Руководство по быстрому запуску Conda для Ultralytics
Это руководство содержит исчерпывающее введение в настройку среды Conda для ваших проектов Ultralytics . Conda - это система управления пакетами и окружениями с открытым исходным кодом, которая является отличной альтернативой pip для установки пакетов и зависимостей. Благодаря изолированным окружениям она особенно хорошо подходит для работы с наукой о данных и машинным обучением. Для получения более подробной информации посетите пакет Ultralytics Conda на Anaconda и проверьте репозиторий Ultralytics для обновления пакетов на GitHub.
Чему вы научитесь
- Настройка среды Conda
- Установка Ultralytics через Conda
- Инициализация Ultralytics в вашей среде
- Использование Ultralytics образов Docker с Conda
Пререквизиты
- В вашей системе должны быть установлены Anaconda или Miniconda. Если нет, загрузите и установите его из Anaconda или Miniconda.
Настройка среды Conda
Для начала давайте создадим новое окружение Conda. Откройте терминал и выполните следующую команду:
Активируйте новую среду:
Установка Ultralytics
Вы можете установить пакет Ultralytics с канала conda-forge. Выполните следующую команду:
Заметка на сайте CUDA Окружающая среда
Если вы работаете в среде с поддержкой CUDA, рекомендуется установить ultralytics, pytorch, и pytorch-cuda вместе разрешать любые конфликты:
Использование Ultralytics
Установив Ultralytics , вы можете начать использовать его надежные функции для обнаружения объектов, сегментации экземпляров и многого другого. Например, чтобы предсказать изображение, вы можете выполнить команду:
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 Образ докера Conda
Если вы предпочитаете использовать Docker, Ultralytics предлагает образы Docker с включенным окружением Conda. Вы можете взять эти образы с DockerHub.
Загрузите последний образ Ultralytics :
# Set image name as a variable
t=ultralytics/ultralytics:latest-conda
# Pull the latest Ultralytics image from Docker Hub
sudo docker pull $t
Запустите образ:
# 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
Ускорение установки с помощью Libmamba
Если вы хотите ускорить установку пакета процесс в Conda, вы можете выбрать использование libmambaбыстрый, кроссплатформенный менеджер пакетов с поддержкой зависимостей, который служит альтернативой стандартному решателю Conda.
Как включить Libmamba
Чтобы включить libmamba в качестве решателя для Conda, вы можете выполнить следующие действия:
-
Сначала установите
conda-libmamba-solverпакет. Это можно пропустить, если ваша версия Conda 4.11 или выше, так какlibmambaвключается по умолчанию. -
Далее настройте Conda на использование
libmambaв качестве решателя:
Вот и все! Теперь ваша установка Conda будет использовать libmamba в качестве решателя, что должно привести к ускорению процесса установки пакета.
Поздравляем! Вы успешно настроили среду Conda, установили пакет Ultralytics и теперь готовы изучить его богатый функционал. Не стесняйтесь погрузиться в документациюUltralytics , чтобы найти более продвинутые руководства и примеры.
ЧАСТО ЗАДАВАЕМЫЕ ВОПРОСЫ
Каков процесс настройки среды Conda для проектов Ultralytics ?
Настройка среды Conda для проектов Ultralytics проста и обеспечивает удобное управление пакетами. Сначала создайте новое окружение Conda с помощью следующей команды:
Затем активируйте новую среду с помощью:
Наконец, установите Ultralytics с канала conda-forge:
Почему я должен использовать Conda вместо pip для управления зависимостями в проектах Ultralytics ?
Conda - это надежная система управления пакетами и окружением, которая имеет ряд преимуществ перед pip. Она эффективно управляет зависимостями и обеспечивает совместимость всех необходимых библиотек. Изолированные среды Conda предотвращают конфликты между пакетами, что очень важно для проектов в области науки о данных и машинного обучения. Кроме того, Conda поддерживает бинарное распространение пакетов, что ускоряет процесс установки.
Можно ли использовать Ultralytics YOLO в среде с поддержкой CUDA для повышения производительности?
Да, вы можете повысить производительность, используя среду с поддержкой CUDA. Убедитесь, что вы установили ultralytics, pytorch, и pytorch-cuda вместе, чтобы избежать конфликтов:
Эта настройка позволяет ускорить GPU , что очень важно для интенсивных задач, таких как обучение моделей глубокого обучения и вывод выводов. Для получения дополнительной информации посетите руководство по установкеUltralytics .
Каковы преимущества использования образов Ultralytics Docker в среде Conda?
Использование Docker-образов Ultralytics обеспечивает последовательное и воспроизводимое окружение, исключая проблемы "это работает на моей машине". Эти образы включают в себя предварительно настроенное окружение Conda, что упрощает процесс настройки. Вы можете получить и запустить последний образ Ultralytics Docker с помощью следующих команд:
sudo docker pull ultralytics/ultralytics:latest-conda
sudo docker run -it --ipc=host --gpus all ultralytics/ultralytics:latest-conda
Такой подход идеально подходит для развертывания приложений в производстве или выполнения сложных рабочих процессов без ручной настройки. Подробнее о Ultralytics Conda Docker Image.
Как ускорить установку пакетов Conda в среде Ultralytics ?
Вы можете ускорить процесс установки пакета, используя libmambaбыстрый решатель зависимостей для Conda. Сначала установите conda-libmamba-solver пакет:
Затем настройте Conda на использование libmamba в качестве решателя:
Такая настройка обеспечивает более быстрое и эффективное управление пакетами. Дополнительные советы по оптимизации среды можно найти в статье об установке libmamba.
