Como instalar o Ultralytics YOLO com Conda#
Este guia explica como configurar um ambiente Conda para os teus projetos Ultralytics. O Conda é um sistema de gerenciamento 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 particularmente adequado para trabalhos de ciência de dados e aprendizagem automática. Para mais detalhes, visita o pacote Ultralytics Conda no Anaconda e consulta o repositório de "feedstock" da Ultralytics para atualizações de pacotes no GitHub.
Este guia cobre como criar um ambiente, instalar o Ultralytics, executar inferência, usar a imagem Docker do Conda e acelerar as instalações com o libmamba.
Pré-requisitos#
Deves ter o Anaconda ou o Miniconda instalado no teu sistema. Caso contrário, transfere-o e instala-o a partir do Anaconda ou do Miniconda.
Configurar um ambiente Conda#
Primeiro, cria um novo ambiente Conda. Abre o teu terminal e executa o seguinte comando:
conda create --name ultralytics-env python=3.11 -yAtiva o novo ambiente:
conda activate ultralytics-envInstalar o Ultralytics#
Podes instalar o pacote Ultralytics a partir do canal conda-forge. Executa o seguinte comando:
conda install -c conda-forge ultralyticsSe estiveres a trabalhar num ambiente ativado para CUDA, é uma boa prática instalar ultralytics, pytorch e pytorch-cuda em conjunto para que o gestor de pacotes Conda possa resolver quaisquer conflitos:
conda install -c pytorch -c nvidia -c conda-forge pytorch torchvision pytorch-cuda=12.1 ultralyticsUsar o Ultralytics#
Com o Ultralytics instalado, podes agora começar a usar os seus recursos robustos para deteção de objetos, segmentação de instâncias e muito mais. Por exemplo, para prever uma imagem, podes executar:
from ultralytics import YOLO
model = YOLO("yolo26n.pt") # initialize model
results = model("path/to/image.jpg") # perform inference
results[0].show() # display results for the first imageImagem Docker Conda do Ultralytics#
Se preferires usar o Docker, o Ultralytics oferece imagens Docker com um ambiente Conda incluído. Podes puxar estas imagens do DockerHub.
Extrai a imagem mais recente do Ultralytics:
# Set image name as a variable
t=ultralytics/ultralytics:latest-conda
# Pull the latest Ultralytics image from Docker Hub
sudo docker pull $tExecuta 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 GPUsNo Linux, os pedidos de dispositivos CDI requerem o Docker >= 28.2.0 e o NVIDIA Container Toolkit >= 1.18. A flag antiga --gpus all pode perder o acesso à GPU após reinícios do daemon do anfitrião, por isso atualiza os anfitriões Linux mais antigos e utiliza o --device em vez disso. Consulta o Guia de Início Rápido do Docker para obter detalhes.
Acelerar a instalação com Libmamba#
libmamba é um resolvedor rápido, multiplataforma e ciente de dependências que substitui o resolvedor clássico do Conda. O Conda 23.10 e versões posteriores já utilizam libmamba como o resolvedor padrão, pelo que a maioria das instalações é mais rápida por predefinição.
Se estiveres numa versão mais antiga do Conda, podes ativar o libmamba manualmente:
-
Primeiro, instala o pacote
conda-libmamba-solver:conda install conda-libmamba-solver -
Em seguida, configura o Conda para usar
libmambacomo o resolvedor:conda config --set solver libmamba
Configuraste com sucesso um ambiente Conda, instalaste o pacote Ultralytics e estás agora pronto para explorar os seus recursos. Para mais tutoriais avançados e exemplos, consulta a documentação do Ultralytics.
FAQ#
Configurar um ambiente Conda para projetos Ultralytics é simples e garante uma gestão de pacotes sem problemas. Primeiro, cria um novo ambiente Conda usando o seguinte comando:
conda create --name ultralytics-env python=3.11 -yDepois, ativa o novo ambiente com:
conda activate ultralytics-envFinalmente, instala o Ultralytics a partir do canal conda-forge:
conda install -c conda-forge ultralyticsConda é um sistema robusto de gestão de pacotes e ambientes que oferece várias vantagens em relação ao pip. Gere dependências de forma eficiente e garante que todas as bibliotecas necessárias sejam compatíveis. Os ambientes isolados do Conda evitam conflitos entre pacotes, o que é crucial em projetos de ciência de dados e machine learning. Além disso, o Conda suporta a distribuição de pacotes binários, acelerando o processo de instalação.
Sim, podes melhorar o desempenho utilizando um ambiente com suporte para CUDA. Certifica-te de que instalas
ultralytics,pytorchepytorch-cudaem conjunto para evitar conflitos:conda install -c pytorch -c nvidia -c conda-forge pytorch torchvision pytorch-cuda=12.1 ultralyticsEsta configuração permite a aceleração por GPU, crucial para tarefas intensivas como treino e inferência de modelos de deep learning. Para mais informações, visita o guia de instalação do Ultralytics.
Usar imagens Docker do Ultralytics garante um ambiente consistente e reprodutível, eliminando problemas do género "na minha máquina funciona". Estas imagens incluem um ambiente Conda pré-configurado, simplificando o processo de configuração. Podes extrair e executar a imagem Docker mais recente do Ultralytics com os seguintes comandos:
sudo docker pull ultralytics/ultralytics:latest-conda sudo docker run -it --ipc=host --device nvidia.com/gpu=all ultralytics/ultralytics:latest-conda # all GPUs sudo docker run -it --ipc=host --device nvidia.com/gpu=2 --device nvidia.com/gpu=3 ultralytics/ultralytics:latest-conda # specify GPUsEsta abordagem é ideal para implementar aplicações em produção ou executar fluxos de trabalho complexos sem configuração manual. Sabe mais sobre a Imagem Docker Conda da Ultralytics.
O Conda 23.10 e versões posteriores já utilizam o resolvedor rápido
libmambapor predefinição. Em versões mais antigas do Conda, podes ativá-lo manualmente instalando primeiro o pacoteconda-libmamba-solver:conda install conda-libmamba-solverDepois, configura o Conda para usar
libmambacomo o resolvedor:conda config --set solver libmambaEsta configuração fornece um gerenciamento de pacotes mais rápido e eficiente. Para mais dicas sobre como otimizar o teu ambiente, lê sobre a instalação do libmamba.