Başla

Ultralytics VS Code Uzantısı



İzle: Ultralytics Visual Studio Code eklentisi nasıl kullanılır | Kullanıma hazır kod parçacıkları | Ultralytics YOLO 🎉

Özellikler ve Avantajlar#

✅ Ultralytics ile bilgisayarlı görü uygulamaları geliştiren bir veri bilimci veya makine öğrenimi mühendisi misin?

✅ Aynı kod bloklarını tekrar tekrar yazmaktan sıkıldın mı?

✅ train, val, predict, export veya track yöntemlerinin argümanlarını ya da varsayılan değerlerini sürekli unutuyor musun?

✅ Ultralytics'i kullanmaya başlamak istiyor ve kod örneklerine başvurmanın ya da bu örnekleri çalıştırmanın daha kolay bir yolunu mu arıyorsun?

✅ Ultralytics ile çalışırken geliştirme döngünü hızlandırmak mı istiyorsun?

Visual Studio Code kullanıyorsan ve yukarıdakilerden herhangi birine 'evet' yanıtını verdiysen VS Code için Ultralytics-snippets uzantısı yardımcı olabilir. Aşağıdaki bölümlerde uzantının ne yaptığı, nasıl kurulacağı ve nasıl kullanılacağı ele alınmaktadır.


Inserting and running an Ultralytics YOLO prediction snippet in VS Code
Ultralytics YOLO ile örnek kodu 20 saniyeden kısa sürede çalıştır.

Ultralytics Topluluğundan İlham Aldı#

Bu uzantıyı geliştirme fikri Ultralytics Topluluğu'ndan geldi. Topluluk üyelerinin benzer konular ve örnekler hakkındaki soruları, bu projenin geliştirilmesine ilham verdi. Ayrıca Ultralytics ekibinin birçok üyesi kendi çalışmalarında VS Code kullanıyor.

Neden VS Code?#

Visual Studio Code dünya çapındaki geliştiriciler tarafından yaygın olarak kullanılır ve Stack Overflow Geliştirici Anketi'nde 2021, 2022, 2023 ve 2024 yıllarında en popüler araç seçilmiştir. Popülerliğinin nedeni yüksek düzeyde özelleştirilebilirliği, yerleşik özellikleri, geniş uyumluluğu ve genişletilebilirliğidir. Geliştirici topluluğunda ve Ultralytics Discord, Discourse, Reddit ve GitHub Topluluklarında yaygın biçimde kullanıldığından, iş akışını kolaylaştırmaya yardımcı olacak bir VS Code uzantısı geliştirmek mantıklıydı.

Kod geliştirmek için kullandığın araçları paylaşmak üzere Discourse'taki topluluk anketinde oy kullan.

Uzantıyı Kurma#

Not

VS Code uzantılarının yüklenmesine izin veren tüm kod ortamları, Ultralytics-snippets uzantısıyla uyumlu olmalıdır. Neovim de VS Code uzantılarıyla uyumlu hâle getirilebilir.

VS Code'a Kurma#

  1. VS Code'daki Uzantılar menüsüne git veya Ctrl+Shift ⇑+x kısayolunu kullanıp Ultralytics-snippets uzantısını ara.

  2. Install düğmesine tıkla.


Ultralytics Snippets search result with Install button in the VS Code Extensions Marketplace panel

VS Code Uzantı Pazaryerinden Kurma#

  1. VS Code Uzantı Pazaryerini ziyaret edip Ultralytics-snippets uzantısını ara veya doğrudan VS Code pazaryerindeki uzantı sayfasına git.

  2. Install düğmesine tıkla ve tarayıcının bir VS Code oturumu başlatmasına izin ver.

  3. Uzantıyı kurmak için görüntülenen istemleri izle.


VS Code marketplace extension install
Ultralytics-Snippets için Visual Studio Code Eklenti Pazaryeri sayfası

Ultralytics-Snippets Uzantısını Kullanma#

  • Akıllı Kod Tamamlama: Ultralytics API'sine özel gelişmiş kod tamamlama önerileriyle daha hızlı ve daha doğru kod yaz.

  • Daha Hızlı Geliştirme: Hazır kod bloklarıyla tekrarlanan kodlama görevlerini ortadan kaldırıp zamandan tasarruf et.

  • Daha İyi Kod Kalitesi: Daha az hatayla daha temiz ve tutarlı kod yaz.

  • Kolaylaştırılmış İş Akışı: Yaygın görevleri otomatikleştirerek projenin temel mantığına odaklan.

