Guia de início rápido do Conda para Ultralytics
Este guia fornece uma introdução abrangente à configuração de um ambiente Conda para seus projetos Ultralytics . O Conda é um sistema de gerenciamento de ambiente e pacote de código aberto que oferece uma excelente alternativa ao pip para instalar pacotes e dependências. Os seus ambientes isolados tornam-no particularmente adequado para a ciência dos dados e os esforços de aprendizagem automática. Para obter mais detalhes, visite o pacote Ultralytics Conda no Anaconda e confira o repositório Ultralytics feedstock para atualizações de pacotes no GitHub.
O que vai aprender
- Configurar um ambiente Conda
- Instalando Ultralytics via Conda
- Inicialização do Ultralytics no seu ambiente
- Usando Ultralytics imagens Docker com Conda
Pré-requisitos
- Você deve ter o Anaconda ou o Miniconda instalado no seu sistema. Caso contrário, descarregue e instale-o a partir do Anaconda ou Miniconda.
Configurar um ambiente Conda
Primeiro, vamos criar um novo ambiente Conda. Abra o seu terminal e execute o seguinte comando:
Ativar o novo ambiente:
Instalação Ultralytics
Pode instalar o pacote Ultralytics a partir do canal conda-forge. Execute o seguinte comando:
Nota sobre CUDA Ambiente
Se estiver a trabalhar num ambiente com suporte para CUDA, é uma boa prática instalar o ultralytics, pytorche pytorch-cuda em conjunto para resolver eventuais conflitos:
Utilizar Ultralytics
Com o Ultralytics instalado, pode agora começar a utilizar as suas funcionalidades robustas para deteção de objectos, segmentação de instâncias e muito mais. Por exemplo, para prever uma imagem, pode executar:
from ultralytics import YOLO
model = YOLO("yolo11n.pt") # initialize model
results = model("path/to/image.jpg") # perform inference
results[0].show() # display results for the first image
Ultralytics Imagem do Docker Conda
Se preferir usar o Docker, Ultralytics oferece imagens do Docker com um ambiente Conda incluído. Você pode obter essas imagens do DockerHub.
Obtenha a imagem mais recente de Ultralytics :
# Set image name as a variable
t=ultralytics/ultralytics:latest-conda
# Pull the latest Ultralytics image from Docker Hub
sudo docker pull $t
Executar a imagem:
# 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
Acelerar a instalação com o Libmamba
Se pretende acelerar a instalação do pacote em Conda, pode optar por utilizar o libmamba, um gerenciador de pacotes rápido, multiplataforma e sensível a dependências que serve como um solucionador alternativo ao padrão do Conda.
Como ativar o Libmamba
Para ativar libmamba como o solucionador para o Conda, pode executar os seguintes passos:
-
Primeiro, instale o
conda-libmamba-solverpacote. Isto pode ser ignorado se a sua versão do Conda for 4.11 ou superior, uma vez quelibmambaé incluído por defeito. -
Em seguida, configure o Conda para usar o
libmambacomo o solucionador:
E pronto! Sua instalação do Conda agora usará libmamba como o solucionador, o que deve resultar num processo de instalação de pacotes mais rápido.
Parabéns! Você configurou com sucesso um ambiente Conda, instalou o pacote Ultralytics e agora está pronto para explorar suas ricas funcionalidades. Sinta-se à vontade para se aprofundar na documentação doUltralytics para obter tutoriais e exemplos mais avançados.
FAQ
Qual é o processo de configuração de um ambiente Conda para projectos Ultralytics ?
A configuração de um ambiente Conda para projectos Ultralytics é simples e assegura uma gestão de pacotes sem problemas. Primeiro, crie um novo ambiente Conda usando o seguinte comando:
Em seguida, active o novo ambiente com:
Finalmente, instale Ultralytics a partir do canal conda-forge:
Por que devo usar o Conda em vez do pip para gerenciar dependências em projetos Ultralytics ?
Conda é um sistema robusto de gerenciamento de pacotes e ambientes que oferece várias vantagens sobre o pip. Ele gerencia 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 aprendizado de máquina. Além disso, o Conda suporta a distribuição de pacotes binários, acelerando o processo de instalação.
Posso utilizar Ultralytics YOLO num ambiente ativado por CUDA para obter um desempenho mais rápido?
Sim, você pode melhorar o desempenho utilizando um ambiente habilitado para CUDA. Certifique-se de que instala ultralytics, pytorche pytorch-cuda em conjunto para evitar conflitos:
Esta configuração permite a aceleração GPU , crucial para tarefas intensivas como a inferência e a formação de modelos de aprendizagem profunda. Para obter mais informações, visite o guia de instalação doUltralytics .
Quais são as vantagens de utilizar imagens Ultralytics Docker com um ambiente Conda?
O uso de imagens Ultralytics Docker garante um ambiente consistente e reproduzível, eliminando problemas do tipo "isso funciona na minha máquina". Essas imagens incluem um ambiente Conda pré-configurado, simplificando o processo de configuração. Você pode obter e executar a imagem Docker mais recente de Ultralytics com os seguintes comandos:
sudo docker pull ultralytics/ultralytics:latest-conda
sudo docker run -it --ipc=host --gpus all ultralytics/ultralytics:latest-conda
Essa abordagem é ideal para implantar aplicativos na produção ou executar fluxos de trabalho complexos sem configuração manual. Saiba mais sobre Ultralytics Conda Docker Image.
Como posso acelerar a instalação do pacote Conda no meu ambiente Ultralytics ?
Pode acelerar o processo de instalação do pacote utilizando libmambaum rápido solucionador de dependências para o Conda. Primeiro, instale o pacote conda-libmamba-solver pacote:
Em seguida, configure o Conda para usar libmamba como o solucionador:
Esta configuração fornece uma gestão de pacotes mais rápida e eficiente. Para mais dicas sobre como otimizar o seu ambiente, leia sobre a instalação do libmamba.
