yolo predict --model yolo26n.pt --imgsz 640 --conf 0.25 ❌ (-- 사용 금지)
yolo solution model=yolo26n.pt imgsz=640 conf=0.25 ❌ (use solutions, not solution)

CLI 가이드

Link to this sectionPython과 함께 Ultralytics 사용#

Ultralytics YOLO Python 인터페이스는 Python 프로젝트에 원활하게 통합되어 모델을 쉽게 로드, 실행 및 처리할 수 있도록 지원합니다. 단순성을 위해 설계된 Python 인터페이스를 통해 사용자는 객체 감지, 인스턴스 세그멘테이션, 시맨틱 세그멘테이션, 분류를 빠르게 구현할 수 있습니다. 이는 YOLO Python 인터페이스를 이러한 기능을 Python 프로젝트에 통합하기 위한 매우 가치 있는 도구로 만듭니다.

예를 들어, 몇 줄의 코드만으로 모델을 로드하고, 학습하고, 성능을 평가하며 ONNX 형식으로 내보낼 수 있습니다. Python 프로젝트 내에서 YOLO를 사용하는 방법에 대한 자세한 내용은 Python 가이드를 참조하십시오.

예시

from ultralytics import YOLO

# Create a new YOLO model from scratch
model = YOLO("yolo26n.yaml")

# Load a pretrained YOLO model (recommended for training)
model = YOLO("yolo26n.pt")

# Train the model using the 'coco8.yaml' dataset for 3 epochs
results = model.train(data="coco8.yaml", epochs=3)

# Evaluate the model's performance on the validation set
results = model.val()

# Perform object detection on an image using the model
results = model("https://ultralytics.com/images/bus.jpg")

# Export the model to ONNX format
success = model.export(format="onnx")

Python 가이드

Link to this sectionUltralytics 설정#

Ultralytics 라이브러리에는 실험을 세밀하게 제어할 수 있는 SettingsManager가 포함되어 있어 사용자가 설정을 쉽게 액세스하고 수정할 수 있습니다. 환경의 사용자 구성 디렉토리 내 JSON 파일에 저장된 이러한 설정은 Python 환경이나 명령줄 인터페이스(CLI)를 통해 확인하거나 수정할 수 있습니다.

Link to this section설정 확인#

현재 설정 구성을 보려면 다음을 수행하십시오:

설정 보기

Use Python to view your settings by importing the settings object from the ultralytics module. Print and return settings with these commands:

from ultralytics import settings

# View all settings
print(settings)

# Return a specific setting
value = settings["runs_dir"]

Link to this section설정 수정#

Ultralytics는 다음과 같은 방법으로 설정을 쉽게 수정할 수 있도록 지원합니다:

설정 업데이트

In Python, use the update method on the settings object:

from ultralytics import settings

# Update a setting
settings.update({"runs_dir": "/path/to/runs"})

# Update multiple settings
settings.update({"runs_dir": "/path/to/runs", "tensorboard": False})

# Reset settings to default values
settings.reset()

Link to this section설정 이해하기#

아래 표는 예시 값, 데이터 유형 및 설명을 포함하여 Ultralytics 내에서 조정 가능한 설정에 대한 개요를 보여줍니다.

이름	예시 값	데이터 유형	설명
`settings_version`	`'0.0.6'`	`str`	Ultralytics settings version (distinct from the Ultralytics pip version)
`datasets_dir`	`'/path/to/datasets'`	`str`	데이터셋이 저장되는 디렉토리
`weights_dir`	`'/path/to/weights'`	`str`	모델 가중치가 저장되는 디렉토리
`runs_dir`	`'/path/to/runs'`	`str`	실험 실행 결과가 저장되는 디렉토리
`uuid`	`'a1b2c3d4'`	`str`	현재 설정에 대한 고유 식별자
`sync`	`True`	`bool`	Option to sync analytics and crashes to Ultralytics Platform
`api_key`	`''`	`str`	Ultralytics Platform API Key
`clearml`	`True`	`bool`	Option to use ClearML logging
`comet`	`True`	`bool`	Option to use Comet ML for experiment tracking and visualization
`dvc`	`True`	`bool`	Option to use DVC for experiment tracking and version control
`hub`	`True`	`bool`	Option to use Ultralytics Platform integration
`mlflow`	`True`	`bool`	Option to use MLFlow for experiment tracking
`neptune`	`True`	`bool`	Option to use Neptune for experiment tracking
`raytune`	`True`	`bool`	Option to use Ray Tune for hyperparameter tuning
`tensorboard`	`False`	`bool`	Option to use TensorBoard for visualization
`wandb`	`False`	`bool`	Option to use Weights & Biases logging
`vscode_msg`	`True`	`bool`	When a VS Code terminal is detected, enables a prompt to download the Ultralytics-Snippets extension.

