Como instalar Ultralytics YOLO com Conda#

Este guia explica como configurar um ambiente Conda para os teus projetos Ultralytics. Conda é um sistema de gestão de pacotes e ambientes de código aberto que oferece uma excelente alternativa ao pip para instalar pacotes e dependências. Os seus ambientes isolados tornam-no especialmente adequado para tarefas de ciência de dados e aprendizagem automática. Para mais informações, visita o pacote Ultralytics Conda em Anaconda e consulta o repositório de feedstock da Ultralytics para veres atualizações do pacote no GitHub.

Este guia explica como criar um ambiente com Ultralytics, executar inferências, usar a imagem Docker do Conda e acelerar as instalações com libmamba.

Pré-requisitos#

Deves ter o Anaconda ou o Miniconda instalado no teu sistema. Caso contrário, transfere e instala a partir de Anaconda ou Miniconda.

Instalar Ultralytics#

Cria um novo ambiente Conda com Ultralytics a partir do canal conda-forge e, em seguida, ativa-o. Instala Python, Ultralytics e torchvision (que não é uma dependência do pacote conda-forge) no mesmo comando para que o conda resolva em conjunto versões atuais e compatíveis:

conda create --name ultralytics-env -c conda-forge python=3.11 ultralytics torchvision -y
conda activate ultralytics-env

conda create --name ultralytics-env -c conda-forge python=3.11 ultralytics torchvision pytorch-gpu -y
conda activate ultralytics-env

Nota sobre o ambiente ROCm (GPU AMD, Linux)#

Para aceleração de GPU AMD em Linux com ROCm, os wheels PyTorch ROCm não estão disponíveis através do Conda e têm de ser instalados com pip. Usa um ambiente Conda para isolamento e, em seguida, instala PyTorch ROCm e Ultralytics através de pip:

conda create --name ultralytics-rocm python=3.12 -y
conda activate ultralytics-rocm
pip install "torch[device-all]" "torchvision[device-all]" --index-url https://stable.repo.amd.com/rocm/whl-next/
pip install ultralytics

Consulta a página Começar com PyTorch para veres as versões ROCm suportadas e o guia de GPU AMD para configurares a inferência MIGraphX, que requer Python 3.11 ou posterior em Linux x86_64.

Usar Ultralytics#

Com Ultralytics instalado, já podes começar a usar as suas funcionalidades robustas para deteção de objetos, segmentação de instâncias e muito mais. Por exemplo, para fazer uma previsão numa imagem, podes executar:

from ultralytics import YOLO

model = YOLO("yolo26n.pt")  # inicializar o modelo
results = model("path/to/image.jpg")  # executar a inferência
results[0].show()  # mostrar os resultados da primeira imagem

Imagem Docker do Conda da Ultralytics#

O Dockerfile do Conda usa PyTorch 2.13, torchvision 0.28 e CUDA 13.0 do conda-forge. As versões do conda-forge podem ser disponibilizadas mais tarde do que as versões PyTorch pip usadas na imagem GPU padrão. A publicação automatizada de latest-conda está desativada, por isso compila localmente a imagem atual:

git clone https://github.com/ultralytics/ultralytics
cd ultralytics
t=ultralytics-conda:local
sudo docker build -f docker/Dockerfile-conda -t $t .

Executa a imagem:

# Run the Ultralytics image in a container with GPU support
sudo docker run -it --ipc=host --device nvidia.com/gpu=all $t                         # all GPUs
sudo docker run -it --ipc=host --device nvidia.com/gpu=2 --device nvidia.com/gpu=3 $t # specify GPUs

Em Linux, os pedidos de dispositivos CDI requerem Docker >= 28.2.0 e NVIDIA Container Toolkit >= 1.18. A flag antiga --gpus all pode fazer perder o acesso à GPU após o recarregamento dos daemons do anfitrião; atualiza, por isso, os anfitriões Linux mais antigos e usa --device. Consulta o Guia de início rápido do Docker para mais informações.

Acelerar a instalação com Libmamba#

libmamba é um resolvedor rápido, multiplataforma e consciente das dependências que substitui o resolvedor clássico do Conda. O Conda 23.10 e versões posteriores já usam libmamba como resolvedor predefinido, por isso a maioria das instalações é mais rápida logo de início.

Se estiveres a usar uma versão mais antiga do Conda, podes ativar libmamba manualmente:

1. Primeiro, instala o pacote conda-libmamba-solver:

   conda install conda-libmamba-solver

2. Em seguida, configura o Conda para usar libmamba como resolvedor:

   conda config --set solver libmamba

Configuraste com sucesso um ambiente Conda, instalaste o pacote Ultralytics e estás agora pronto para explorar as respetivas funcionalidades. Para tutoriais e exemplos mais avançados, consulta a documentação da Ultralytics.

Perguntas frequentes#