빠른 시작
Ultralytics 설치하기
Ultralytics는 pip, conda, Docker를 포함한 다양한 설치 방법을 제공합니다. ultralytics
pip 패키지를 이용해 가장 안정적인 최신 버전의 YOLOv8을 설치하거나 Ultralytics GitHub 저장소를 복제하여 가장 최신 버전을 받아볼 수 있습니다. Docker를 이용하면 패키지를 로컬에 설치하지 않고 격리된 컨테이너에서 실행할 수 있습니다.
설치하기
pip을 사용하여 ultralytics
패키지를 설치하거나, pip install -U ultralytics
를 실행하여 기존 설치를 업데이트하세요. Python Package Index(PyPI)에서 ultralytics
패키지에 대한 자세한 내용을 확인하세요: https://pypi.org/project/ultralytics/.
GitHub 저장소에서 직접 ultralytics
패키지를 설치할 수도 있습니다. 최신 개발 버전이 필요한 경우 유용할 수 있습니다. 시스템에 Git 명령줄 도구가 설치되어 있는지 확인하세요. @main
명령어는 main
브랜치를 설치하며, @my-branch
로 변경하거나 main
브랜치를 기본으로 사용하려면 아예 제거하면 됩니다.
pip의 대안으로 사용할 수 있는 또 다른 패키지 관리자인 Conda를 통해서도 설치할 수 있습니다. https://anaconda.org/conda-forge/ultralytics에서 Anaconda에 대한 자세한 정보를 확인하세요. Conda 패키지를 업데이트하는 Ultralytics feedstock 저장소는 https://github.com/conda-forge/ultralytics-feedstock/에 있습니다.
노트
CUDA 환경에서 설치하는 경우 일반적으로 ultralytics
, pytorch
및 pytorch-cuda
를 동일한 명령어로 설치하여 Conda 패키지 관리자가 충돌을 해결하도록 하거나, 필요한 경우 CPU 전용 pytorch
패키지를 덮어쓸 수 있도록 pytorch-cuda
를 마지막에 설치하는 것이 좋습니다.
Conda Docker 이미지
Ultralytics Conda Docker 이미지들도 DockerHub에서 사용할 수 있습니다. 이 이미지들은 Miniconda3를 기반으로 하며, Conda 환경에서 ultralytics
를 사용하기 위한 간단한 방법입니다.
개발에 기여하거나 최신 소스 코드를 실험해 보고 싶다면 ultralytics
저장소를 복제하세요. 복제한 후 해당 디렉토리로 이동하여 pip을 이용해 편집 가능 모드 -e
로 패키지를 설치합니다.
Docker를 사용하면 ultralytics
패키지를 격리된 컨테이너에서 원활하게 실행할 수 있으며, 다양한 환경에서 일관된 성능을 보장합니다. Docker Hub의 공식 ultralytics
이미지 중 하나를 선택함으로써 로컬 설치의 복잡함을 피하고 검증된 작업 환경에 접근할 수 있습니다. Ultralytics은 서로 다른 플랫폼과 사용 사례에 대해 높은 호환성과 효율성을 제공하기 위해 5가지 주요 Docker 이미지를 제공합니다:
- Dockerfile: 트레이닝에 추천되는 GPU 이미지입니다.
- Dockerfile-arm64: Raspberry Pi와 같은 ARM64 기반 플랫폼에 배포하기에 최적화된 ARM64 아키텍처용입니다.
- Dockerfile-cpu: GPU가 없는 환경에서 인퍼런스에 적합한 Ubuntu 기반 CPU 전용 버전입니다.
- Dockerfile-jetson: NVIDIA Jetson 장치에 최적화된 GPU 지원을 통합한 버전입니다.
- Dockerfile-python: 가볍게 애플리케이션을 위해 필요한 종속성과 Python만 있는 최소한의 이미지입니다.
- Dockerfile-conda: Miniconda3를 기반으로 하며 ultralytics 패키지의 conda 설치를 포함하고 있습니다.
