설치 Ultralytics

설치 또는 업데이트 ultralytics 패키지를 실행하여 pip install -U ultralytics. 에 대한 자세한 내용은 ultralytics 패키지에서 Python 패키지 색인(PyPI).

# Install the ultralytics package from PyPI
pip install ultralytics

다음을 설치할 수도 있습니다. ultralytics 에서 직접 Ultralytics GitHub 리포지토리. 최신 개발 버전을 원할 때 유용할 수 있습니다. Git 명령줄 도구가 설치되어 있는지 확인한 다음 실행합니다:

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

Conda는 pip의 대체 패키지 관리자로 사용할 수 있습니다. 자세한 내용은 Anaconda를 참조하세요. 콘다 패키지 업데이트를 위한 Ultralytics 피드스톡 리포지토리는 GitHub에서 확인할 수 있습니다.

# Install the ultralytics package using conda
conda install -c conda-forge ultralytics

# Install all packages together using conda
conda install -c pytorch -c nvidia -c conda-forge pytorch torchvision pytorch-cuda=11.8 ultralytics

콘다 도커 이미지

Ultralytics 콘다 도커 이미지는 다음에서도 사용할 수 있습니다. 도커허브. 이 이미지는 다음을 기반으로 합니다. 미니콘다3 사용을 시작할 수 있는 간단한 방법을 제공합니다. ultralytics Conda 환경에서.

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

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

# 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

복제 Ultralytics GitHub 리포지토리 개발 기여에 관심이 있거나 최신 소스 코드를 실험해보고 싶으시다면 패키지를 다운로드하세요. 복제한 후 디렉터리로 이동하여 편집 모드에서 패키지를 설치합니다. -e 핍을 사용합니다.

# 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 .

도커를 사용하여 ultralytics 패키지를 격리된 컨테이너에 보관하여 다양한 환경에서 일관된 성능을 보장합니다. 공식 패키지 중 하나를 선택하면 ultralytics 이미지의 도커 허브를 사용하면 로컬 설치의 복잡성을 피하고 검증된 작업 환경에 액세스할 수 있습니다. Ultralytics 높은 호환성과 효율성을 위해 설계된 5가지 주요 지원 Docker 이미지를 제공합니다:

• 도커 파일: GPU 교육용으로 권장되는 이미지입니다.
• 도커파일-arm64: ARM64 아키텍처에 최적화되어 있으며, 라즈베리 파이 및 기타 ARM64 기반 플랫폼과 같은 장치에 배포하기에 적합합니다.
• cpu: 우분투 기반 CPU 버전으로, 추론 및 GPU가 없는 환경에 적합합니다.
• 도커파일-젯슨: NVIDIA Jetson 장치에 맞게 조정되어 이러한 플랫폼에 최적화된 GPU 지원을 통합합니다.
• 도커파일-python: Python 및 필요한 종속성만 있는 최소한의 이미지로 경량 애플리케이션 및 개발에 이상적입니다.
• 도커파일-콘다: 미니콘다3 기반에 콘다 설치가 포함된 ultralytics 패키지입니다.

다음은 최신 이미지를 가져와 실행하는 명령어입니다:

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

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

# 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

위의 명령은 최신 도커 컨테이너를 초기화합니다. ultralytics 이미지. 이미지 -it 플래그는 의사 TTY를 할당하고 stdin을 열어두어 컨테이너와 상호작용할 수 있도록 합니다. 컨테이너의 --ipc=host 플래그는 프로세스 간 메모리 공유에 필수적인 IPC(프로세스 간 통신) 네임스페이스를 호스트에 설정합니다. 그리고 --gpus all 플래그를 사용하면 컨테이너 내에서 사용 가능한 모든 GPU에 액세스할 수 있으며, 이는 GPU 연산이 필요한 작업에 매우 중요합니다.

참고: 컨테이너 내에서 로컬 컴퓨터의 파일로 작업하려면 Docker 볼륨을 사용하여 로컬 디렉터리를 컨테이너에 마운트하세요:

# Mount local directory to a directory inside the container
sudo docker run -it --ipc=host --gpus all -v /path/on/host:/path/in/container $t

교체 /path/on/host 를 로컬 컴퓨터의 디렉터리 경로로 대체하고 /path/in/container 를 Docker 컨테이너 내부에 원하는 경로로 설정합니다.

