دليل البداية السريعة لـ Conda لـ Ultralytics
يوفر هذا الدليل مقدمة شاملة لإعداد بيئة Conda لمشاريع Ultralytics الخاصة بك. Conda هو نظام مفتوح المصدر لإدارة الحزم والبيئات يوفر بديلاً ممتازًا لـ pip لتثبيت الحزم والتبعيات. تجعلها بيئاته المعزولة مناسبة تمامًا لعلوم البيانات ومساعي التعلم الآلي. لمزيد من التفاصيل، قم بزيارة حزمة Ultralytics Conda على Anaconda وتحقق من مستودع Ultralytics لتحديثات الحزمة على GitHub.
ما ستتعلمه
- إعداد بيئة Conda
- تثبيت Ultralytics عبر Conda
- تهيئة Ultralytics في بيئتك
- استخدام صور Ultralytics Docker مع Conda
المتطلبات الأساسية
- يجب أن يكون لديك Anaconda أو Miniconda مثبتًا على نظامك. إذا لم يكن كذلك، فقم بتنزيله وتثبيته من Anaconda أو Miniconda.
إعداد بيئة Conda
أولاً، لنقم بإنشاء بيئة Conda جديدة. افتح جهازك الطرفي (terminal) وقم بتشغيل الأمر التالي:
conda create --name ultralytics-env python=3.11 -y
تفعيل البيئة الجديدة:
conda activate ultralytics-env
تثبيت Ultralytics
يمكنك تثبيت حزمة Ultralytics من قناة conda-forge. نفّذ الأمر التالي:
conda install -c conda-forge ultralytics
ملاحظة حول بيئة CUDA
إذا كنت تعمل في بيئة تدعم CUDA، فمن المستحسن تثبيت ultralytics, pytorch، و pytorch-cuda معًا لحل أي تعارضات:
conda install -c pytorch -c nvidia -c conda-forge pytorch torchvision pytorch-cuda=11.8 ultralytics
استخدام Ultralytics
بعد تثبيت Ultralytics، يمكنك الآن البدء في استخدام ميزاته القوية في اكتشاف الكائنات، و تقسيم экземпляров، وغير ذلك الكثير. على سبيل المثال، للتنبؤ بصورة، يمكنك تشغيل:
from ultralytics import YOLO
model = YOLO("yolo11n.pt") # initialize model
results = model("path/to/image.jpg") # perform inference
results[0].show() # display results for the first image
صورة Ultralytics Conda Docker
إذا كنت تفضل استخدام Docker، فإن Ultralytics تقدم صور Docker تتضمن بيئة Conda. يمكنك سحب هذه الصور من DockerHub.
اسحب أحدث صورة Ultralytics:
# Set image name as a variable
t=ultralytics/ultralytics:latest-conda
# Pull the latest Ultralytics image from Docker Hub
sudo docker pull $t
تشغيل الصورة:
# 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
تسريع التثبيت باستخدام Libmamba
إذا كنت تتطلع إلى تسريع عملية تثبيت الحزمة في Conda، يمكنك اختيار استخدام libmamba، وهو مدير حزم سريع ومتعدد المنصات ومدرك للتبعيات ويعمل كحل بديل لمحلل Conda الافتراضي.
كيفية تمكين Libmamba
لتمكين libmamba كمحلل لـ Conda، يمكنك تنفيذ الخطوات التالية:
-
أولاً، قم بتثبيت
conda-libmamba-solverالحزمة. يمكن تخطي ذلك إذا كان إصدار Conda الخاص بك هو 4.11 أو أعلى، حيث أنlibmambaمضمن بشكل افتراضي.conda install conda-libmamba-solver -
بعد ذلك، قم بتكوين Conda لاستخدام
libmambaكمحلل:conda config --set solver libmamba
هذا كل شيء! سيستخدم تثبيت Conda الخاص بك الآن libmamba باعتباره أداة الحل، مما يؤدي إلى عملية تثبيت أسرع للحزمة.
