Ultralytics YOLO Conda ile Nasıl Kurulur#

Bu kılavuz, Ultralytics projelerin için bir Conda ortamının nasıl kurulacağını açıklar. Conda, paketleri ve ortamları yönetmek için açık kaynaklı bir sistemdir ve paketleri ile bağımlılıkları kurmak için pip'e mükemmel bir alternatif sunar. İzole ortamları, onu özellikle veri bilimi ve makine öğrenimi çalışmaları için uygun hale getirir. Daha fazla bilgi için Anaconda üzerindeki Ultralytics Conda paketini ziyaret et ve GitHub üzerindeki paket güncellemeleri için Ultralytics feedstock deposuna göz at.

Bu kılavuzda ortam oluşturma, Ultralytics kurulumu, çıkarım çalıştırma, Conda Docker imajını kullanma ve libmamba ile kurulumları hızlandırma konuları ele alınır.

Ön koşullar#

Sisteminde Anaconda veya Miniconda kurulu olmalıdır. Kurulu değilse Anaconda veya Miniconda üzerinden indirip kur.

Conda Ortamı Kurma#

Öncelikle yeni bir Conda ortamı oluştur. Terminalini aç ve aşağıdaki komutu çalıştır:

conda create --name ultralytics-env python=3.11 -y

Yeni ortamı etkinleştir:

conda activate ultralytics-env

Ultralytics Kurulumu#

Ultralytics paketini conda-forge kanalından kurabilirsin. Aşağıdaki komutu çalıştır:

conda install -c conda-forge ultralytics

conda install -c conda-forge ultralytics pytorch-gpu

Ultralytics'ı Kullanma#

Ultralytics kurulduktan sonra nesne algılama, örnek bölütleme ve daha fazlası için sunduğu güçlü özellikleri kullanmaya başlayabilirsin. Örneğin bir görüntü üzerinde tahmin yapmak için şunu çalıştırabilirsin:

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

Ultralytics Conda Docker İmajı#

Conda Dockerfile, conda-forge PyTorch 2.13, torchvision 0.28 ve CUDA 13.0 kullanır. Conda-forge sürümleri, standart GPU görüntüsü tarafından kullanılan PyTorch pip sürümlerinin gerisinde kalabilir. latest-conda otomatik yayınlaması devre dışıdır, bu yüzden güncel görüntüyü yerelde oluştur:

git clone https://github.com/ultralytics/ultralytics
cd ultralytics
t=ultralytics-conda:local
sudo docker build -f docker/Dockerfile-conda -t $t .

İmajı 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 GPUs

Linux'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 kaybedebilir; bu nedenle eski Linux ana makinelerini yükselt ve bunun yerine --device kullan. Ayrıntılar için Docker Hızlı Başlangıç Kılavuzu sayfasına bak.

Libmamba ile Kurulumu Hızlandırma#

libmamba, Conda'nın klasik çözücüsünün yerini alan hızlı, platformlar arası ve bağımlılıkları dikkate alan bir çözücüdür. Conda 23.10 ve sonraki sürümler, varsayılan çözücü olarak zaten libmamba kullanır; bu nedenle çoğu kurulum, ek bir işlem gerekmeden daha hızlıdır.

Daha eski bir Conda sürümü kullanıyorsan libmamba öğesini manuel olarak etkinleştirebilirsin:

1. Öncelikle conda-libmamba-solver paketini kur:

   conda install conda-libmamba-solver

2. Ardından Conda'yı çözücü olarak libmamba kullanacak şekilde yapılandır:

   conda config --set solver libmamba

Bir Conda ortamını başarıyla kurdun, Ultralytics paketini yükledin ve artık özelliklerini keşfetmeye hazırsın. Daha gelişmiş eğitimler ve örnekler için Ultralytics belgelerine bak.

SSS#