고급 Docker 사용법에 대해서는 Ultralytics Docker 가이드를 참조하세요.

설치할 수 있습니다. ultralytics 종속성이 없는 패키지 코어를 사용하여 pip의 --no-deps 플래그를 설정합니다. 이렇게 하려면 나중에 필요한 모든 종속성을 수동으로 설치해야 합니다.

1. 설치 ultralytics 코어:

   pip install ultralytics --no-deps
   

2. 종속성을 수동으로 설치합니다: 에 나열된 모든 필수 패키지를 설치해야 합니다. pyproject.toml 파일에서 필요에 따라 버전을 대체하거나 수정할 수 있습니다. 헤드리스 OpenCV 예시입니다:

   # Install other core dependencies
   pip install torch torchvision numpy matplotlib pandas pyyaml pillow psutil requests tqdm scipy seaborn ultralytics-thop
   
   # Install headless OpenCV instead of the default
   pip install opencv-python-headless
   

지속적인 사용자 지정 수정이 필요한 경우(예: 항상 항상 opencv-python-headless)를 포크하고 다음을 변경할 수 있습니다. pyproject.toml 또는 다른 코드를 사용하여 포크에서 설치합니다.

1. Ultralytics GitHub 리포지토리를 자신의 GitHub 계정으로 포크하세요.
2. 복제 포크를 로컬로 설정하세요:

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

3. 새 브랜치 만들기 를 클릭해 변경 사항을 확인하세요:

   git checkout -b custom-opencv
   

4. 수정 pyproject.toml: 열기 pyproject.toml 를 텍스트 편집기에서 열고 다음이 포함된 줄을 "opencv-python>=4.6.0" 와 함께 "opencv-python-headless>=4.6.0" (필요에 따라 버전 조정).
5. 커밋 및 푸시 변경 사항을 확인합니다:

   git add pyproject.toml
   git commit -m "Switch to opencv-python-headless"
   git push origin custom-opencv
   

6. 설치 핍과 함께 사용 git+https 구문을 사용하여 지점을 가리킵니다:

   pip install git+https://github.com/YOUR_USERNAME/ultralytics.git@custom-opencv
   

이 방법을 사용하면 이 특정 URL에서 설치할 때마다 사용자 정의 종속성 집합이 사용되도록 합니다. 이 방법을 사용하려면 방법 4를 참조하세요. requirements.txt 파일을 만듭니다.

개발을 위한 표준 "Git Clone" 방법과 유사하게, 리포지토리를 로컬에 복제하고 설치 전에 종속성 파일을 수정한 다음 편집 가능한 모드로 설치할 수 있습니다.

1. 복제 Ultralytics 리포지토리로 이동합니다:

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

2. 수정 pyproject.toml: 파일을 편집하여 원하는 대로 변경합니다. 예를 들어 sed (Linux/macOS의 경우) 또는 텍스트 편집기로 대체할 수 있습니다. opencv-python 와 함께 opencv-python-headless. 사용 sed (정확한 줄을 확인하십시오. pyproject.toml 먼저):

   # Example: Replace the line starting with "opencv-python..."
   # Adapt the pattern carefully based on the current file content
   sed -i'' -e 's/^\s*"opencv-python>=.*",/"opencv-python-headless>=4.8.0",/' pyproject.toml
   

   또는 수동으로 편집 pyproject.toml 변경하려면 "opencv-python>=... 에 "opencv-python-headless>=...".
3. 설치 편집 가능한 모드의 패키지(-e). 이제 Pip은 수정된 pyproject.toml 를 사용하여 종속성을 해결하고 설치합니다:

   pip install -e .
   

이 접근 방식은 종속성 또는 빌드 구성에 대한 로컬 변경 사항을 커밋하기 전에 테스트하거나 특정 개발 환경을 설정하는 데 유용합니다.

를 사용하여 프로젝트 종속성을 관리하는 경우 requirements.txt 파일에 직접 사용자 지정 Ultralytics 포크를 지정할 수 있습니다. 이렇게 하면 프로젝트를 설정하는 모든 사용자가 수정된 종속성(예 opencv-python-headless).