Genel Bakış#

Uzantı yalnızca Dil Modu Python olarak yapılandırıldığında çalışır. Bu sayede başka bir dosya türü üzerinde çalışırken kod parçacıkları eklenmez. Tüm kod parçacıklarının öneki ultra ile başlar; uzantıyı kurduktan sonra düzenleyicide ultra yazmak, kullanabileceğin kod parçacıklarının listesini görüntüler. Ayrıca VS Code Komut Paleti'ni Ctrl+Shift ⇑+p tuşlarıyla açıp Snippets: Insert Snippet komutunu çalıştırabilirsin.

Kod Parçacığı Alanları#

Birçok kod parçacığında varsayılan yer tutucu değerleri veya adları içeren "alanlar" bulunur. Örneğin, predict yönteminin çıktısı r, results, detections, preds adlı bir Python değişkenine veya geliştiricinin seçeceği başka bir değişkene kaydedilebilir; bu nedenle kod parçacıklarında "alanlar" bulunur. Bir kod parçacığı eklendikten sonra klavyendeki Tab ⇥ tuşunu kullanırsan imlecin alanlar arasında hızla hareket eder. Bir alan seçildiğinde yeni bir değişken adı yazmak o alanın değerini değiştirir ve aynı değişkenin kod parçacığındaki diğer tüm kullanımlarını da günceller!


Renaming a snippet field updates every instance and opens model scale and variant dropdowns
Kod parçacığını ekledikten sonra model adını world_model olarak değiştirmek tüm örnekleri günceller. Tab ⇥ tuşuna basınca bir sonraki alana geçilir; burada açılan menüden bir model ölçeği seçebilirsin. Sonraki alana geçtiğinde ise world veya worldv2 model varyantını seçebileceğin başka bir açılır menü görüntülenir.

Kod Parçacığı Tamamlama#

Daha da _Kısa_ Kısayollar

Kod parçacığının önekini tamamen yazman, hatta önekin başından itibaren yazmaya başlaman gerekmez. Aşağıdaki görseldeki örneğe bak.

Kod parçacıkları olabildiğince açıklayıcı biçimde adlandırılmıştır; ancak bu, yazılacak çok şey olabileceği ve amaç daha hızlı ilerlemekse bunun verimsiz olabileceği anlamına gelir. Neyse ki VS Code, amaçlanan kod parçacığı seçeneğine ulaşmak için ultra.example-yolo-predict, example-yolo-predict, yolo-predict veya hatta ex-yolo-p yazmana izin verir! İstediğin kod parçacığı aslında ultra.example-yolo-predict-kwords ise istediğin parçacığı vurgulamak için klavyendeki ok tuşlarını ↑ veya ↓ kullanıp doğru kod bloğunu eklemek üzere Enter ↵ veya Tab ⇥ tuşuna bas.


VS Code incomplete code snippet preview
ex-yolo-p yazsan da doğru kod parçacığına yine ulaşırsın.

Kod Parçacığı Kategorileri#

Bunlar, Ultralytics-snippets uzantısında şu anda bulunan kod parçacığı kategorileridir. Gelecekte yenileri eklenecek; bu nedenle güncellemeleri kontrol etmeyi ve uzantı için otomatik güncellemeleri etkinleştirmeyi unutma. Eksik olan kod parçacıkları varsa yenilerinin eklenmesini isteyebilirsin.

KategoriBaşlangıç ÖnekiAçıklama
Örneklerultra.examplesUltralytics'i öğrenmeye veya kullanmaya başlamaya yardımcı olacak örnek kodlar. Örnekler, dokümantasyon sayfalarındaki kodların kopyalarıdır veya benzerleridir.
Anahtar Kelime Argümanlarıultra.kwargstrain, val, predict ve track yöntemleri için tüm anahtar kelime argümanlarını ve varsayılan değerleri içeren kod parçacıkları ekleyerek geliştirme sürecini hızlandır.
İçe Aktarmalarultra.importsYaygın Ultralytics nesnelerini hızla içe aktarmaya yönelik kod parçacıkları.
Modellerultra.yoloAçılır menüde yapılandırma seçenekleri de sunan çeşitli modelleri başlatmak için kod blokları ekle (yolo, sam, rtdetr vb.).
Sonuçlarultra.resultÇıkarım sonuçlarıyla çalışırken kullanılan yaygın işlemlere yönelik kod blokları.
Yardımcı Araçlarultra.utilUltralytics paketinde yerleşik olan yaygın yardımcı programlara hızlı erişim sağlar. Bu araçlar hakkında daha fazla bilgiyi Basit Yardımcı Programlar sayfasında bulabilirsin.

