Meet YOLO26: next-gen vision AI.

Link to this section安装 Ultralytics#

Ultralytics 提供了多种安装方式，包括 pip、conda 和 Docker。你可以通过 ultralytics pip 包安装 YOLO 以获取最新的稳定版本，或者通过克隆 Ultralytics GitHub 仓库 获取最新版本。你也可以选择使用 Docker 在隔离容器中运行该包，从而避免本地安装。



Watch: Ultralytics YOLO Quick Start Guide
安装

PyPI - Python Version

Install or update the ultralytics package using pip by running pip install -U ultralytics. For more details on the ultralytics package, visit the Python Package Index (PyPI).

PyPI - Version Downloads

# Install or upgrade the ultralytics package from PyPI
pip install -U ultralytics

You can also install ultralytics directly from the Ultralytics GitHub repository. This can be useful if you want the latest development version. Ensure you have the Git command-line tool installed, and then run:

# Install the ultralytics package from GitHub
pip install git+https://github.com/ultralytics/ultralytics.git@main

查看 ultralytics pyproject.toml 文件以获取依赖列表。请注意，上面的所有示例都会安装所有必需的依赖项。

提示

PyTorch 的要求因操作系统和 CUDA 要求而异，因此请先按照 PyTorch 上的说明安装 PyTorch。

PyTorch installation selector for different platforms

Link to this section无头服务器安装#

对于没有显示器的服务器环境（例如云虚拟机、Docker 容器、CI/CD 流水线），请使用 ultralytics-opencv-headless 包。这与标准 ultralytics 包相同，但它依赖 opencv-python-headless 而不是 opencv-python，从而避免了不必要的 GUI 依赖和潜在的 libGL 错误。

无头安装
pip install ultralytics-opencv-headless

两个包提供相同的功能和 API。无头变体只是排除了需要显示库的 OpenCV GUI 组件。

Link to this section高级安装#

虽然标准安装方法涵盖了大多数用例，但你可能需要为开发或自定义配置进行更量身定制的设置。

高级方法

如果你需要持久的自定义修改，你可以 fork Ultralytics 仓库，对 pyproject.toml 或其他代码进行更改，然后从你的分支安装。

  1. Fork Ultralytics GitHub 仓库 到你自己的 GitHub 账号。
  2. 克隆 你的分支到本地： 
    git clone https://github.com/YOUR_USERNAME/ultralytics.git
cd ultralytics
  3. 创建新分支 以进行你的更改： 
    git checkout -b my-custom-branch
  4. 进行修改 到 pyproject.toml 或其他文件，根据需要。
  5. 提交并推送 你的更改： 
    git add .
git commit -m "My custom changes"
git push origin my-custom-branch
  6. 安装 使用 pip 并配合 git+https 语法，指向你的分支： 
    pip install git+https://github.com/YOUR_USERNAME/ultralytics.git@my-custom-branch

Link to this section通过 CLI 使用 Ultralytics#

Ultralytics 命令行界面 (CLI) 允许使用简单的单行命令，而无需 Python 环境。CLI 不需要自定义或 Python 代码；使用 yolo 命令从终端运行所有任务。有关从命令行使用 YOLO 的更多信息，请参阅 CLI 指南。

示例

Ultralytics yolo 命令使用以下语法：

yolo TASK MODE ARGS

See all ARGS in the full Configuration Guide or with the yolo cfg CLI command.

警告

参数必须作为 arg=value 对传递，以等号 = 分隔并用空格分隔。不要使用 -- 参数前缀或在参数之间使用逗号 ,。

  • yolo predict model=yolo26n.pt imgsz=640 conf=0.25 ✅
  • yolo predict model yolo26n.pt imgsz 640 conf 0.25 ❌（缺少 =）
  • yolo predict model=yolo26n.pt, imgsz=640, conf=0.25 ❌（不要使用 ,）
  • yolo predict --model yolo26n.pt --imgsz 640 --conf 0.25 ❌（不要使用 --）
  • yolo solution model=yolo26n.pt imgsz=640 conf=0.25 ❌（使用 solutions，而不是 solution）

CLI 指南

Link to this section通过 Python 使用 Ultralytics#

Ultralytics YOLO Python 接口提供与 Python 项目的无缝集成，从而轻松加载、运行和处理模型输出。Python 接口设计简洁，允许用户快速实现 对象检测、实例分割、语义分割 和 分类。这使得 YOLO Python 接口成为将这些功能合并到 Python 项目中的宝贵工具。

例如，用户只需几行代码即可加载模型、进行训练、评估性能并将其导出为 ONNX 格式。探索 Python 指南 以了解更多关于在 Python 项目中使用 YOLO 的信息。

示例
from ultralytics import YOLO

# Create a new YOLO model from scratch
model = YOLO("yolo26n.yaml")

# Load a pretrained YOLO model (recommended for training)
model = YOLO("yolo26n.pt")

# Train the model using the 'coco8.yaml' dataset for 3 epochs
results = model.train(data="coco8.yaml", epochs=3)

# Evaluate the model's performance on the validation set
results = model.val()

# Perform object detection on an image using the model
results = model("https://ultralytics.com/images/bus.jpg")

# Export the model to ONNX format
success = model.export(format="onnx")

Python 指南

Link to this sectionUltralytics 设置#

Ultralytics 库包含一个用于精细控制实验的 SettingsManager，允许用户轻松访问和修改设置。这些设置存储在环境用户配置目录下的 JSON 文件中，可以在 Python 环境或通过命令行界面 (CLI) 查看或修改。