1. 생성 또는 편집 requirements.txt: 방법 2에서 준비한 대로 사용자 지정 포크와 브랜치를 가리키는 선을 추가합니다.
   요구 사항.txt

   # Core dependencies
   numpy
   matplotlib
   pandas
   pyyaml
   Pillow
   psutil
   requests>=2.23.0
   tqdm
   torch>=1.8.0 # Or specific version/variant
   torchvision>=0.9.0 # Or specific version/variant
   
   # Install ultralytics from a specific git commit or branch
   # Replace YOUR_USERNAME and custom-branch with your details
   git+https://github.com/YOUR_USERNAME/ultralytics.git@custom-branch
   
   # Other project dependencies
   flask
   # ... etc
   

   참고: 사용자 정의에 이미 필요한 종속성을 나열할 필요는 없습니다. ultralytics 포크 (예 opencv-python-headless), 여기서는 pip가 포크의 pyproject.toml.
2. 설치 종속성을 제거합니다:

   pip install -r requirements.txt
   

이 방법은 표준 Python 프로젝트 종속성 관리 워크플로와 원활하게 통합되는 동시에 다음을 고정할 수 있습니다. ultralytics 를 사용자 지정한 Git 소스에 추가하세요.

Ultralytics yolo 명령은 다음 구문을 사용합니다:

yolo TASK MODE ARGS

모두 보기 ARGS 전체 보기 구성 가이드 또는 yolo cfg CLI 명령을 사용합니다.

초기 학습률 0.01로 10개의 에포크에 대한 탐지 모델을 훈련합니다:

yolo train data=coco8.yaml model=yolo11n.pt epochs=10 lr0=0.01

이미지 크기 320에서 사전 학습된 세그먼테이션 모델을 사용하여 YouTube 동영상을 예측합니다:

yolo predict model=yolo11n-seg.pt source='https://youtu.be/LNwODJXcvt4' imgsz=320

배치 크기가 1이고 이미지 크기가 640인 사전 학습된 탐지 모델의 유효성을 검사합니다:

yolo val model=yolo11n.pt data=coco8.yaml batch=1 imgsz=640

이미지 크기가 224x128인 ONNX 형식으로 YOLOv11n 분류 모델을 내보냅니다(작업 필요 없음):

yolo export model=yolo11n-cls.pt format=onnx imgsz=224,128

YOLO11 사용하여 동영상 또는 라이브 스트림에서 객체 수를 계산합니다:

yolo solutions count show=True

yolo solutions count source="path/to/video.mp4" # specify video file path

YOLO11 포즈 모델을 사용하여 운동 동작을 모니터링합니다:

yolo solutions workout show=True

yolo solutions workout source="path/to/video.mp4" # specify video file path

# Use keypoints for ab-workouts
yolo solutions workout kpts="[5, 11, 13]" # left side
yolo solutions workout kpts="[6, 12, 14]" # right side

YOLO11 사용하여 지정된 대기열 또는 영역에 있는 개체를 계산합니다:

yolo solutions queue show=True

yolo solutions queue source="path/to/video.mp4" # specify video file path

yolo solutions queue region="[(20, 400), (1080, 400), (1080, 360), (20, 360)]" # configure queue coordinates

스트림릿을 사용하여 웹 브라우저에서 객체 감지, 인스턴스 분할 또는 포즈 추정을 수행합니다:

yolo solutions inference

yolo solutions inference model="path/to/model.pt" # use model fine-tuned with Ultralytics Python package

특수 명령을 실행하여 버전 확인, 설정 보기, 검사 실행 등을 할 수 있습니다:

yolo help
yolo checks
yolo version
yolo settings
yolo copy-cfg
yolo cfg
yolo solutions help

Python 사용하여 설정을 확인하려면 settings 객체에서 ultralytics 모듈을 사용합니다. 다음 명령을 사용하여 설정을 인쇄하고 반환합니다:

from ultralytics import settings

# View all settings
print(settings)

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

명령줄 인터페이스를 통해 설정을 확인할 수 있습니다:

yolo settings

Python update 메서드의 settings 객체입니다:

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()

명령줄 인터페이스를 사용하여 설정을 수정하려면 다음과 같이 하세요:

# Update a setting
yolo settings runs_dir='/path/to/runs'

# Update multiple settings
yolo settings runs_dir='/path/to/runs' tensorboard=False

# Reset settings to default values
yolo settings reset