Skip to main content
Редактировать страницу на GitHub (EN)

Установка Ultralytics

Ultralytics предлагает различные способы установки, включая pip, conda и Docker. Ты можешь установить YOLO через ultralytics пакет pip для получения последнего стабильного релиза или путем клонирования репозитория Ultralytics на GitHub для получения самой актуальной версии. Docker также является вариантом для запуска пакета в изолированном контейнере, что позволяет избежать локальной установки.



Watch: Ultralytics YOLO Quick Start Guide
Установка

![PyPI - Python Version](https://img.shields.io/pypi/pyversions/ultralytics?logo=python&logoColor=gold)

Установи или обнови пакет ultralytics с помощью pip, выполнив команду pip install -U ultralytics. Более подробную информацию о пакете ultralytics можно найти в Python Package Index (PyPI).

PyPI - Версия Загрузки

# Install or upgrade the ultralytics package from PyPI
pip install -U ultralytics

Ты также можешь установить ultralytics напрямую из репозитория Ultralytics на GitHub. Это может быть полезно, если тебе нужна последняя версия для разработки. Убедись, что у тебя установлен инструмент командной строки Git, а затем выполни следующее:

# 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

PyTorch требования варьируются в зависимости от операционной системы и требований CUDA, поэтому установи PyTorch сначала, следуя инструкциям на PyTorch.

PyTorch installation selector for different platforms

Установка 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 зависимостей GUI и потенциальных ошибок libGL.

Установка Headless
pip install ultralytics-opencv-headless

Оба пакета предоставляют одинаковую функциональность и API. Headless-вариант просто исключает графические компоненты OpenCV, требующие библиотек дисплея.

Продвинутая установка

Хотя стандартные методы установки охватывают большинство сценариев использования, тебе может потребоваться более индивидуальная настройка для разработки или специфических конфигураций.

Продвинутые методы

Если тебе нужны постоянные пользовательские изменения, ты можешь сделать форк репозитория Ultralytics, внести изменения в pyproject.toml или другой код и установить пакет из своего форка.

  1. Форк репозитория Ultralytics на GitHubв твой аккаунт GitHub.
  2. Клонируйсвой форк локально: 
    git clone https://github.com/YOUR_USERNAME/ultralytics.git
cd ultralytics
  3. Создай новую веткудля своих изменений: 
    git checkout -b my-custom-branch
  4. Внеси измененияв pyproject.tomlили другие файлы при необходимости.
  5. Закоммить и запушьсвои изменения: 
    git add .
git commit -m "My custom changes"
git push origin my-custom-branch
  6. Установкаиспользуя pip с синтаксисом git+httpsс указанием твоей ветки: 
    pip install git+https://github.com/YOUR_USERNAME/ultralytics.git@my-custom-branch

Использование Ultralytics с CLI

Интерфейс командной строки (CLI) Ultralytics позволяет выполнять простые команды в одну строку без необходимости в среде Python. CLI не требует настройки или написания кода на Python; запускай все задачи из терминала с помощью команды yolo. Чтобы узнать больше об использовании YOLO из командной строки, ознакомься с Руководством по CLI.

Пример

Команды Ultralytics yoloиспользуют следующий синтаксис:

yolo TASK MODE ARGS
  • TASK (необязательный) — это один из вариантов (detect, segment, classify, pose, obb)
  • MODE (обязательный) — это один из вариантов (train, val, predict, export, track, benchmark)
  • ARGS (необязательные) — это пары arg=value, например imgsz=640, которые переопределяют значения по умолчанию.

Смотри все ARGSв полном Руководстве по настройкеили с помощью команды CLI yolo cfg.

Предупреждение

Аргументы должны передаваться как пары arg=value, разделенные знаком равенства = и пробелами. Не используй -- префиксы аргументов или запятые , между аргументами.

  • yolo predict model=yolo26n.pt imgsz=640 conf=0.25 ✅
  • yolo predict model yolo26n.pt imgsz 640 conf 0.25 ❌ (отсутствует =)
  • yolo predict model=yolo26n.pt, imgsz=640, conf=0.25 ❌ (не используй ,)
  • yolo predict --model yolo26n.pt --imgsz 640 --conf 0.25 ❌ (не используй --)
  • yolo solution model=yolo26n.pt imgsz=640 conf=0.25 ❌ (используй solutions, а не solution)

Руководством по CLI

Использование Ultralytics с Python

Интерфейс Python для YOLO от Ultralytics обеспечивает плавную интеграцию в проекты на Python, упрощая загрузку, запуск и обработку результатов модели. Разработанный для простоты, интерфейс Python позволяет быстро реализовывать обнаружения объектов, сегментацию и классификацию. Это делает интерфейс Python для YOLO неоценимым инструментом для внедрения этих функциональных возможностей в проекты на Python.

