빠른 시작

설치 Ultralytics

Ultralytics 핍, 콘다, 도커 등 다양한 설치 방법을 제공합니다. YOLO 을 통해 설치하세요. ultralytics pip 패키지를 사용하거나 최신 안정 릴리스를 위해 Ultralytics GitHub 리포지토리 에서 최신 버전을 확인하세요. Docker를 사용하여 로컬 설치를 피하고 격리된 컨테이너에서 패키지를 실행할 수 있습니다.

Watch: Ultralytics YOLO 빠른 시작 가이드

# Install the ultralytics package from PyPI
pip install ultralytics

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

# 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

# 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

# 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 .

# 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

# 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

참조 ultralytics pyproject.toml 파일에서 종속성 목록을 확인하세요. 위의 모든 예제에서는 필요한 모든 종속성을 설치합니다.

다음에서 Ultralytics 사용 CLI

Ultralytics 명령줄 인터페이스(CLI)를 사용하면 Python 환경 없이도 간단한 한 줄 명령으로 작업을 수행할 수 있습니다. CLI 사용자 지정이나 Python 코드가 필요하지 않습니다. 터미널에서 모든 작업을 간단히 실행할 수 있습니다. yolo 명령을 사용합니다. 자세한 내용은 CLI 가이드 를 클릭하여 명령줄에서 YOLO 사용에 대해 자세히 알아보세요.

yolo TASK MODE ARGS

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

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

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

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

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

CLI 가이드

다음에서 Ultralytics 사용 Python

YOLO의 Python 인터페이스는 Python 프로젝트에 원활하게 통합할 수 있어 모델의 출력을 쉽게 로드, 실행 및 처리할 수 있습니다. 단순성과 사용 편의성을 염두에 두고 설계된 Python 인터페이스는 사용자가 프로젝트에서 객체 감지, 세분화 및 분류를 신속하게 구현할 수 있도록 지원합니다. 따라서 YOLO 의 Python 인터페이스는 이러한 기능을 Python 프로젝트에 통합하고자 하는 모든 사용자에게 매우 유용한 도구입니다.

예를 들어, 사용자는 몇 줄의 코드만으로 모델을 로드하고, 학습시키고, 유효성 검사 세트에서 성능을 평가하고, ONNX 형식으로 내보낼 수도 있습니다. Python 프로젝트 내에서 YOLO 을 사용하는 방법에 대해 자세히 알아보려면 Python 가이드를 참조하세요.

from ultralytics import YOLO

# Create a new YOLO model from scratch
model = YOLO("yolo11n.yaml")

# Load a pretrained YOLO model (recommended for training)
model = YOLO("yolo11n.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

Ultralytics 설정

Ultralytics 라이브러리는 실험을 세밀하게 제어할 수 있는 강력한 설정 관리 시스템을 제공합니다. 라이브러리의 SettingsManager 안에 보관되어 있습니다. ultralytics.utils 모듈을 통해 사용자는 설정에 쉽게 액세스하고 변경할 수 있습니다. 이러한 설정은 환경 사용자 구성 디렉터리의 JSON 파일에 저장되며 Python 환경 내에서 또는 명령줄 인터페이스(CLI)를 통해 직접 보거나 수정할 수 있습니다.

설정 검사

설정의 현재 구성에 대한 통찰력을 얻으려면 설정을 직접 볼 수 있습니다:

from ultralytics import settings

# View all settings
print(settings)

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

yolo settings

설정 수정하기

Ultralytics 를 사용하면 설정을 쉽게 수정할 수 있습니다. 다음과 같은 방법으로 변경할 수 있습니다:

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()

# 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

설정 이해

아래 표는 Ultralytics 에서 조정할 수 있는 설정에 대한 개요를 제공합니다. 각 설정은 예시 값, 데이터 유형 및 간략한 설명과 함께 요약되어 있습니다.

프로젝트 또는 실험을 탐색할 때 이러한 설정을 다시 확인하여 필요에 맞게 최적으로 구성되었는지 확인하세요.

자주 묻는 질문

pip를 사용하여 Ultralytics 설치하려면 어떻게 하나요?

Ultralytics 을 설치하려면 다음 명령을 실행합니다:

pip install ultralytics

최신 안정 릴리스의 경우, 이렇게 하면 ultralytics 패키지를 Python 패키지 색인(PyPI)에서 직접 다운로드할 수 있습니다. 자세한 내용은 ultralytics 패키지.

또는 GitHub에서 최신 개발 버전을 직접 설치할 수도 있습니다:

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

시스템에 Git 명령줄 도구가 설치되어 있는지 확인하세요.

콘다를 사용하여 Ultralytics YOLO 설치할 수 있나요?

예, 콘다를 사용하여 Ultralytics YOLO 을 실행하여 설치할 수 있습니다:

conda install -c conda-forge ultralytics

이 방법은 pip의 훌륭한 대안이며 사용 중인 환경의 다른 패키지와의 호환성을 보장합니다. CUDA 환경의 경우 다음을 설치하는 것이 가장 좋습니다. ultralytics, pytorch및 pytorch-cuda 를 동시에 실행하여 충돌을 해결합니다:

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

자세한 지침은 Conda 빠른 시작 가이드를 참조하세요.

도커를 사용하여 Ultralytics YOLO 을 실행하면 어떤 이점이 있나요?

Docker를 사용하여 Ultralytics YOLO 을 실행하면 격리되고 일관된 환경이 제공되므로 여러 시스템에서 원활한 성능을 보장합니다. 또한 로컬 설치의 복잡성도 제거합니다. 공식 Docker 이미지는 Ultralytics 에서 사용할 수 있으며, GPU, CPU, ARM64, NVIDIA Jetson 및 Conda 환경에 맞게 조정된 다양한 변형이 있습니다. 다음은 최신 이미지를 가져와 실행하는 명령어입니다:

# 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 --gpus all ultralytics/ultralytics:latest

자세한 Docker 지침은 Docker 빠른 시작 가이드를 참조하세요.

개발을 위해 Ultralytics 리포지토리를 복제하려면 어떻게 하나요?

Ultralytics 리포지토리를 복제하고 개발 환경을 설정하려면 다음 단계를 따르세요:

# 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 .

이 방법을 사용하면 프로젝트에 기여하거나 최신 소스 코드를 사용해 실험할 수 있습니다. 자세한 내용은 Ultralytics GitHub 리포지토리를 참조하세요.

왜 Ultralytics YOLO CLI 를 사용해야 하나요?

Ultralytics YOLO 명령줄 인터페이스(CLI)는 Python 코드 없이도 객체 감지 작업을 간편하게 실행할 수 있게 해줍니다. 터미널에서 바로 훈련, 유효성 검사, 예측과 같은 작업을 위한 한 줄 명령을 실행할 수 있습니다. 기본 구문은 yolo 명령이 있습니다:

yolo TASK MODE ARGS

예를 들어, 지정된 매개변수로 탐지 모델을 학습시킬 수 있습니다:

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

더 많은 명령어와 사용 예제를 살펴보려면 CLI 가이드 전문을 확인하세요.

📅1 년 전 생성됨 ✏️ 1개월 전 업데이트됨

댓글