Ultralytics YOLO Conda ile Nasıl Yüklenir
Bu kılavuz, Ultralytics projelerin için Conda ortamı kurulumunu adım adım anlatır. Conda, açık kaynaklı bir paket ve ortam yönetim sistemidir; paketleri ve bağımlılıkları yüklemek için pip'e alternatiftir. Yalıtılmış ortamları, Conda'yı veri bilimi ve makine öğrenimi çalışmaları için özellikle uygun kılar.
Bu kılavuzda Ultralytics ile ortam oluşturmayı, çıkarım çalıştırmayı, Conda Docker imajını kullanmayı ve libmamba ile kurulumları hızlandırmayı ele alıyoruz.
Ön koşullar#
Sisteminde Anaconda veya Miniconda yüklü olmalıdır. Yüklü değilse Anaconda veya Miniconda üzerinden indirip yükle.
Ultralytics'i Yükleme#
conda-forge kanalından Ultralytics içeren yeni bir Conda ortamı oluşturup ardından etkinleştir. conda'nın güncel ve uyumlu sürümleri birlikte çözümlemesi için Python, Ultralytics ve torchvision paketini (conda-forge paketinin bağımlılığı değildir) aynı komutta yükle:
conda create --name ultralytics-env -c conda-forge python=3.11 ultralytics torchvision -y
conda activate ultralytics-envCUDA destekli bir ortamda çalışıyorsan, conda'nın CUDA destekli PyTorch derlemesini çözümlemesi için conda-forge pytorch-gpu meta paketini aynı komuta ekle:
conda create --name ultralytics-env -c conda-forge python=3.11 ultralytics torchvision pytorch-gpu -y
conda activate ultralytics-envROCm Ortamı Hakkında Not (AMD GPU, Linux)#
Linux'ta ROCm kullanarak AMD GPU hızlandırması için PyTorch ROCm wheel'leri Conda üzerinden sunulmaz ve pip ile yüklenmelidir. Yalıtım için Conda ortamı kullan, ardından PyTorch ROCm ve Ultralytics'i pip ile yükle:
conda create --name ultralytics-rocm python=3.12 -y
conda activate ultralytics-rocm
pip install "torch[device-all]" "torchvision[device-all]" --index-url https://stable.repo.amd.com/rocm/whl-next/
pip install ultralyticsDesteklenen ROCm sürümleri için PyTorch Başlangıç sayfasına, MIGraphX çıkarım kurulumuna ilişkin bilgiler içinse Linux x86_64 üzerinde Python 3.11 veya daha yeni sürüm gerektiren AMD GPU kılavuzuna bak.
Ultralytics'i Kullanma#
Ultralytics yüklüyken nesne algılama, örnek segmentasyonu ve diğer görsel görevleri çalıştırabilirsin. Örneğin, bir görüntüde çıkarım çalıştırmak için:
from ultralytics import YOLO
model = YOLO("yolo26n.pt") # modeli başlat
results = model("path/to/image.jpg") # çıkarım yap
results[0].show() # ilk görüntünün sonuçlarını gösterUltralytics Conda Docker Görüntüsü#
Conda Dockerfile, conda-forge PyTorch 2.13, torchvision 0.28 ve CUDA 13.0 kullanır. conda-forge sürümleri, standart GPU görüntüsünde kullanılan PyTorch pip sürümlerinin gerisinde kalabilir. latest-conda otomatik yayımlaması devre dışıdır; bu nedenle güncel görüntüyü yerel olarak derle:
git clone https://github.com/ultralytics/ultralytics
cd ultralytics
t=ultralytics-conda:local
sudo docker build -f docker/Dockerfile-conda -t $t .Görüntüyü çalıştır:
# Run the Ultralytics image in a container with GPU support
sudo docker run -it --ipc=host --device nvidia.com/gpu=all $t # all GPUs
sudo docker run -it --ipc=host --device nvidia.com/gpu=2 --device nvidia.com/gpu=3 $t # specify GPUsLinux'ta CDI cihaz istekleri için Docker >= 28.2.0 ve NVIDIA Container Toolkit >= 1.18 gerekir. Eski --gpus all bayrağı, ana makinedeki daemon yeniden yüklendikten sonra GPU erişimini kaybettirebilir; bu nedenle eski Linux ana makinelerini yükselt ve bunun yerine --device kullan. Ayrıntılar için Docker Hızlı Başlangıç Kılavuzu sayfasına bak.
Libmamba ile Yüklemeyi Hızlandırma#
libmamba, Conda'nın klasik çözücüsünün yerini alan hızlı, platformlar arası ve bağımlılıkları dikkate alan bir çözücüdür. Conda 23.10 ve sonraki sürümlerinde varsayılan çözücü olarak zaten libmamba kullanılır; bu nedenle çoğu kurulum varsayılan ayarlarla daha hızlıdır.
Daha eski bir Conda sürümü kullanıyorsan libmamba'ı elle etkinleştirebilirsin:
-
Önce
conda-libmamba-solverpaketini yükle:conda install conda-libmamba-solver -
Ardından Conda'yı çözücü olarak
libmambakullanacak şekilde yapılandır:conda config --set solver libmamba
Bir Conda ortamını başarıyla kurdun, Ultralytics paketini yükledin ve artık özelliklerini keşfetmeye hazırsın. Daha ileri düzey eğitimler ve örnekler için Ultralytics belgelerine göz at.
