Руководство по быстрому запуску Conda для Ultralytics
Это руководство дает исчерпывающее представление о настройке окружения Conda для твоих проектов Ultralytics . Conda - это система управления пакетами и окружениями с открытым исходным кодом, которая представляет собой отличную альтернативу 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 посети пакет Ultralytics Conda на Anaconda и проверь репозиторий Ultralytics feedstock для обновлений пакетов на GitHub.
Чему ты научишься
- Настройка окружения Conda
- Установка Ultralytics через Conda
- Инициализация Ultralytics в твоем окружении
- Использование Ultralytics Docker-образов с Conda
Пререквизиты
- В твоей системе должна быть установлена Anaconda или Miniconda. Если нет, скачай и установи его из Anaconda или Miniconda.
Настройка окружения Conda
Для начала создадим новое окружение Conda. Открой свой терминал и выполни следующую команду:
Активируй новое окружение:
Установка Ultralytics
Ты можешь установить пакет Ultralytics с канала conda-forge. Выполни следующую команду:
Заметка на CUDA Окружающая среда
Если ты работаешь в среде, поддерживающей CUDA, хорошей практикой будет установить ultralytics
, pytorch
, и pytorch-cuda
вместе, чтобы разрешить все конфликты:
Использование Ultralytics
Установив Ultralytics , ты можешь начать использовать его надежные функции для обнаружения объектов, сегментации экземпляров и многого другого. Например, чтобы предсказать изображение, ты можешь выполнить команду:
from ultralytics import YOLO
model = YOLO("yolov8n.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 ты предпочитаешь использовать Docker, то Ultralytics предлагает образы Docker с включенным окружением Conda. Ты можешь взять эти образы с DockerHub.
Вытащи 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
Запусти 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 ты хочешь Ускорьте установку пакета процесс в Conda, ты можешь выбрать использование libmamba
быстрый, кроссплатформенный и учитывающий зависимости менеджер пакетов, который служит альтернативным решателем, нежели стандартный Conda.
Как включить Libmamba
Чтобы включить libmamba
в качестве решателя для Conda, ты можешь выполнить следующие действия:
-
Для начала установи
conda-libmamba-solver
пакет. Это можно пропустить, если твоя версия Conda - 4.11 или выше, так какlibmamba
включена по умолчанию. -
Далее настройте Conda на использование
libmamba
в качестве решателя:
Вот и все! Теперь твоя установка Conda будет использовать libmamba
в качестве решателя, что должно привести к ускорению процесса установки пакета.
Поздравляю! Ты успешно настроил окружение Conda, установил пакет Ultralytics и теперь готов изучить его богатые функциональные возможности. Не стесняйся погрузиться в документациюUltralytics , чтобы найти более продвинутые руководства и примеры.
ВОПРОСЫ И ОТВЕТЫ
Каков процесс настройки среды Conda для проектов Ultralytics ?
Настройка окружения Conda для проектов Ultralytics проста и обеспечивает бесперебойное управление пакетами. Для начала создай новое окружение Conda с помощью следующей команды:
Затем активируй новое окружение с помощью:
Наконец, установи 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 крайне важно в проектах, связанных с наукой о данных и машинным обучением. Кроме того, Conda поддерживает бинарное распространение пакетов, что ускоряет процесс установки.
Можно ли использовать Ultralytics YOLO в среде CUDA для повышения производительности?
Да, ты можешь повысить производительность, используя среду с поддержкой CUDA. Убедись, что ты установил ultralytics
, pytorch
, и pytorch-cuda
вместе, чтобы избежать конфликтов:
Эта установка позволяет ускорить GPU , что крайне важно для таких интенсивных задач, как обучение моделей глубокого обучения и вывод выводов. Для получения дополнительной информации посети руководство по установкеUltralytics .
В чем преимущества использования Ultralytics Docker-образов 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 сконфигурированное окружение Conda, что упрощает процесс настройки. Ты можешь 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 запуска сложных рабочих процессов без ручной настройки. Узнай больше о Ultralytics Conda Docker Image.
Как ускорить установку пакетов Conda в среде Ultralytics ?
Ты можешь ускорить процесс установки пакета, используя libmamba
быстрый решатель зависимостей для Conda. Для начала установи conda-libmamba-solver
пакет:
Затем настройте Conda на использование libmamba
в качестве решателя:
Такая настройка обеспечивает более быстрое и эффективное управление пакетами. Чтобы получить больше советов по оптимизации окружения, читай об установке libmamba.