Link to this sectionConda 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 edilmiş ortamları, onu özellikle veri bilimi ve makine öğrenimi çalışmaları için çok uygun kılar. Daha fazla ayrıntı için Anaconda üzerindeki Ultralytics Conda paketini ziyaret et ve GitHub üzerindeki Ultralytics feedstock deposundan paket güncellemelerine göz at.

Bu kılavuz, ortam oluşturma, Ultralytics kurulumu, çıkarım çalıştırma, Conda Docker imajını kullanma ve libmamba ile kurulumları hızlandırma konularını kapsar.

Link to this sectionÖn koşullar#

Sisteminde Anaconda veya Miniconda kurulu olmalıdır. Değilse, Anaconda veya Miniconda adresinden indirip kurabilirsin.

Link to this sectionConda Ortamı Kurma#

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

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

Yeni ortamı etkinleştir:

conda activate ultralytics-env

Link to this sectionUltralytics Kurulumu#

Ultralytics paketini conda-forge kanalından yükleyebilirsin. Şu komutu çalıştır:

conda install -c conda-forge ultralytics

conda install -c pytorch -c nvidia -c conda-forge pytorch torchvision pytorch-cuda=12.1 ultralytics

Link to this sectionUltralytics Kullanımı#

Ultralytics kurulduğuna göre, nesne algılama, örnek bölümleme ve daha fazlası için güçlü özelliklerini kullanmaya başlayabilirsin. Örneğin, bir görsel üzerinde tahmin yürütmek 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

Link to this sectionUltralytics Conda Docker İmajı#

Docker kullanmayı tercih edersen, Ultralytics, Conda ortamı dahil edilmiş Docker imajları sunar. Bu imajları DockerHub üzerinden 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 $t

İmajı çalıştır:

# Run the Ultralytics image in a container with GPU support
sudo docker run -it --ipc=host --runtime=nvidia --gpus all $t            # all GPUs
sudo docker run -it --ipc=host --runtime=nvidia --gpus '"device=2,3"' $t # specify GPUs

Link to this sectionLibmamba ile Kurulumu Hızlandırma#

libmamba, Conda'nın klasik çözümleyicisinin yerini alan hızlı, platformlar arası ve bağımlılık duyarlı bir çözümleyicidir. Conda 23.10 ve sonrası sürümler zaten varsayılan çözümleyici olarak libmamba kullanır, bu nedenle çoğu kurulum kutudan çıktığı haliyle daha hızlıdır.

Eski bir Conda sürümü kullanıyorsan, libmamba'yı manuel olarak etkinleştirebilirsin:

1. Öncelikle conda-libmamba-solver paketini kur:

   conda install conda-libmamba-solver

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

   conda config --set solver libmamba

Başarıyla bir Conda ortamı kurdun, Ultralytics paketini yükledin ve şimdi özelliklerini keşfetmeye hazırsın. Daha ileri seviye eğitimler ve örnekler için Ultralytics belgelerine göz at.

Link to this sectionSSS#

Link to this sectionUltralytics projeleri için bir Conda ortamı kurma süreci nasıldır?#

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 -y

Ardından, şu komutla yeni ortamı etkinleştir:

conda activate ultralytics-env

Son olarak, Ultralytics'i conda-forge kanalından yükle:

conda install -c conda-forge ultralytics

Link to this sectionUltralytics projelerinde bağımlılıkları yönetmek için neden pip yerine Conda kullanmalıyım?#

Conda, 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.

Link to this sectionDaha hızlı performans için Ultralytics YOLO'yu CUDA destekli bir ortamda kullanabilir miyim?#

Evet, CUDA destekli bir ortam kullanarak performansı artırabilirsin. Çakışmaları önlemek için ultralytics, pytorch ve pytorch-cuda paketlerini birlikte kurduğundan emin ol:

conda install -c pytorch -c nvidia -c conda-forge pytorch torchvision pytorch-cuda=12.1 ultralytics

Bu kurulum, derin öğrenme model eğitimi ve çıkarımı gibi yoğun görevler için kritik olan GPU hızlandırmasını etkinleştirir. Daha fazla bilgi için Ultralytics kurulum kılavuzunu ziyaret et.

Link to this sectionUltralytics Docker imajlarını Conda ortamı ile kullanmanın faydaları nelerdir?#

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 --runtime=nvidia --gpus all ultralytics/ultralytics:latest-conda            # all GPUs
sudo docker run -it --ipc=host --runtime=nvidia --gpus '"device=2,3"' ultralytics/ultralytics:latest-conda # specify GPUs

Bu yaklaşım, uygulamaları yayına almak veya manuel yapılandırma gerektirmeden karmaşık iş akışlarını çalıştırmak için idealdir. Ultralytics Conda Docker İmajı hakkında daha fazla bilgi edin.

Link to this sectionUltralytics ortamımda Conda paket kurulumunu nasıl hızlandırabilirim?#

Conda 23.10 ve sonrası sürümler zaten varsayılan olarak hızlı libmamba çözümleyicisini kullanır. Eski Conda sürümlerinde, önce conda-libmamba-solver paketini kurarak onu manuel olarak etkinleştirebilirsin:

conda install conda-libmamba-solver

Ardından Conda'yı çözümleyici olarak libmamba kullanacak şekilde yapılandır:

conda config --set solver libmamba

Bu kurulum, daha hızlı ve daha verimli paket yönetimi sağlar. Ortamını optimize etmekle ilgili daha fazla ipucu için libmamba kurulumu hakkındaki yazıyı oku.