Cách cài đặt Ultralytics YOLO bằng Conda#

Hướng dẫn này trình bày cách thiết lập môi trường Conda cho các dự án Ultralytics của bạn. Conda là hệ thống quản lý package và môi trường mã nguồn mở, cung cấp một giải pháp thay thế tuyệt vời cho pip khi cài đặt package và dependency. Các môi trường được cô lập khiến Conda đặc biệt phù hợp với công việc về khoa học dữ liệu và machine learning. Để biết thêm chi tiết, hãy truy cập package Ultralytics trên Anaconda và xem repository feedstock của Ultralytics để biết các bản cập nhật package trên GitHub.

Hướng dẫn này trình bày cách tạo môi trường, cài đặt Ultralytics, chạy inference, sử dụng Docker image Conda và tăng tốc quá trình cài đặt bằng libmamba.

Điều kiện tiên quyết#

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

Thiết lập môi trường Conda#

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

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

Kích hoạt môi trường mới:

conda activate ultralytics-env

Cài đặt Ultralytics#

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

conda install -c conda-forge ultralytics

conda install -c conda-forge ultralytics pytorch-gpu

Sử dụng Ultralytics#

Sau khi cài đặt Ultralytics, bạn có thể bắt đầu sử dụng các tính năng mạnh mẽ của nó cho phát hiện đối tượng, phân đoạn instance và nhiều tác vụ khác. 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

Docker image Conda của Ultralytics#

Tệp Conda Dockerfile sử dụng conda-forge PyTorch 2.13, torchvision 0.28 và CUDA 13.0. Các bản phát hành conda-forge có thể chậm hơn các bản phát hành pip PyTorch được sử dụng trong hình ảnh GPU tiêu chuẩn. Việc xuất bản tự động latest-conda đã bị vô hiệu hóa, vì vậy hãy xây dựng hình ảnh hiện tại cục bộ:

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

Chạy image:

# 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

Trên Linux, yêu cầu thiết bị CDI cần Docker >= 28.2.0 và NVIDIA Container Toolkit >= 1.18. Cờ --gpus all cũ có thể mất quyền truy cập GPU sau khi daemon của host được reload, vì vậy hãy nâng cấp các host Linux cũ và sử dụng --device thay thế. Xem Docker Quickstart Guide để biết thêm chi tiết.

Tăng tốc cài đặt bằng Libmamba#

libmamba là solver nhanh, đa nền tảng và nhận biết dependency, thay thế solver cổ điển của Conda. Conda 23.10 trở lên đã sử dụng libmamba làm solver mặc định, vì vậy hầu hết quá trình cài đặt đều nhanh hơn ngay từ đầu.

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

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

   conda install conda-libmamba-solver

2. Tiếp theo, cấu hình Conda để sử dụng libmamba làm solver:

   conda config --set solver libmamba

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

FAQ#