تهانينا! لقد قمت بإعداد بيئة Conda بنجاح، وتثبيت حزمة Ultralytics، وأنت الآن على استعداد لاستكشاف وظائفها الغنية. لا تتردد في التعمق في وثائق Ultralytics للحصول على المزيد من الدروس والأمثلة المتقدمة.
الأسئلة الشائعة
ما هي عملية إعداد بيئة Conda لمشاريع Ultralytics؟
يعد إعداد بيئة Conda لمشاريع Ultralytics أمرًا سهلاً ويضمن إدارة سلسة للحزم. أولاً، قم بإنشاء بيئة Conda جديدة باستخدام الأمر التالي:
conda create --name ultralytics-env python=3.11 -y
ثم، قم بتنشيط البيئة الجديدة باستخدام:
conda activate ultralytics-env
أخيرًا، قم بتثبيت Ultralytics من قناة conda-forge:
conda install -c conda-forge ultralytics
لماذا يجب علي استخدام Conda بدلاً من pip لإدارة التبعيات في مشاريع Ultralytics؟
Conda هو نظام قوي لإدارة الحزم والبيئات يوفر العديد من المزايا مقارنة بـ pip. يدير التبعيات بكفاءة ويضمن توافق جميع المكتبات الضرورية. تمنع بيئات Conda المعزولة التعارضات بين الحزم، وهو أمر بالغ الأهمية في مشاريع علم البيانات والتعلم الآلي. بالإضافة إلى ذلك، يدعم Conda توزيع الحزم الثنائية، مما يسرع عملية التثبيت.
هل يمكنني استخدام Ultralytics YOLO في بيئة تدعم CUDA للحصول على أداء أسرع؟
نعم، يمكنك تحسين الأداء باستخدام بيئة تدعم CUDA. تأكد من تثبيت ultralytics, pytorch، و pytorch-cuda معًا لتجنب التعارضات:
conda install -c pytorch -c nvidia -c conda-forge pytorch torchvision pytorch-cuda=11.8 ultralytics
يمكّن هذا الإعداد تسريع GPU، وهو أمر بالغ الأهمية للمهام المكثفة مثل تدريب نماذج التعلم العميق والاستدلال. لمزيد من المعلومات، قم بزيارة دليل تثبيت Ultralytics.
ما هي فوائد استخدام صور Ultralytics Docker مع بيئة Conda؟
يضمن استخدام صور Ultralytics Docker بيئة متسقة وقابلة للتكرار، مما يمنع مشاكل "تعمل على جهازي". تتضمن هذه الصور بيئة Conda مُعدة مسبقًا، مما يبسط عملية الإعداد. يمكنك سحب وتشغيل أحدث صورة Ultralytics Docker بالأوامر التالية:
sudo docker pull ultralytics/ultralytics:latest-conda
sudo docker run -it --ipc=host --gpus all ultralytics/ultralytics:latest-conda
هذا النهج مثالي لنشر التطبيقات في بيئة الإنتاج أو تشغيل مهام سير عمل معقدة دون تهيئة يدوية. تعرف على المزيد حول صورة Ultralytics Conda Docker.
كيف يمكنني تسريع تثبيت حزمة Conda في بيئة Ultralytics الخاصة بي؟
يمكنك تسريع عملية تثبيت الحزمة باستخدام libmamba، وهو أداة سريعة لحل التبعيات لـ Conda. أولاً، قم بتثبيت conda-libmamba-solver الحزمة:
conda install conda-libmamba-solver
ثم قم بتهيئة Conda لاستخدام libmamba كمحلل:
conda config --set solver libmamba
يوفر هذا الإعداد إدارة أسرع وأكثر كفاءة للحزم. لمزيد من النصائح حول تحسين بيئتك، اقرأ عن تثبيت libmamba.