프로젝트나 실험을 진행하면서 최적의 구성을 보장하기 위해 이 설정들을 다시 검토하십시오.

Link to this sectionFAQ#

Link to this sectionpip를 사용하여 Ultralytics를 어떻게 설치합니까?#

다음 명령어를 사용하여 pip로 Ultralytics를 설치하십시오:

pip install -U ultralytics

This installs the latest stable release of the ultralytics package from PyPI. To install the development version directly from GitHub:

pip install git+https://github.com/ultralytics/ultralytics.git

시스템에 Git 명령줄 도구가 설치되어 있는지 확인하십시오.

Link to this sectionconda를 사용하여 Ultralytics YOLO를 설치할 수 있습니까?#

네, 다음을 사용하여 conda로 Ultralytics YOLO를 설치할 수 있습니다:

conda install -c conda-forge ultralytics

이 방법은 pip에 대한 훌륭한 대안이며 다른 패키지와의 호환성을 보장합니다. CUDA 환경의 경우 충돌을 해결하기 위해 ultralytics, pytorch, pytorch-cuda를 함께 설치하십시오:

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

더 자세한 지침은 Conda quickstart guide를 참조하십시오.

Link to this sectionDocker를 사용하여 Ultralytics YOLO를 실행하면 어떤 장점이 있습니까?#

Docker는 Ultralytics YOLO를 위해 격리된 일관된 환경을 제공하여 시스템 간 원활한 성능을 보장하고 로컬 설치의 복잡성을 피할 수 있게 합니다. 공식 Docker 이미지는 Docker Hub에서 GPU, CPU, ARM64, NVIDIA Jetson, Conda 버전을 사용할 수 있습니다. 최신 이미지를 가져와 실행하려면 다음을 사용하십시오:

# Pull the latest ultralytics image from Docker Hub
sudo docker pull ultralytics/ultralytics:latest

# Run the ultralytics image in a container with GPU support
sudo docker run -it --ipc=host --runtime=nvidia --gpus all ultralytics/ultralytics:latest

자세한 Docker 지침은 Docker quickstart guide를 참조하십시오.

Link to this section개발을 위해 Ultralytics 저장소를 어떻게 복제(clone)합니까?#

다음 명령어를 통해 Ultralytics 저장소를 복제하고 개발 환경을 설정하십시오:

# Clone the ultralytics repository
git clone https://github.com/ultralytics/ultralytics

# Navigate to the cloned directory
cd ultralytics

# Install the package in editable mode for development
pip install -e .

이를 통해 프로젝트에 기여하거나 최신 소스 코드로 실험할 수 있습니다. 자세한 내용은 Ultralytics GitHub repository를 방문하십시오.

Link to this sectionUltralytics YOLO CLI를 사용해야 하는 이유는 무엇입니까?#

Ultralytics YOLO CLI는 Python 코드 없이 객체 탐지 작업을 실행할 수 있게 하여 터미널에서 직접 학습, 검증, 예측을 위한 한 줄 명령어를 지원합니다. 기본 구문은 다음과 같습니다:

yolo TASK MODE ARGS

예를 들어, 탐지 모델을 학습하려면 다음을 사용하십시오:

yolo train data=coco8.yaml model=yolo26n.pt epochs=10 lr0=0.01

더 많은 명령어와 사용 예시는 전체 CLI Guide에서 확인하십시오.

기여자

GLglenn-jocher³³ RIRizwanMunawar⁶ LALaughing-q³ PDpderrenger³ BUBurhan-Q³ ONonuralpszr² JKjk4e² FCfcakyon¹ LAlakshanthad¹ PIpicsalex¹ LEleonnil¹ MAMatthewNoyce¹

생성됨 2023년 11월 12일업데이트됨 3일 전