Link to this section检查设置#

若要查看你当前的配置设置：

查看设置

Use Python to view your settings by importing the settings object from the ultralytics module. Print and return settings with these commands:

from ultralytics import settings

# View all settings
print(settings)

# Return a specific setting
value = settings["runs_dir"]

Link to this section修改设置#

Ultralytics 使你可以通过以下方式轻松修改设置：

更新设置

In Python, use the update method on the settings object:

from ultralytics import settings

# Update a setting
settings.update({"runs_dir": "/path/to/runs"})

# Update multiple settings
settings.update({"runs_dir": "/path/to/runs", "tensorboard": False})

# Reset settings to default values
settings.reset()

Link to this section理解设置#

下表概述了 Ultralytics 中的可调设置，包括示例值、数据类型和说明。

名称示例值数据类型描述
settings_version'0.0.6'strUltralytics settings version (distinct from the Ultralytics pip version)
datasets_dir'/path/to/datasets'str存储数据集的目录
weights_dir'/path/to/weights'str存储模型权重的目录
runs_dir'/path/to/runs'str存储实验运行结果的目录
uuid'a1b2c3d4'str当前设置的唯一标识符
syncTrueboolOption to sync analytics and crashes to Ultralytics Platform
api_key''strUltralytics Platform API Key
clearmlTrueboolOption to use ClearML logging
cometTrueboolOption to use Comet ML for experiment tracking and visualization
dvcTrueboolOption to use DVC for experiment tracking and version control
hubTrueboolOption to use Ultralytics Platform integration
mlflowTrueboolOption to use MLFlow for experiment tracking
neptuneTrueboolOption to use Neptune for experiment tracking
raytuneTrueboolOption to use Ray Tune for hyperparameter tuning
tensorboardFalseboolOption to use TensorBoard for visualization
wandbFalseboolOption to use Weights & Biases logging
vscode_msgTrueboolWhen a VS Code terminal is detected, enables a prompt to download the Ultralytics-Snippets extension.

在进行项目或实验的过程中，请回顾这些设置以确保最佳配置。

Link to this section常见问题解答#

Link to this section我该如何使用 pip 安装 Ultralytics？#

使用 pip 安装 Ultralytics：

pip install -U ultralytics

This installs the latest stable release of the ultralytics package from PyPI. To install the development version directly from GitHub:

pip install git+https://github.com/ultralytics/ultralytics.git

请确保你的系统中安装了 Git 命令行工具。

Link to this section我可以使用 conda 安装 Ultralytics YOLO 吗？#

可以，使用 conda 安装 Ultralytics YOLO：

conda install -c conda-forge ultralytics

这种方法是 pip 的绝佳替代方案，可确保与其他软件包的兼容性。对于 CUDA 环境，请同时安装 ultralytics、pytorch 和 pytorch-cuda 以解决冲突：

conda install -c pytorch -c nvidia -c conda-forge pytorch torchvision pytorch-cuda=11.8 ultralytics

有关更多说明，请参阅 Conda quickstart guide。

Link to this section使用 Docker 运行 Ultralytics YOLO 有什么优势？#

Docker 为 Ultralytics YOLO 提供了一个隔离且一致的环境，确保跨系统的流畅性能，并避免本地安装的复杂性。官方 Docker 镜像可在 Docker Hub 上获取，并提供针对 GPU、CPU、ARM64、NVIDIA Jetson 和 Conda 的变体。若要拉取并运行最新镜像：

# Pull the latest ultralytics image from Docker Hub
sudo docker pull ultralytics/ultralytics:latest

# Run the ultralytics image in a container with GPU support
sudo docker run -it --ipc=host --runtime=nvidia --gpus all ultralytics/ultralytics:latest

有关 Docker 的详细说明，请参阅 Docker quickstart guide。

Link to this section我该如何克隆 Ultralytics 存储库进行开发？#

克隆 Ultralytics 存储库并使用以下命令设置开发环境：

# Clone the ultralytics repository
git clone https://github.com/ultralytics/ultralytics

# Navigate to the cloned directory
cd ultralytics

# Install the package in editable mode for development
pip install -e .

这允许你为项目做出贡献或使用最新的源代码进行实验。有关详细信息，请访问 Ultralytics GitHub repository。

Link to this section为什么我应该使用 Ultralytics YOLO CLI？#

Ultralytics YOLO CLI 简化了在没有 Python 代码的情况下运行目标检测任务的过程，只需在终端输入一行命令即可进行训练、验证和预测。基本语法如下：

yolo TASK MODE ARGS

例如，训练一个检测模型：

yolo train data=coco8.yaml model=yolo26n.pt epochs=10 lr0=0.01

在完整的 CLI Guide 中探索更多命令和使用示例。

贡献者
GLglenn-jocher33RIRizwanMunawar6LALaughing-q3PDpderrenger3BUBurhan-Q3ONonuralpszr2JKjk4e2FCfcakyon1LAlakshanthad1PIpicsalex1LEleonnil1MAMatthewNoyce1

评论