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 obteres a versão estável mais recente, ou clonando o repositório do 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 obteres uma lista de dependências. Nota 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 o PyTorch primeiro seguindo as instruções em PyTorch.

Instalação em Servidor Headless#

Para ambientes de servidor sem ecrã (por exemplo, VMs na cloud, contentores Docker, pipelines de CI/CD), usa o pacote ultralytics-opencv-headless. Este é idêntico ao pacote standard 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 exclui simplesmente os componentes 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 específicas.

Usar o Ultralytics com CLI#

A interface de linha de comandos (CLI) da Ultralytics permite comandos simples numa única linha sem 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 utilizar o YOLO a partir da linha de comandos, consulta o Guia da CLI.

yolo TASK MODE ARGS

Guia CLI

Usar o Ultralytics com Python#

A interface Python do Ultralytics YOLO oferece uma integração perfeita em projetos Python, facilitando o carregamento, a execução e o processamento dos resultados dos modelos. Desenhada para ser simples, a interface Python permite aos utilizadores implementar rapidamente deteteção de objetos, segmentação de instâncias, segmentação semântica, estimativa de profundidade e classificação. Isto torna a interface Python do YOLO uma ferramenta inestimável para incorporar estas funcionalidades em 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 do Python para saberes mais sobre como utilizar 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

Definições do Ultralytics#

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

Inspecionar Definições#

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 dentro da Ultralytics, incluindo valores de exemplo, tipos de dados e descrições.

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

FAQ#

Como instalo a Ultralytics usando pip?#

Instala a Ultralytics com pip usando:

pip install -U ultralytics

Isto instala a versão estável mais recente do pacote ultralytics a partir do PyPI. Para instalar a versão de desenvolvimento diretamente a partir 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 a Ultralytics YOLO usando conda?#

Sim, instala a Ultralytics YOLO usando conda com:

conda install -c conda-forge ultralytics

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

conda install -c pytorch -c nvidia -c conda-forge pytorch torchvision pytorch-cuda=12.1 ultralytics

Para mais instruções, consulta o guia de início rápido do Conda.

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

O Docker fornece um ambiente isolado e consistente para o Ultralytics YOLO, garantindo um desempenho fluido 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 obter 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 --device nvidia.com/gpu=all ultralytics/ultralytics:latest

Para instruções detalhadas sobre o Docker, consulta o guia de início rápido do Docker.

Como clono o repositório da Ultralytics para desenvolvimento?#

Clona o repositório da Ultralytics e prepara 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 contribuir para o projeto ou experimentar com o código fonte mais recente. Para mais detalhes, visita o repositório do GitHub da Ultralytics.

Por que devo usar a CLI da Ultralytics YOLO?#

A CLI da Ultralytics YOLO simplifica a execução de tarefas de deteção de objetos sem código Python, permitindo comandos de uma 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 Guia da CLI completo.