Örneklerle Öğrenme#

ultra.examples kod parçacıkları, Ultralytics YOLO ile çalışmanın temellerini öğrenmek isteyen herkes için çok kullanışlıdır. Örnek kod parçacıkları eklendikten sonra çalıştırılmak üzere tasarlanmıştır (bazılarında açılır seçenekler de bulunur). Bunun bir örneği, bu sayfanın en üstündeki animasyonda gösterilmiştir: kod parçacığı eklendikten sonra tüm kod seçilir ve Shift ⇑+Enter ↵ kullanılarak etkileşimli biçimde çalıştırılır.

Örnek

Bu sayfanın en üstündeki animasyonda gösterildiği gibi, aşağıdaki kod örneğini eklemek için ultra.example-yolo-predict kod parçacığını kullanabilirsin. Eklendikten sonra yapılandırabileceğin tek seçenek model ölçeğidir; şu değerlerden biri olabilir: n, s, m, l veya x.

from ultralytics import ASSETS, YOLO

model = YOLO("yolo26n.pt", task="detect")
results = model(source=ASSETS / "bus.jpg")

for result in results:
    print(result.boxes.data)
    # result.show()  # her sonuç görüntüsünü görüntülemek için açıklama işaretini kaldır

Geliştirmeyi Hızlandırma#

ultra.examples dışındaki kod parçacıkları, Ultralytics ile çalışırken geliştirmeyi kolaylaştırmayı ve hızlandırmayı amaçlar. Pek çok projedeki yaygın kod bloklarından biri, modelin tahmin yöntemi tarafından döndürülen Results listesinde döngü yapar. ultra.result-loop kod parçacığı bu konuda yardımcı olabilir.

Örnek

ultra.result-loop kod parçacığını kullanmak, aşağıdaki varsayılan kodu (yorumlar dâhil) ekler.

# referans https://docs.ultralytics.com/modes/predict#working-with-results

for result in results:
    result.boxes.data  # torch.Tensor dizisi

Ancak Ultralytics çok sayıda görevi desteklediğinden, çıkarım sonuçlarıyla çalışırken erişmek isteyebileceğin başka Results öznitelikleri de vardır; kod parçacığı alanları bu noktada işe yarar.


VS Code YOLO results visualization options
Sekmeyle boxes alanına geçtiğinde, gerektiği gibi başka bir özellik seçmene olanak tanıyan bir açılır menü görüntülenir.

Anahtar Kelime Argümanları#

Ultralytics'in çeşitli görevleri ve modları için 100'den fazla anahtar sözcük bağımsız değişkeni var! Hepsini hatırlamak zor ve bağımsız değişkenin save_frame mi yoksa save_frames mü olduğunu unutmak kolay (save_frames). ultra.kwargs kod parçacıkları bu konuda yardımcı olabilir!

Örnek

Tüm çıkarım argümanları dâhil olmak üzere predict yöntemini eklemek için ultra.kwargs-predict kullan; bu, aşağıdaki kodu (yorumlar dâhil) ekler.

model.predict(
    source=src,  # (str, optional) görseller veya videolar için kaynak dizini
    imgsz=640,  # (int | list) tahmin için giriş görsellerinin boyutu; int veya list[h,w] olarak
    conf=0.25,  # (float) minimum güven eşiği
    iou=0.7,  # (float) NMS için kesişim/birleşim (IoU) eşiği
    vid_stride=1,  # (int) video kare hızı adımı
    stream_buffer=False,  # (bool) gelen kareleri bir kuyrukta arabelleğe al (True) veya yalnızca en güncel kareyi tut (False)
    visualize=False,  # (bool) sınıf etkinleştirme ısı haritalarını kaydet
    augment=False,  # (bool) tahmin kaynaklarına görüntü artırma uygula
    agnostic_nms=False,  # (bool) sınıftan bağımsız NMS
    classes=None,  # (int | list[int], optional) sonuçları sınıfa göre filtrele; ör. classes=0 veya classes=[0,2,3]
    retina_masks=False,  # (bool) yüksek çözünürlüklü segmentasyon maskeleri kullan
    embed=None,  # (list[int], optional) belirtilen katmanlardan özellik vektörlerini/gömüleri döndür
    show=False,  # (bool) ortam izin veriyorsa tahmin edilen görselleri ve videoları göster
    save=True,  # (bool) tahmin sonuçlarını kaydet
    save_frames=False,  # (bool) tahmin edilen video karelerini ayrı ayrı kaydet
    save_txt=False,  # (bool) sonuçları .txt dosyası olarak kaydet
    save_conf=False,  # (bool) sonuçları güven puanlarıyla birlikte kaydet
    save_crop=False,  # (bool) sonuçlarla kırpılmış görselleri kaydet
    stream=False,  # (bool) uzun videoları veya çok sayıda görseli işlerken bellek kullanımını azaltmak için sonuçları bir üreteç olarak döndür
    verbose=True,  # (bool) terminalde ayrıntılı çıkarım günlüklerini etkinleştir/devre dışı bırak
)

