Conda ile Ultralytics YOLO Nasıl Kurulur#
Bu kılavuz, Ultralytics projelerin için bir Conda ortamı kurma sürecini adım adım anlatır. Conda; paketleri ve bağımlılıkları yüklemek için pip'e mükemmel bir alternatif sunan, açık kaynaklı bir paket ve ortam yönetim sistemidir. İzole ortamları, onu özellikle veri bilimi ve machine learning çalışmaları için son derece uygun hale getirir. Daha fazla ayrıntı için Anaconda üzerindeki Ultralytics Conda paketini ziyaret edebilir ve paket güncellemeleri için GitHub üzerindeki Ultralytics feedstock deposuna göz atabilirsin.
Bu kılavuz; ortam oluşturmayı, Ultralytics yüklemeyi, çıkarsama çalıştırmayı, Conda Docker görüntüsünü kullanmayı ve libmamba ile yüklemeleri hızlandırmayı kapsar.
Ön koşullar#
Sisteminde Anaconda veya Miniconda kurulu olmalıdır. Değilse, bunları Anaconda veya Miniconda adresinden indirip kurabilirsin.
Conda Ortamı Kurma#
Öncelikle, yeni bir Conda ortamı oluştur. Terminalini aç ve şu komutu çalıştır:
conda create --name ultralytics-env python=3.11 -yYeni ortamı etkinleştir:
conda activate ultralytics-envUltralytics Kurulumu#
Ultralytics paketini conda-forge kanalından yükleyebilirsin. Şu komutu çalıştır:
conda install -c conda-forge ultralyticsCUDA destekli bir ortamda çalışıyorsan, Conda paket yöneticisinin olası çakışmaları çözebilmesi için ultralytics, pytorch ve pytorch-cuda paketlerini birlikte kurman iyi bir uygulamadır:
conda install -c pytorch -c nvidia -c conda-forge pytorch torchvision pytorch-cuda=12.1 ultralyticsUltralytics Kullanımı#
Ultralytics yüklü olarak, artık nesne tespiti, örnek segmentasyonu ve daha fazlası için güçlü özelliklerini 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 imageUltralytics Conda Docker İmajı#
Docker kullanmayı tercih ediyorsan Ultralytics, içinde Conda ortamı barındıran Docker görüntüleri sunar. Bu görüntüleri DockerHub adresinden çekebilirsin.
En güncel Ultralytics imajını çek:
# Set image name as a variable
t=ultralytics/ultralytics:latest-conda
# Pull the latest Ultralytics image from Docker Hub
sudo docker pull $tİmajı 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 aygıt istekleri Docker >= 28.2.0 ve NVIDIA Container Toolkit >= 1.18 gerektirir. Eski --gpus all bayrağı, ana bilgisayar arka plan programı (daemon) yeniden başlatmalarından sonra GPU erişimini kaybedebilir, bu nedenle eski Linux ana bilgisayarlarını yükselt ve bunun yerine --device kullan. Ayrıntılar için Docker Quickstart Guide kılavuzuna göz at.
Libmamba ile Kurulumu Hızlandırma#
libmamba, Conda'nın klasik çözücüsünün yerini alan hızlı, platformlar arası ve bağımlılık farkındalığına sahip bir çözücüdür. Conda 23.10 ve sonraki sürümler varsayılan çözücü olarak zaten libmamba kullanır, bu nedenle çoğu kurulum kutudan çıktığı gibi daha hızlıdır.
Daha eski bir Conda sürümü kullanıyorsan libmamba özelliğini manuel olarak etkinleştirebilirsin:
-
Önce
conda-libmamba-solverpaketini kur:conda install conda-libmamba-solver -
Ardından Conda'yı çözücü olarak
libmambakullanacak şekilde yapılandır:conda config --set solver libmamba
Conda ortamını başarıyla kurdun, Ultralytics paketini yükledin ve artık özelliklerini keşfetmeye hazırsın. Daha gelişmiş eğitimler ve örnekler için Ultralytics belgelerine göz at.
SSS#
Ultralytics projeleri için bir Conda ortamı kurmak oldukça kolaydır ve sorunsuz paket yönetimi sağlar. İlk olarak, aşağıdaki komutu kullanarak yeni bir Conda ortamı oluştur:
conda create --name ultralytics-env python=3.11 -yArdından, şu komutla yeni ortamı etkinleştir:
conda activate ultralytics-envSon olarak, Ultralytics'i conda-forge kanalından yükle:
conda install -c conda-forge ultralyticsConda, pip'e göre çeşitli avantajlar sunan güçlü bir paket ve ortam yönetim sistemidir. Bağımlılıkları verimli bir şekilde yönetir ve gerekli tüm kütüphanelerin uyumlu olmasını sağlar. Conda'nın izole edilmiş ortamları, paketler arasındaki çakışmaları önler; bu da veri bilimi ve makine öğrenimi projelerinde çok kritiktir. Ayrıca Conda, kurulum sürecini hızlandıran ikili paket dağıtımını destekler.
Evet, CUDA destekli bir ortam kullanarak performans artışı sağlayabilirsin. Çakışmaları önlemek için
ultralytics,pytorchvepytorch-cudapaketlerini birlikte kurduğundan emin ol:conda install -c pytorch -c nvidia -c conda-forge pytorch torchvision pytorch-cuda=12.1 ultralyticsBu kurulum; deep learning modeli eğitimi ve çıkarsaması gibi yoğun görevler için çok önemli olan GPU hızlandırmasını etkinleştirir. Daha fazla bilgi için Ultralytics kurulum kılavuzunu ziyaret et.
Ultralytics Docker imajlarını kullanmak, "benim makinemde çalışıyor" sorunlarını ortadan kaldırarak tutarlı ve tekrarlanabilir bir ortam sağlar. Bu imajlar, kurulum sürecini basitleştiren önceden yapılandırılmış bir Conda ortamı içerir. En güncel Ultralytics Docker imajını aşağıdaki komutlarla çekebilir ve çalıştırabilirsin:
sudo docker pull ultralytics/ultralytics:latest-conda sudo docker run -it --ipc=host --device nvidia.com/gpu=all ultralytics/ultralytics:latest-conda # all GPUs sudo docker run -it --ipc=host --device nvidia.com/gpu=2 --device nvidia.com/gpu=3 ultralytics/ultralytics:latest-conda # specify GPUsBu yaklaşım, uygulamaları prod ortamında dağıtmak veya manuel yapılandırma gerektirmeden karmaşık iş akışlarını çalıştırmak için idealdir. Ultralytics Conda Docker Image hakkında daha fazla bilgi edin.
Conda 23.10 ve sonraki sürümler, varsayılan olarak hızlı
libmambaçözücüsünü zaten kullanır. Daha eski Conda sürümlerinde, önceconda-libmamba-solverpaketini yükleyerek bunu manuel olarak etkinleştirebilirsin:conda install conda-libmamba-solverArdından Conda'yı çözücü olarak
libmambakullanacak şekilde yapılandır:conda config --set solver libmambaBu kurulum, daha hızlı ve daha verimli bir paket yönetimi sağlar. Ortamını optimize etmeye yönelik daha fazla ipucu için libmamba installation hakkında bilgi oku.