Instalar Ultralytics

A Ultralytics oferece uma variedade de métodos de instalação, incluindo pip, conda e Docker. Podes instalar o YOLO através do pacote pip ultralytics para a última versão estável, ou clonando o repositório GitHub da Ultralytics para a versão mais atual. O Docker também é uma opção para executar o pacote num contentor isolado, o que evita a instalação local.

# Install or upgrade the ultralytics package from PyPI
pip install -U ultralytics

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

Consulta o ficheiro ultralytics pyproject.toml para uma lista de dependências. Tem em atenção que todos os exemplos acima instalam todas as dependências necessárias.

Dica

Os requisitos do PyTorch variam consoante o sistema operativo e os requisitos de CUDA, por isso instala primeiro o PyTorch seguindo as instruções em PyTorch.

Instalação em Servidor Headless

Para ambientes de servidor sem ecrã (por exemplo, VMs na nuvem, contentores Docker, pipelines CI/CD), usa o pacote ultralytics-opencv-headless. Este é idêntico ao pacote padrão ultralytics mas depende de opencv-python-headless em vez de opencv-python, evitando dependências de GUI desnecessárias e potenciais erros de libGL.

pip install ultralytics-opencv-headless

Ambos os pacotes fornecem a mesma funcionalidade e API. A variante headless simplesmente exclui os componentes de GUI do OpenCV que requerem bibliotecas de visualização.

Instalação Avançada

Embora os métodos de instalação padrão cubram a maioria dos casos de uso, poderás precisar de uma configuração mais personalizada para desenvolvimento ou configurações customizadas.

Usar a Ultralytics com a CLI

A interface de linha de comandos (CLI) da Ultralytics permite comandos simples de uma linha sem a necessidade de um ambiente Python. A CLI não requer personalização ou código Python; executa todas as tarefas a partir do terminal com o comando yolo. Para mais informações sobre como usar o YOLO a partir da linha de comandos, vê o Guia da CLI.

yolo TASK MODE ARGS

Guia da CLI

Usar a Ultralytics com Python

A interface Python do YOLO da Ultralytics oferece uma integração perfeita em projetos Python, tornando fácil carregar, executar e processar as saídas do modelo. Desenhada para a simplicidade, a interface Python permite que os utilizadores implementem rapidamente deteção de objetos, segmentação e classificação. Isto torna a interface Python do YOLO uma ferramenta valiosa para incorporar estas funcionalidades nos teus projetos Python.

Por exemplo, os utilizadores podem carregar um modelo, treiná-lo, avaliar o seu desempenho e exportá-lo para o formato ONNX com apenas algumas linhas de código. Explora o Guia Python para aprender mais sobre como usar o YOLO nos teus projetos Python.

from ultralytics import YOLO

# Create a new YOLO model from scratch
model = YOLO("yolo26n.yaml")

# Load a pretrained YOLO model (recommended for training)
model = YOLO("yolo26n.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")

Guia Python

Configurações da Ultralytics

A biblioteca Ultralytics inclui um SettingsManager para um controlo preciso sobre as experiências, permitindo aos utilizadores aceder e modificar as configurações facilmente. Armazenadas num ficheiro JSON dentro do diretório de configuração do utilizador do ambiente, estas definições podem ser visualizadas ou modificadas no ambiente Python ou através da Interface de Linha de Comandos (CLI).

Inspecionar Configurações

Para ver a configuração atual das tuas definições:

from ultralytics import settings

# View all settings
print(settings)

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

Modificar definições

A Ultralytics torna fácil modificar definições das seguintes formas:

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()

Compreender as definições

A tabela abaixo apresenta uma visão geral das definições ajustáveis no Ultralytics, incluindo exemplos de valores, tipos de dados e descrições.

Revisa estas definições à medida que avanças nos teus projetos ou experiências para garantir uma configuração ideal.

Perguntas Frequentes

Como instalo o Ultralytics usando pip?

Instala o Ultralytics com pip usando:

pip install -U ultralytics

Isto instala a última versão estável do pacote ultralytics do PyPI. Para instalar a versão de desenvolvimento diretamente do GitHub:

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

Certifica-te de que a ferramenta de linha de comandos Git está instalada no teu sistema.

Posso instalar o Ultralytics YOLO usando conda?

Sim, instala o Ultralytics YOLO usando conda com:

conda install -c conda-forge ultralytics

Este método é uma ótima alternativa ao pip, garantindo compatibilidade com outros pacotes. Para ambientes CUDA, instala ultralytics, pytorch e pytorch-cuda em conjunto para resolver conflitos:

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

Para mais instruções, consulta o Conda quickstart guide.

Quais são as vantagens de usar Docker para executar o Ultralytics YOLO?

O Docker proporciona um ambiente isolado e consistente para o Ultralytics YOLO, garantindo um desempenho suave entre sistemas e evitando complexidades de instalação local. As imagens oficiais do Docker estão disponíveis no Docker Hub, com variantes para GPU, CPU, ARM64, NVIDIA Jetson e Conda. Para extrair e executar a imagem mais recente:

# 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 --runtime=nvidia --gpus all ultralytics/ultralytics:latest

Para instruções detalhadas sobre o Docker, consulta o Docker quickstart guide.

Como clono o repositório Ultralytics para desenvolvimento?

Clona o repositório Ultralytics e configura um ambiente de desenvolvimento com:

# 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 .

Isto permite contribuições para o projeto ou experimentação com o código-fonte mais recente. Para detalhes, visita o Ultralytics GitHub repository.

Por que devo usar o CLI do Ultralytics YOLO?

O CLI do Ultralytics YOLO simplifica a execução de tarefas de deteção de objetos sem código Python, permitindo comandos de uma única linha para treino, validação e predição diretamente do teu terminal. A sintaxe básica é:

yolo TASK MODE ARGS

Por exemplo, para treinar um modelo de deteção:

yolo train data=coco8.yaml model=yolo26n.pt epochs=10 lr0=0.01

Explora mais comandos e exemplos de utilização no CLI Guide completo.