Bu kod parçacığında tüm anahtar kelime argümanları için alanların yanı sıra, kodunda farklı bir değişken kullandıysan model ve src için de alanlar bulunur. Anahtar kelime argümanı içeren her satırda başvuru için kısa bir açıklama yer alır.

Tüm Kod Parçacıkları#

Hangi kod parçacıklarının kullanılabilir olduğunu öğrenmenin en iyi yolu uzantıyı indirip kurmak ve denemektir! Merak ediyor ve listeye önceden göz atmak istiyorsan tüm kullanılabilir kod parçacıklarının tablolarını görmek için depoyu veya VS Code pazaryerindeki uzantı sayfasını ziyaret edebilirsin.

Sonuç#

VS Code için Ultralytics-Snippets uzantısı, veri bilimcilerin ve makine öğrenimi mühendislerinin Ultralytics YOLO ile bilgisayarlı görü uygulamalarını daha verimli geliştirmelerine yardımcı olur. Önceden hazırlanmış kod parçacıkları ve örnekler, standart kodlara daha az, projenin mantığına daha fazla zaman ayırmanı sağlar. Geri bildirimini paylaşmak için VS Code Marketplace'teki uzantı sayfasını ziyaret edip bir değerlendirme bırak.

Sık Sorulan Sorular#

  • Yeni kod parçacıklarını, Ultralytics-Snippets deposundaki Sorunlar bölümünden talep edebilirsin.

  • Uzantı ücretsizdir.

  • VS Code, önizleme penceresinde daha fazla/daha az bilgi göstermek için Ctrl+Space tuş kombinasyonunu kullanır. Kod parçacığı ön eki yazarken kod parçacığı önizlemesini göremiyorsan bu tuş kombinasyonunu kullanarak önizlemeyi yeniden etkinleştirebilirsin.

  • VS Code kullanıyorsan ve Ultralytics-snippets uzantısını yüklemeni isteyen bir mesaj görmeye başladıysan ve bu mesajı artık görmek istemiyorsan, mesajı devre dışı bırakmanın iki yolu var.

    1. Ultralytics-snippets'i kur; bu mesaj artık gösterilmeyecek.

    2. Uzantıyı yüklemeden mesajın gösterilmesini devre dışı bırakmak için yolo settings vscode_msg=False kullanabilirsin. Aşina değilsen Ultralytics Ayarları sayfasından daha fazla bilgi edinebilirsin.

  • Ultralytics-snippets deposunu ziyaret et ve bir Issue veya Pull Request aç!

  • Diğer VS Code uzantılarında olduğu gibi, VS Code'daki Uzantılar menüsüne giderek uzantıyı kaldırabilirsin. Menüde Ultralytics-snippets uzantısını bul, dişli simgesine (⚙) tıkla ve ardından uzantıyı kaldırmak için "Kaldır" seçeneğine tıkla.


    Uninstall option in the Ultralytics Snippets settings menu in the VS Code Extensions panel

Yorumlar3

Bir soru sor, sonuçlarını paylaş veya başka birine yardım et.

  1. Hugofox07GitHub

    Hi, I'm new to YOLO, but I'd like to know how to program it directly from VS Code instead of Google Colab. Does anyone have any videos with simple examples of how to display an image, or even a video on YOLO detection? Thanks for the help.

    1. Glenn JocherUltralytics

      Thanks for posting here—yes, you can run Ultralytics YOLO locally in VS Code; install the package, then use these minimal examples, and the VS Code Snippets extension lets you insert ultra.example-yolo-predict to get a runnable template (the extension page linked above has a short walkthrough video); for setup see the Install Ultralytics guide and for options see the Predict mode guide.

      pip install ultralytics
      from ultralytics import YOLO
      
      # Image
      model = YOLO("yolo11n.pt", task="detect")
      model.predict(source="path/to/image.jpg", show=True)
      
      # Video
      model.predict(source="path/to/video.mp4", show=True, save=True)

      See Install Ultralytics and the Predict mode guide; drop any follow-ups here so the team can see them.

      1