Sık Sorulan Sorular#
conda'nın ikisini birlikte çözümlemesi için Python ve Ultralytics ile ortamı conda-forge kanalından tek komutla oluştur, ardından etkinleştir:
conda create --name ultralytics-env -c conda-forge python=3.11 ultralytics torchvision -y conda activate ultralytics-envConda, pip'e kıyasla çeşitli avantajlar sunan bir paket ve ortam yönetim sistemidir. Bağımlılıkları verimli biçimde yönetir ve gerekli tüm kitaplıkların uyumlu olmasını sağlar. Conda'nın yalıtılmış ortamları, paketler arasında çakışmaları önler; bu da veri bilimi ve makine öğrenimi projeleri için kritik öneme sahiptir. Ayrıca Conda, ikili paket dağıtımını destekleyerek yükleme sürecini hızlandırır.
Evet. CUDA destekli bir PyTorch derlemesinin de birlikte çözümlenmesi için ortamı
ultralyticsve conda-forgepytorch-gpumeta paketiyle aynı komutta oluştur:conda create --name ultralytics-env -c conda-forge python=3.11 ultralytics torchvision pytorch-gpu -y conda activate ultralytics-envBu kurulum, derin öğrenme modeli eğitimi ve çıkarımı gibi yoğun görevler için kritik olan GPU hızlandırmasını sağlar. Daha fazla bilgi için Ultralytics kurulum kılavuzunu ziyaret et.
Conda Dockerfile'ı, CUDA destekli PyTorch içeren yalıtılmış bir conda-forge ortamı sağlar. Yerel derleme talimatlarını izle, ardından orada gösterilen GPU seçenekleriyle çalıştır. Yayımlanan standart GPU görüntüsü ve diğer seçenekler Docker kılavuzunda listelenmiştir.
Conda 23.10 ve sonraki sürümlerinde varsayılan olarak hızlı
libmambaçözücüsü kullanılır. Daha eski Conda sürümlerinde önceconda-libmamba-solverpaketini yükleyerek bu çözücüyü elle etkinleştirebilirsin:conda install conda-libmamba-solverArdından Conda'yı çözücü olarak
libmambakullanacak şekilde yapılandır:conda config --set solver libmambaBu kurulum, daha hızlı ve verimli paket yönetimi sağlar.
Yorumlar6
Bir soru sor, sonuçlarını paylaş veya başka birine yardım et.
najwazkiyahh
Hi! I'm the new to using YOLO. I have python 3.12 on my laptop because my previous exam need it-the latest version of python. I want to install ultralytics YOLOv11, should I downgrade my python version from 3.12 into 3.11? Or I should downgrade my python version to the recommended requirement, 3.8? Thank you, hope you (anybody) can answer my confusion.
Glenn JocherUltralytics@najwazkiyahh you don't need to downgrade your system Python! 😊 Simply create a Conda environment with Python 3.11 using
conda create --name yolo_env python=3.11, then activate it and install Ultralytics. This keeps your existing Python 3.12 intact while giving you a compatible YOLO11 environment. For full steps, see the Conda Quickstart Guide for Ultralytics.We recommend this approach as it maintains version isolation while allowing you to work with both Python versions seamlessly. Welcome to the YOLO community! 🚀
Malvinlam
Hi is there a way to install the yolov8 dependencies using Anaconda prompt to the virtual environment other than pip install ultralytics? For example I already downloaded the ultralytics package from GitHub and opened it as project folder using PyCharm. Is there a way to only install the required libraries?
Glenn JocherUltralytics(düzenlendi)@Malvinlam hi there! 👋
Absolutely, you can install the required dependencies for Ultralytics using Conda without relying on
pip install ultralytics. Here's a step-by-step guide to help you set up your Conda environment and install the necessary libraries:-
Create a New Conda Environment: First, create a new Conda environment with Python 3.11 (or your preferred version):
conda create --name ultralytics-env python=3.11 -y -
Activate the Environment: Activate your newly created environment:
conda activate ultralytics-env -
Install Required Libraries: The repository no longer has a
requirements.txt; its dependencies are declared inpyproject.toml. From the root of your cloned repository, run:pip install -e .Alternatively, if you want to install specific packages manually, you can use:
conda install -c conda-forge numpy pandas matplotlib opencv scikit-learn conda install -c pytorch pytorch torchvision torchaudio -
Note on CUDA Environment: If you're working in a CUDA-enabled environment, it's a good practice to install
pytorchandpytorch-cudatogether to resolve any conflicts:conda install -c pytorch -c nvidia -c conda-forge pytorch torchvision torchaudio pytorch-cuda=11.8 -
Using Ultralytics: With the dependencies installed, you can now start using Ultralytics. For example, to perform inference with YOLO26:
from ultralytics import YOLO model = YOLO("yolo26n.pt") # initialize model results = model("path/to/image.jpg") # perform inference results[0].show() # display results for the first image
For more detailed instructions, you can refer to our Conda Quickstart Guide.
If you encounter any issues or have further questions, feel free to ask. Happy coding! 😊
-
nadinator
Does the python version have to be 3.8? Can it be a newer version? What would/wouldn't break if we used 3.11, for example (I'm thinking of the [ray]tuning feature)?
Glenn JocherUltralyticsHey there! 😊
You can definitely use Python versions newer than 3.8, including 3.11. However, it's important to note that while most features should work fine, there might be some compatibility issues with newer Python versions, especially with external libraries or specific features like [ray] tuning.
If you're keen on using Python 3.11, I'd recommend testing the key functionalities you plan to use in your project to ensure everything runs smoothly. For the [ray] tuning feature, you might want to check Ray's documentation or GitHub issues for any known compatibility concerns with Python 3.11.
Here's a quick example of how you might set up your environment with Python 3.11:
conda create --name ultralytics-env python=3.11 -y conda activate ultralytics-env conda install -c conda-forge ultralyticsAnd remember, if you encounter any issues, the Ultralytics community is here to help! 🚀