Conda 快速入门指南Ultralytics
本指南全面介绍了如何为Ultralytics 项目设置 Conda 环境。Conda 是一个开源软件包和环境管理系统,是安装软件包和依赖项的 pip 之外的又一绝佳选择。它的隔离环境使其特别适合数据科学和机器学习工作。欲了解更多详情,请访问Anaconda上的Ultralytics Conda 软件包,并查看GitHub 上的Ultralytics feedstock 软件包更新仓库。
您将学到什么
- 设置 Conda 环境
- 通过 Conda 安装Ultralytics
- 在环境中初始化Ultralytics
- 使用Ultralytics Docker 映像与 Conda
先决条件
设置 Conda 环境
首先,让我们创建一个新的 Conda 环境。打开终端,运行以下命令
激活新环境:
安装Ultralytics
您可以从 conda-forge 频道安装Ultralytics 软件包。执行以下命令
关于 CUDA 环境的说明
如果您在支持 CUDA 的环境中工作,最好安装 ultralytics
, pytorch
和 pytorch-cuda
共同解决任何冲突:
使用Ultralytics
Ultralytics 安装完成后,您就可以开始使用其强大的功能进行对象检测、实例分割等。例如,要预测图像,可以运行
from ultralytics import YOLO
model = YOLO('yolov8n.pt') # initialize model
results = model('path/to/image.jpg') # perform inference
results[0].show() # display results for the first image
Ultralytics Conda Docker 映像
如果您喜欢使用 Docker,Ultralytics 提供包含 Conda 环境的 Docker 映像。您可以从DockerHub 获取这些映像。
调出最新的Ultralytics 镜像:
# Set image name as a variable
t=ultralytics/ultralytics:latest-conda
# Pull the latest Ultralytics image from Docker Hub
sudo docker pull $t
运行图像:
# Run the Ultralytics image in a container with GPU support
sudo docker run -it --ipc=host --gpus all $t # all GPUs
sudo docker run -it --ipc=host --gpus '"device=2,3"' $t # specify GPUs
当然,您也可以在 Conda 指南中加入以下部分,告知用户如何使用以下方法加快安装速度 libmamba
:
使用 Libmamba 加快安装速度
如果您想 加快软件包安装 进程,您可以选择使用 libmamba
是一个快速、跨平台、可感知依赖关系的软件包管理器,可作为 Conda 默认解算器的替代。
如何启用 Libmamba
启用 libmamba
作为 Conda 的求解器,可以执行以下步骤:
-
首先,安装
conda-libmamba-solver
软件包。如果您的 Conda 版本是 4.11 或以上,则可以跳过此步骤,因为libmamba
默认情况下包括 -
接下来,配置 Conda 以使用
libmamba
作为求解器:
就是这样!现在,您的 Conda 安装将使用 libmamba
作为求解器,这将加快软件包的安装过程。
恭喜您您已经成功建立了 Conda 环境,安装了Ultralytics 软件包,现在可以探索其丰富的功能了。请随时深入Ultralytics 文档,了解更多高级教程和示例。