Редактировать страницу на GitHub (EN)

Установи 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 доступа к 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

Установи или обнови пакет ultralytics с помощью pip, выполнив pip install -U ultralytics. Для получения дополнительной информации о пакете ultralytics посети Python Package Index (PyPI).

PyPI - Version Downloads

# 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 ты хочешь получить последнюю версию для разработки. Убедись, что у тебя установлена утилита командной строки Git, а затем выполни:

# 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 приведенные выше примеры устанавливают все необходимые зависимости.

Совет

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

PyTorch installation selector for different platforms

Установка на headless-сервере

Для серверных сред без дисплея (например, облачные ВМ, 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.

Headless-установка
pip install ultralytics-opencv-headless

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

Продвинутая установка

Хотя стандартные методы установки покрывают большинство случаев, тебе может понадобиться более специализированная настройка для разработки или нестандартных конфигураций.

Продвинутые методы

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

  1. Сделай форк репозитория Ultralytics на GitHub в свой аккаунт GitHub.
  2. Клонируй свой форк локально: 
    git clone https://github.com/YOUR_USERNAME/ultralytics.git
cd ultralytics
  3. Создай новую ветку для своих изменений: 
    git checkout -b my-custom-branch
  4. Внеси свои изменения в pyproject.toml или другие файлы по мере необходимости.
  5. Закоммить и запушь свои изменения: 
    git add .
git commit -m "My custom changes"
git push origin my-custom-branch
  6. Установи с помощью pip, используя синтаксис git+https и указывая на свою ветку: 
    pip install git+https://github.com/YOUR_USERNAME/ultralytics.git@my-custom-branch

Использование Ultralytics через CLI

Интерфейс командной строки (CLI) Ultralytics позволяет использовать простые однострочные команды без необходимости в среде Python. CLI не требует настройки или написания кода на Python; запускай все задачи из терминала с помощью команды yolo. Больше информации о работе с YOLO через командную строку ты найдешь в руководстве по CLI.

Пример

Команды yolo в Ultralytics используют следующий синтаксис:

yolo TASK MODE ARGS
  • TASK (необязательно) — одна из (detect, segment, classify, pose, obb, semantic)
  • MODE (обязательно) — одна из (train, val, predict, export, track, benchmark)
  • ARGS (необязательно) — пары arg=value, например imgsz=640, которые переопределяют значения по умолчанию.

Узнай обо всех ARGS в полном руководстве по конфигурации или с помощью команды yolo cfg в CLI.

Предупреждение

Аргументы должны передаваться как пары arg=value, разделенные знаком равенства = и пробелами. Не используй префиксы -- 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)

Руководство по CLI

Использование Ultralytics с Python

Интерфейс Python для YOLO от Ultralytics обеспечивает плавную интеграцию в Python-проекты, позволяя легко загружать, запускать и обрабатывать результаты моделей. Созданный для простоты, интерфейс Python позволяет пользователям быстро реализовать детекцию объектов, сегментацию экземпляров, семантическую сегментацию и классификацию. Это делает Python-интерфейс YOLO бесценным инструментом для внедрения этих функциональных возможностей в твои Python-проекты.

Например, пользователи могут загрузить модель, обучить её, оценить производительность и экспортировать в формат ONNX всего за несколько строк кода. Изучи руководство по Python, чтобы узнать больше об использовании YOLO в своих Python-проектах.

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 SettingsManager для тонкой настройки экспериментов, позволяя легко получать доступ к настройкам и изменять их. Сохраняемые в JSON-файле внутри каталога пользовательской конфигурации среды, эти настройки можно просматривать или изменять в среде Python или через интерфейс командной строки (CLI).

Проверка настроек

Для просмотра текущей конфигурации настроек:

Просмотр настроек

Используй Python для просмотра настроек, импортировав объект settings из 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()

Понимание настроек

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

ИмяПример значенияТип данныхОписание
settings_version'0.0.4'strUltralytics settings version (distinct from the Ultralytics pip version)
datasets_dir'/path/to/datasets'strДиректория, где хранятся наборы данных
weights_dir'/path/to/weights'strДиректория, где хранятся веса моделей
runs_dir'/path/to/runs'strДиректория, где хранятся запуски экспериментов
uuid'a1b2c3d4'strУникальный идентификатор текущих настроек
syncTrueboolOption to sync analytics and crashes to Ultralytics Platform
api_key''strUltralytics Platform API Key
clearmlTrueboolOption to use ClearML logging
cometTrueboolOption to use Comet ML for experiment tracking and visualization
dvcTrueboolOption to use DVC for experiment tracking and version control
hubTrueboolOption to use Ultralytics Platform integration
mlflowTrueboolOption to use MLFlow for experiment tracking
neptuneTrueboolOption to use Neptune for experiment tracking
raytuneTrueboolOption to use Ray Tune for hyperparameter tuning
tensorboardTrueboolOption to use TensorBoard for visualization
wandbTrueboolOption to use Weights & Biases logging
vscode_msgTrueboolWhen a VS Code terminal is detected, enables a prompt to download the Ultralytics-Snippets extension.

Периодически возвращайся к этим настройкам по мере продвижения в проектах или экспериментах, чтобы обеспечить оптимальную конфигурацию.

Часто задаваемые вопросы (FAQ)

Как 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 разработки напрямую из GitHub:

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

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

Могу ли я установить Ultralytics YOLO через 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 сред 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

Дополнительные инструкции см. в Conda quickstart guide.

В чем преимущества использования Docker для запуска Ultralytics YOLO?

Docker предоставляет изолированную, согласованную среду для Ultralytics YOLO, обеспечивая плавную работу в разных системах и предотвращая сложности 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.

Как 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 тебе вносить вклад в проект или экспериментировать с последним исходным кодом. Подробности можно найти в Ultralytics GitHub repository.

Зачем 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 твоего терминала. Базовый синтаксис выглядит так:

yolo TASK MODE ARGS

Например, чтобы обучить модель обнаружения:

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

Изучи другие команды и примеры использования в полном CLI Guide.

Contributors
Редактировать страницу на GitHub (EN)
GLglenn-jocher30RIRizwanMunawar6LALaughing-q3PDpderrenger3BUBurhan-Q3ONonuralpszr2JKjk4e2FCfcakyon1LAlakshanthad1PIpicsalex1LEleonnil1MAMatthewNoyce1

Комментарии