아래의 명령어로 최신 이미지를 받고 실행할 수 있습니다:
# 이미지 이름을 변수로 설정하기
t=ultralytics/ultralytics:latest
# Docker Hub에서 최신 ultralytics 이미지 가져오기
sudo docker pull $t
# GPU 지원으로 ultralytics 이미지를 컨테이너에서 실행하기
sudo docker run -it --ipc=host --gpus all $t # 모든 GPU 사용
sudo docker run -it --ipc=host --gpus '"device=2,3"' $t # 특정 GPU 지정
위 명령어는 최신 ultralytics
이미지로 Docker 컨테이너를 초기화합니다. -it
플래그는 pseudo-TTY를 할당하고 표준 입력을 유지하여 컨테이너와 상호 작용할 수 있게 해줍니다. --ipc=host
플래그는 프로세스 간 메모리 공유에 필요한 IPC(Inter-Process Communication) 네임스페이스를 호스트로 설정합니다. --gpus all
플래그는 컨테이너 내에서 사용 가능한 모든 GPU에 대한 접근을 활성화하는데, GPU 계산이 필요한 작업에 중요합니다.
참고: 로컬 기계의 파일을 컨테이너 내에서 작업하기 위해서는 로컬 디렉토리를 컨테이너에 마운트하는 데 Docker 볼륨을 사용하세요:
# 로컬 디렉토리를 컨테이너 내부 디렉토리에 마운트하기
sudo docker run -it --ipc=host --gpus all -v /path/on/host:/path/in/container $t
/path/on/host
를 로컬 기계의 디렉토리 경로로, /path/in/container
를 컨테이너 내부에서 원하는 경로로 변경하여 접근할 수 있게 하세요.
Docker 사용에 대한 고급 기능은 Ultralytics Docker 가이드에서 더 탐구해보세요.
ultralytics
의 종속성 목록은 requirements.txt 파일에서 확인할 수 있습니다. 위 예제에서는 모든 필요한 종속성을 설치합니다.
Watch: Ultralytics YOLO Quick Start Guide
팁
PyTorch 설치 요구사항은 운영 체제와 CUDA 요구사항에 따라 다르므로 https://pytorch.org/get-started/locally의 지침에 따라 PyTorch를 먼저 설치하는 것이 권장됩니다.
명령줄 인터페이스(CLI)로 Ultralytics 사용하기
Ultralytics 명령줄 인터페이스(CLI)는 Python 환경이 필요 없이 단일 라인 명령어를 통해 작업을 쉽게 실행할 수 있도록 합니다. CLI는 커스터마이징이나 Python 코드가 필요 없습니다. yolo
명령어를 이용해 터미널에서 모든 작업을 실행할 수 있습니다. 명령줄에서 YOLOv8을 사용하는 방법에 대해 더 알아보려면 CLI 가이드를 참고하세요.
예제
Ultralytics yolo
명령어는 다음과 같은 문법을 사용합니다:
yolo TASK MODE ARGS
여기서 TASK (선택적)은 [detect, segment, classify] 중 하나
MODE (필수)는 [train, val, predict, export, track] 중 하나
ARGS (선택적)은 'imgsz=320'과 같이 기본값을 재정의하는 'arg=value' 쌍을 아무 개수나 지정할 수 있습니다.
yolo cfg
로 확인할 수 있습니다
10 에포크 동안 초기 학습률 0.01로 감지 모델을 훈련합니다.
이전 훈련된 세분화 모델을 사용하여 이미지 크기 320으로 YouTube 동영상을 예측합니다:
배치 크기 1와 이미지 크기 640으로 이전 훈련된 감지 모델을 검증합니다:
YOLOv8n 분류 모델을 ONNX 형식으로 내보냅니다. 이미지 크기는 224x128입니다 (TASK 필요 없음).
주의
모든 인수는 arg=val
쌍으로 전달되어야 하며, 각 쌍 사이에는 공백으로 구분해야 합니다. 인수 접두사로 --
를 사용하거나 인수 사이에 쉼표 ,
를 사용해서는 안 됩니다.
yolo predict model=yolov8n.pt imgsz=640 conf=0.25
✅yolo predict model yolov8n.pt imgsz 640 conf 0.25
❌yolo predict --model yolov8n.pt --imgsz 640 --conf 0.25
❌