Link to this sectionCách cài đặt Ultralytics YOLO bằng Conda#

Hướng dẫn này sẽ đi qua các bước thiết lập môi trường Conda cho các dự án Ultralytics của bạn. Conda là một hệ thống quản lý gói và môi trường mã nguồn mở, cung cấp giải pháp thay thế tuyệt vời cho pip để cài đặt các gói và thư viện phụ thuộc. Các môi trường tách biệt của nó đặc biệt phù hợp cho công việc khoa học dữ liệu và học máy. Để biết thêm chi tiết, hãy truy cập gói Ultralytics Conda trên Anaconda và xem kho lưu trữ feedstock của Ultralytics để cập nhật gói trên GitHub.

Hướng dẫn này bao gồm cách tạo môi trường, cài đặt Ultralytics, chạy suy luận, sử dụng hình ảnh Conda Docker, và tăng tốc cài đặt với libmamba.

Link to this sectionĐiều kiện tiên quyết#

Bạn cần phải cài đặt Anaconda hoặc Miniconda trên hệ thống của mình. Nếu chưa, hãy tải xuống và cài đặt từ Anaconda hoặc Miniconda.

Link to this sectionThiết lập môi trường Conda#

Trước tiên, hãy tạo một môi trường Conda mới. Mở terminal của bạn và chạy lệnh sau:

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

Kích hoạt môi trường mới:

conda activate ultralytics-env

Link to this sectionCài đặt Ultralytics#

Bạn có thể cài đặt gói Ultralytics từ kênh conda-forge. Thực thi lệnh sau:

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 sectionSử dụng Ultralytics#

Với Ultralytics đã được cài đặt, giờ đây bạn có thể bắt đầu sử dụng các tính năng mạnh mẽ của nó cho phát hiện đối tượng, phân đoạn cá thể và hơn thế nữa. Ví dụ, để dự đoán một hình ảnh, bạn có thể chạy:

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 sectionHình ảnh Ultralytics Conda Docker#

Nếu bạn thích sử dụng Docker, Ultralytics cung cấp các hình ảnh Docker kèm theo môi trường Conda. Bạn có thể pull các hình ảnh này từ DockerHub.

Pull hình ảnh Ultralytics mới nhất:

# Set image name as a variable
t=ultralytics/ultralytics:latest-conda

# Pull the latest Ultralytics image from Docker Hub
sudo docker pull $t

Chạy hình ảnh:

# 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 sectionTăng tốc cài đặt với Libmamba#

libmamba là một trình giải quyết nhanh, đa nền tảng, có khả năng nhận biết phụ thuộc, thay thế cho trình giải quyết cổ điển của Conda. Conda 23.10 trở lên đã sử dụng libmamba làm trình giải quyết mặc định, vì vậy hầu hết các cài đặt đều nhanh hơn ngay từ đầu.

Nếu bạn đang sử dụng phiên bản Conda cũ hơn, bạn có thể kích hoạt libmamba thủ công:

1. Trước tiên, hãy cài đặt gói conda-libmamba-solver:

   conda install conda-libmamba-solver

2. Tiếp theo, cấu hình Conda để sử dụng libmamba làm trình giải quyết:

   conda config --set solver libmamba

Bạn đã thiết lập thành công môi trường Conda, cài đặt gói Ultralytics và giờ đây đã sẵn sàng khám phá các tính năng của nó. Để xem các hướng dẫn và ví dụ nâng cao hơn, hãy xem tài liệu Ultralytics.

Link to this sectionCâu hỏi thường gặp#

Link to this sectionQuy trình thiết lập môi trường Conda cho các dự án Ultralytics là gì?#

Thiết lập môi trường Conda cho các dự án Ultralytics rất đơn giản và đảm bảo quản lý gói mượt mà. Trước tiên, hãy tạo một môi trường Conda mới bằng lệnh sau:

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

Sau đó, kích hoạt môi trường mới với:

conda activate ultralytics-env

Cuối cùng, cài đặt Ultralytics từ kênh conda-forge:

conda install -c conda-forge ultralytics

Link to this sectionTại sao tôi nên sử dụng Conda thay vì pip để quản lý các phụ thuộc trong các dự án Ultralytics?#

Conda là một hệ thống quản lý gói và môi trường mạnh mẽ cung cấp nhiều ưu điểm hơn so với pip. Nó quản lý các phụ thuộc một cách hiệu quả và đảm bảo rằng tất cả các thư viện cần thiết đều tương thích. Các môi trường tách biệt của Conda ngăn chặn xung đột giữa các gói, điều này rất quan trọng trong các dự án khoa học dữ liệu và học máy. Ngoài ra, Conda hỗ trợ phân phối gói nhị phân, giúp tăng tốc quá trình cài đặt.

Link to this sectionTôi có thể sử dụng Ultralytics YOLO trong môi trường hỗ trợ CUDA để có hiệu suất nhanh hơn không?#

Có, bạn có thể tăng hiệu suất bằng cách sử dụng môi trường hỗ trợ CUDA. Đảm bảo rằng bạn cài đặt ultralytics, pytorch và pytorch-cuda cùng nhau để tránh xung đột:

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

Thiết lập này cho phép tăng tốc GPU, rất quan trọng cho các tác vụ chuyên sâu như huấn luyện và suy luận mô hình học sâu. Để biết thêm thông tin, hãy truy cập hướng dẫn cài đặt Ultralytics.

Link to this sectionNhững lợi ích của việc sử dụng hình ảnh Ultralytics Docker với môi trường Conda là gì?#

Sử dụng hình ảnh Ultralytics Docker đảm bảo một môi trường nhất quán và có thể tái tạo, loại bỏ các vấn đề như "nó hoạt động trên máy của tôi". Những hình ảnh này bao gồm một môi trường Conda được cấu hình sẵn, đơn giản hóa quá trình thiết lập. Bạn có thể pull và chạy hình ảnh Ultralytics Docker mới nhất với các lệnh sau:

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

Cách tiếp cận này rất lý tưởng để triển khai ứng dụng trong môi trường sản xuất hoặc chạy các quy trình phức tạp mà không cần cấu hình thủ công. Tìm hiểu thêm về Hình ảnh Ultralytics Conda Docker.

Link to this sectionLàm thế nào tôi có thể tăng tốc cài đặt gói Conda trong môi trường Ultralytics của mình?#

Conda 23.10 trở lên đã sử dụng trình giải quyết libmamba nhanh chóng theo mặc định. Trên các phiên bản Conda cũ hơn, bạn có thể kích hoạt nó thủ công bằng cách cài đặt trước gói conda-libmamba-solver:

conda install conda-libmamba-solver

Sau đó cấu hình Conda để sử dụng libmamba làm trình giải quyết:

conda config --set solver libmamba

Thiết lập này cung cấp việc quản lý gói nhanh hơn và hiệu quả hơn. Để biết thêm các mẹo tối ưu hóa môi trường của bạn, hãy đọc về cài đặt libmamba.