Например, ты можешь загрузить модель, обучить её, оценить производительность и экспортировать в формат ONNX всего за несколько строк кода. Изучи Руководство по Pythonчтобы узнать больше об использовании YOLO в твоих проектах на Python.

Пример
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

Настройки Ultralytics

Библиотека Ultralytics включает SettingsManagerдля детального управления экспериментами, позволяя легко получать доступ к настройкам и изменять их. Эти настройки, хранящиеся в JSON-файле в директории конфигурации пользователя, могут быть просмотрены или изменены в среде Python или через интерфейс командной строки (CLI).

Проверка настроек

Чтобы просмотреть текущую конфигурацию своих настроек:

Просмотр настроек

Используй Python для просмотра своих настроек, импортировав объект settingsиз модуля ultralytics. Выведи и получи настройки с помощью этих команд:

from ultralytics import settings

# View all settings
print(settings)

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

Изменение настроек

Ultralytics позволяет легко изменять настройки следующими способами:

Обновление настроек

В Python используй метод update для объекта settings:

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()

Разбор настроек

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

ИмяПример значенияТип данныхОписание
settings_version'0.0.4'strКоманды Ultralytics settings версия (отличается от версии pip Ultralytics)
datasets_dir'/path/to/datasets'strДиректория для хранения датасетов
weights_dir'/path/to/weights'strДиректория для хранения весов моделей
runs_dir'/path/to/runs'strДиректория для хранения запусков экспериментов
uuid'a1b2c3d4'strУникальный идентификатор текущих настроек
syncTrueboolОпция синхронизации аналитики и отчетов о сбоях с Ultralytics Platform
api_key''strUltralytics Platform API Key
clearmlTrueboolОпция использования ClearML логирования
cometTrueboolОпция использования Comet ML для отслеживания и визуализации экспериментов
dvcTrueboolОпция использования DVC для отслеживания экспериментов и контроля версий
hubTrueboolОпция использования Ultralytics Platform интеграция
mlflowTrueboolОпция использования MLFlow для отслеживания экспериментов
neptuneTrueboolОпция использования Neptune для отслеживания экспериментов
raytuneTrueboolОпция использования Ray Tune для настройки гиперпараметров
tensorboardTrueboolОпция использования TensorBoard для визуализации
wandbTrueboolОпция использования Weights & Biases логирования
vscode_msgTrueboolПри обнаружении терминала VS Code включает запрос на установку расширения Ultralytics-Snippets.

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

FAQ

Как установить Ultralytics с помощью pip?

Установи Ultralytics через pip с помощью команды:

pip install -U ultralytics

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

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

Убедись, что Git установлен в твоей системе.

Можно ли установить Ultralytics YOLO с помощью conda?

Да, установи Ultralytics YOLO через conda с помощью:

conda install -c conda-forge ultralytics

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

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

Для получения дополнительных инструкций см. Conda quickstart guide.

В чем преимущества использования Docker для запуска Ultralytics YOLO?

Docker предоставляет изолированное и согласованное окружение для Ultralytics YOLO, обеспечивая стабильную работу в различных системах и избавляя от сложностей локальной установки. Официальные образы Docker 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.

Как клонировать репозиторий Ultralytics для разработки?

Клонируй репозиторий Ultralytics и настрой окружение для 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 тебе вносить вклад в проект или экспериментировать с последним исходным кодом. Подробности см. в репозитория Ultralytics на GitHub.

Почему стоит использовать CLI для Ultralytics YOLO?

CLI для Ultralytics YOLO упрощает выполнение задач обнаружения объектов без написания кода на Python, позволяя запускать обучение, валидацию и предсказание одной строкой прямо из терминала. Базовый синтаксис выглядит так:

yolo TASK MODE ARGS

Например, для обучения модели детекции:

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

Изучи другие команды и примеры использования в полном Руководством по CLI.

Contributors
Редактировать страницу на GitHub (EN)
GLglenn-jocher27RIRizwanMunawar6PDpderrenger3BUBurhan-Q3LALaughing-q2ONonuralpszr2JKjk4e2FCfcakyon1LAlakshanthad1PIpicsalex1LEleonnil1MAMatthewNoyce1

Комментарии