Link to this sectionУстанови Ultralytics#

Ultralytics предлагает различные способы установки, включая pip, conda и Docker. Ты можешь установить YOLO через pip-пакет ultralytics для получения последнего стабильного релиза или клонировать репозиторий Ultralytics на GitHub для работы с самой актуальной версией. Docker — это еще один вариант запуска пакета в изолированном контейнере, который позволяет избежать локальной установки.

# 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

Ознакомься с файлом ultralytics pyproject.toml для получения списка зависимостей. Обрати внимание, что все примеры выше устанавливают все необходимые зависимости.

Совет

Требования к PyTorch зависят от операционной системы и требований CUDA, поэтому сначала установи PyTorch, следуя инструкциям на PyTorch.

Link to this sectionУстановка на headless-сервер#

Для серверных сред без дисплея (например, облачные виртуальные машины, Docker-контейнеры, CI/CD-пайплайны) используй пакет ultralytics-opencv-headless. Он идентичен стандартному пакету ultralytics, но зависит от opencv-python-headless вместо opencv-python, что позволяет избежать ненужных GUI-зависимостей и потенциальных ошибок libGL.

pip install ultralytics-opencv-headless

Оба пакета предоставляют одинаковую функциональность и API. Headless-вариант просто исключает компоненты графического интерфейса OpenCV, которым требуются библиотеки для отображения.

Link to this sectionПродвинутая установка#

Хотя стандартные способы установки подходят для большинства случаев, тебе может понадобиться более специализированная настройка для разработки или нестандартных конфигураций.

Link to this sectionИспользование Ultralytics через CLI#

Интерфейс командной строки (CLI) Ultralytics позволяет выполнять простые однострочные команды без необходимости настройки среды Python. CLI не требует кастомизации или Python-кода; запускай все задачи из терминала с помощью команды yolo. Подробнее об использовании YOLO из командной строки см. в Руководстве по CLI.

yolo TASK MODE ARGS

Руководство по CLI

Link to this sectionИспользование Ultralytics с Python#

Интерфейс Ultralytics YOLO для Python предлагает бесшовную интеграцию в Python-проекты, упрощая загрузку, запуск и обработку результатов модели. Разработанный для простоты, этот интерфейс позволяет пользователям быстро внедрять детектирование объектов, сегментацию экземпляров, семантическую сегментацию и классификацию. Это делает Python-интерфейс YOLO бесценным инструментом для включения данных функциональных возможностей в твои Python-проекты.

Например, пользователи могут загрузить модель, обучить ее, оценить производительность и экспортировать в формат ONNX всего несколькими строками кода. Изучи Руководство по Python, чтобы узнать больше об использовании YOLO в своих Python-проектах.

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")

Руководство по Python

Link to this sectionНастройки Ultralytics#

Библиотека Ultralytics включает SettingsManager для тонкой настройки экспериментов, позволяя пользователям легко получать доступ к настройкам и изменять их. Эти настройки, хранящиеся в JSON-файле внутри директории пользовательской конфигурации среды, можно просматривать или изменять как в среде Python, так и с помощью интерфейса командной строки (CLI).

Link to this sectionПроверка настроек#

Чтобы посмотреть текущую конфигурацию твоих настроек:

from ultralytics import settings

# View all settings
print(settings)

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

Link to this sectionИзменение настроек#

Ultralytics позволяет легко изменять настройки 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()

Link to this sectionПонимание настроек#

В таблице ниже представлен обзор настраиваемых параметров в Ultralytics, включая примеры значений, типы данных и описания.

Возвращайся к этим настройкам по мере продвижения в работе над проектами или экспериментами, чтобы обеспечить оптимальную конфигурацию.

Link to this sectionFAQ#

Link to this sectionКак установить Ultralytics с помощью pip?#

Установи Ultralytics с помощью pip, используя:

pip install -U ultralytics

Это установит последний стабильный релиз пакета ultralytics из PyPI. Чтобы установить версию для разработчиков напрямую с GitHub:

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

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

Link to this sectionМогу ли я установить Ultralytics YOLO с помощью conda?#

Да, установи Ultralytics YOLO с помощью conda командой:

conda install -c conda-forge ultralytics

Этот метод — отличная альтернатива pip, обеспечивающая совместимость с другими пакетами. Для сред CUDA устанавливай ultralytics, pytorch и pytorch-cuda вместе, чтобы разрешить конфликты:

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

Больше инструкций можно найти в Conda quickstart guide.

Link to this sectionКаковы преимущества использования Docker для запуска Ultralytics YOLO?#

Docker предоставляет изолированную, согласованную среду для Ultralytics YOLO, обеспечивая стабильную работу в разных системах и избавляя от сложностей локальной установки. Официальные Docker-образы доступны на Docker Hub с вариантами для GPU, CPU, ARM64, NVIDIA Jetson и Conda. Чтобы скачать и запустить последний образ:

# 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

Подробные инструкции по Docker см. в Docker quickstart guide.

Link to this sectionКак клонировать репозиторий Ultralytics для разработки?#

Клонируй репозиторий Ultralytics и настрой среду разработки с помощью:

# 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 .

Это позволит участвовать в проекте или экспериментировать с последним исходным кодом. Подробности ищи в Ultralytics GitHub repository.

Link to this sectionЗачем использовать CLI для Ultralytics YOLO?#

CLI для Ultralytics YOLO упрощает выполнение задач по обнаружению объектов без написания кода на Python, позволяя использовать однострочные команды для обучения, валидации и предсказания прямо из терминала. Базовый синтаксис:

yolo TASK MODE ARGS

Например, чтобы обучить модель обнаружения:

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

Изучи больше команд и примеров использования в полном CLI Guide.