Быстрый старт

Установи Ultralytics

Ultralytics Предусмотрены различные способы установки, включая pip, conda и Docker. Установи YOLO с помощью ultralytics Пакет pip для последнего стабильного выпуска или клонированием Ultralytics Репозиторий GitHub чтобы получить самую актуальную версию. С помощью Docker можно запустить пакет в изолированном контейнере, избежав локальной установки.

Смотри: Ultralytics YOLO Краткое руководство по запуску

# Install the ultralytics package from PyPI
pip install ultralytics

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

# Install the ultralytics package using conda
conda install -c conda-forge ultralytics

# Install all packages together using conda
conda install -c pytorch -c nvidia -c conda-forge pytorch torchvision pytorch-cuda=11.8 ultralytics

# Set image name as a variable
t=ultralytics/ultralytics:latest-conda

# Pull the latest ultralytics image from Docker Hub
sudo docker pull $t

# 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

# 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 .

# Set image name as a variable
t=ultralytics/ultralytics:latest

# Pull the latest ultralytics image from Docker Hub
sudo docker pull $t

# 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

# Mount local directory to a directory inside the container
sudo docker run -it --ipc=host --gpus all -v /path/on/host:/path/in/container $t

См. ultralytics pyproject.toml файл для получения списка зависимостей. Обрати внимание, что все приведенные примеры устанавливают все необходимые зависимости.

Используй Ultralytics с CLI

Интерфейс командной строки Ultralytics (CLI) позволяет выполнять простые однострочные команды без необходимости создания среды Python . CLI не требует настройки или Python кода. Ты можешь просто запускать все задания из терминала с помощью команды yolo Командуй. Проверь CLI Руководство чтобы узнать больше об использовании YOLO из командной строки.

yolo TASK MODE ARGS

yolo train data=coco8.yaml model=yolo11n.pt epochs=10 lr0=0.01

yolo predict model=yolo11n-seg.pt source='https://youtu.be/LNwODJXcvt4' imgsz=320

yolo val model=yolo11n.pt data=coco8.yaml batch=1 imgsz=640

yolo export model=yolo11n-cls.pt format=onnx imgsz=224,128

yolo help
yolo checks
yolo version
yolo settings
yolo copy-cfg
yolo cfg

CLI Руководство

Используй Ultralytics с Python

YOLOИнтерфейс Python позволяет без проблем интегрировать его в твои проекты Python , облегчая загрузку, запуск и обработку результатов моделирования. Разработанный с учетом простоты и удобства использования, интерфейс Python позволяет пользователям быстро реализовать в своих проектах обнаружение, сегментацию и классификацию объектов. Это делает интерфейс YOLO' Python бесценным инструментом для тех, кто хочет внедрить эти функции в свои Python проекты.

Например, пользователи могут загрузить модель, обучить ее, оценить ее производительность на валидном множестве и даже экспортировать ее в формат ONNX всего несколькими строчками кода. Ознакомься с руководствомPython , чтобы узнать больше об использовании YOLO в своих Python -проектах.

from ultralytics import YOLO

# Create a new YOLO model from scratch
model = YOLO("yolo11n.yaml")

# Load a pretrained YOLO model (recommended for training)
model = YOLO("yolo11n.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")

Python Руководство

Ultralytics Настройки

Библиотека Ultralytics предоставляет мощную систему управления настройками, позволяющую осуществлять тонкий контроль над твоими экспериментами. Используя SettingsManager расположенный внутри ultralytics.utils модуль, пользователи могут легко получить доступ к своим настройкам и изменить их. Они хранятся в JSON-файле в директории пользовательских настроек среды, и их можно просматривать или изменять непосредственно в среде Python или через интерфейс командной строки (CLI).

Осмотр настроек

Чтобы получить представление о текущей конфигурации твоих настроек, ты можешь просмотреть их напрямую:

from ultralytics import settings

# View all settings
print(settings)

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

yolo settings

Изменение настроек

Ultralytics позволяет пользователям легко изменять свои настройки. Изменения могут быть выполнены следующими способами:

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()

# Update a setting
yolo settings runs_dir='/path/to/runs'

# Update multiple settings
yolo settings runs_dir='/path/to/runs' tensorboard=False

# Reset settings to default values
yolo settings reset

Понимание настроек

В таблице ниже представлен обзор параметров, доступных для настройки в Ultralytics. Каждый параметр указан вместе с примером значения, типом данных и кратким описанием.

По мере продвижения по своим проектам или экспериментам обязательно пересматривай эти настройки, чтобы убедиться, что они оптимально соответствуют твоим потребностям.

ВОПРОСЫ И ОТВЕТЫ

Как установить Ultralytics с помощью pip?

Чтобы установить Ultralytics с помощью pip, выполни следующую команду:

pip install ultralytics

Для последнего стабильного выпуска это позволит установить ultralytics пакет прямо с сайта Python Package Index (PyPI). Для получения более подробной информации посетите ultralytics пакет на PyPI.

Как вариант, ты можешь установить последнюю версию разработки прямо с GitHub:

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

Убедись, что в твоей системе установлен инструмент командной строки Git.

Можно ли установить Ultralytics YOLO с помощью conda?

Да, ты можешь установить Ultralytics YOLO с помощью conda, запустив его:

conda install -c conda-forge ultralytics

Этот метод является отличной альтернативой pip и гарантирует совместимость с другими пакетами в твоем окружении. Для окружения CUDA лучше всего установить ultralytics, pytorch, и pytorch-cuda одновременно, чтобы разрешить все конфликты:

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

Для получения более подробных инструкций посети руководство по быстрому запуску Conda.

В чем преимущества использования Docker для запуска Ultralytics YOLO ?

Использование Docker для запуска Ultralytics YOLO обеспечивает изолированную и согласованную среду, гарантируя бесперебойную работу на разных системах. Кроме того, он избавляет от сложности локальной установки. Официальные образы Docker с Ultralytics доступны на Docker Hub, причем разные варианты заточены под среды GPU, CPU, ARM64, NVIDIA Jetson и Conda. Ниже приведены команды для извлечения и запуска последнего образа:

# 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 --gpus all ultralytics/ultralytics:latest

Более подробные инструкции по работе с Docker ты найдешь в руководстве по быстрому запуску Docker.

Как клонировать репозиторий Ultralytics для разработки?

Чтобы клонировать репозиторий Ultralytics и создать среду разработки, выполни следующие действия:

# 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 .

Такой подход позволяет тебе внести свой вклад в проект или поэкспериментировать с последними версиями исходного кода. Для получения более подробной информации посети репозиторийUltralytics GitHub.

Почему я должен использовать Ultralytics YOLO CLI ?

Интерфейс командной строки Ultralytics YOLO (CLI) упрощает выполнение задач по обнаружению объектов, не требуя Python кода. Ты можешь выполнять однострочные команды для таких задач, как обучение, проверка и предсказание, прямо из своего терминала. Основной синтаксис для yolo Команды - это:

yolo TASK MODE ARGS

Например, чтобы обучить модель обнаружения с заданными параметрами:

yolo train data=coco8.yaml model=yolo11n.pt epochs=10 lr0=0.01

Загляни в полное руководствоCLI , чтобы изучить больше команд и примеров использования.

📅 Создано 1 год назад ✏️ Обновлено 12 дней назад

Комментарии