İlk YOLO modelini eğit·Kurulum·Ders 1/10

Dersbaşlangıç düzeyi

Ultralytics'i kur

Ultralytics'i temiz bir ortama kur, cihazını doğrulamak için yolo checks raporunu oku ve tek bir tahmin çalıştırarak kurulumu doğrula.

Fark ettirmeden CPU'ya geçen bir eğitim çalışması bir saat yerine bir gün sürebilir ve bunu çok geç olana kadar fark etmeyebilirsin. Bozuk kurulum da aynı şekilde kendini gösterir: dersin ortasında içe aktarma hatası veya eksik GPU olarak.

Burada ayıracağın on dakika iki sorunu da önler. ultralytics paketi'ni yeni bir ortama kuracak, yolo checks raporunu satır satır okuyacak ve her şeyin doğru bağlandığını kanıtlayan ilk YOLO26 tahminini çalıştıracaksın.

Sonuç

Ultralytics'i temiz bir ortama kurabilir ve yolo checks çıktısındaki tek bir satırdan CUDA, MPS veya CPU üzerinde çalışıp çalışmayacağını anlayabilirsin.

Hızlı Başlangıç

Nasıl ilerleyeceğini zaten biliyorsan, işte kısa sürüm.

Python 3.10 veya daha yeni bir sürümle yeni bir sanal ortam oluştur ve etkinleştir.
NVIDIA makinesinde önce CUDA PyTorch'u, ardından pip install ultralytics'ı kur.
yolo checks komutunu çalıştır ve ilk satırın sonundaki cihazı oku.
yolo predict model=yolo26n.pt source=https://ultralytics.com/images/bus.jpg komutunu çalıştır ve kaydedilen görüntüyü aç.

Uygulamalı

Temiz Bir Ortam Oluştur#

ultralytics paketi Python 3.8 ve daha yeni sürümlere kurulur; ancak güncel PyTorch sürümleri Python 3.10 veya daha yenisini gerektirir. Bu nedenle yeni projelere 3.12 gibi güncel bir sürümle başla. Yeni bir sanal ortam, paketi ve bağımlılıklarını diğer projelerinden ayrı tutar:

python -m venv .venv
source .venv/bin/activate        # Windows: .venv\Scripts\activate
python --version                 # 3.10 or newer

Ultralytics hızlı başlangıç kılavuzu, bunları tercih edersen aynı kurulumu Conda veya Docker ile de anlatır.

Önce Doğru PyTorch'u, Ardından Ultralytics'i Kur#

Eşleşen pip kurulum komutunu oluşturmak için işletim sistemi, paket yöneticisi, dil ve hesaplama platformunun seçildiği PyTorch "Start Locally" seçicisi

Ultralytics PyTorch üzerinde çalışır ve sistemde PyTorch yoksa pip varsayılan bir PyTorch derlemesi kurar. Bu varsayılan, "neden CPU'mu kullanıyor?" sorunlarının başlıca kaynağıdır; bu yüzden önce derlemeyi seç:

Makinen	Önce bunu yap	Ardından
NVIDIA GPU	Sürücünle eşleşen CUDA derlemesini PyTorch seçicisinden kur	`pip install ultralytics` bunu halleder
Apple Silicon Mac	Hiçbir şey: varsayılan derlemede MPS bulunur	`pip install ultralytics`
Yalnızca CPU	Hiçbir şey	`pip install ultralytics`

pip install ultralytics

Bu tek komut, ultralytics Python paketini, yolo komut satırı aracını ve OpenCV ile NumPy gibi bağımlılıkları kurar.

`yolo checks` Raporunu Oku#

yolo checks, Ultralytics'in kullanacağı sürümleri ve donanımı yazdırır. Bir MacBook'tan alınmış gerçek çıktı, kısaltılmış biçimde:

Ultralytics 8.4.175 🚀 Python-3.12.12 torch-2.14.1 CPU (Apple M5 Pro)
Setup complete ✅ (18 CPUs, 48.0 GB RAM, 594.4/926.3 GB disk)

OS                     macOS-27.0.1-arm64-arm-64bit
Python                 3.12.12
Install                pip
GPU                    None

Satır satır:

Ultralytics 8.4.175 ... torch-2.14.1: paket ve PyTorch sürümleri. Hata bildirimlerinde bu sürümleri belirt.
CPU (Apple M5 Pro): device parametresini iletmediğinde kullanılan cihaz. Önemli olan satır bu.
Setup complete ✅: kurulum sorunsuz.
GPU None: PyTorch CUDA GPU görmüyor. Mac'te beklenen bir durum; NVIDIA makinesinde ise sorun.

1. satırdaki cihaza göre hareket et:

Bu kurs için GPU'ya ihtiyacın yok: her örnek, dizüstü bilgisayar CPU'sunda dakikalar içinde tamamlanacak şekilde ayarlandı. Tam boyutta eğitim yaparken GPU önem kazanır; çoğu zaman 10× veya daha fazla hız sağlar.

Tek Bir Tahminle Doğrula#

Bir tahmin, tüm sistemi çalıştırır: YOLO26 nano ağırlıklarını indirir, bir görüntü alır, modeli çalıştırır ve üzerine açıklamalar eklenmiş bir kopya yazar.

yolo predict model=yolo26n.pt source=https://ultralytics.com/images/bus.jpg

image 1/1 bus.jpg: 640x480 4 persons, 1 bus, 20.1ms
Speed: 0.7ms preprocess, 20.1ms inference, 0.5ms postprocess per image at shape (1, 3, 640, 480)
Results saved to runs/detect/predict

640x480 4 persons, 1 bus: görüntü model için 640×480 boyutuna yeniden ölçeklendirildi ve model beş nesne buldu.
20.1ms: bu CPU'daki çıkarım süresi. Süreni not et; bu, ilk hız ölçütün.
runs/detect/predict: üzerine açıklamalar eklenmiş bus.jpg dosyasının kaydedildiği konum. Komutu yeniden çalıştırırsan predict-2 elde edersin: Ultralytics önceki bir çalıştırmanın üzerine hiçbir zaman yazmaz.

Bu komuttaki tüm varsayılanlar — güven eşiği, görüntü boyutu, kayıt konumu — yapılandırma başvurusunda listelenmiştir.

Yaygın Sorunları Gider#

Fark etmeden CPU'da eğitim yapmak

Belirti: NVIDIA GPU bulunan bir makinede yolo checks, CPU ve GPU None değerlerini gösteriyor ve eğitim çok yavaş. Neden: pip yalnızca CPU destekli bir PyTorch yükledi. Çözüm: torch ve torchvision paketlerini kaldır, PyTorch seçicisinden CUDA derlemesini yükle ve ilk satır CUDA:0 diyene kadar yolo checks komutunu yeniden çalıştır.

yolo: komut bulunamadı

Neden: bu terminalde sanal ortam etkin değil; bu yüzden yolo betiği PATH üzerinde bulunmuyor. Çözüm: yolo komutunu kullanmadan önce her yeni terminalde source .venv/bin/activate komutunu (veya Windows'taki eşdeğerini) çalıştır.

Belirti	Neden	Çözüm
`requirements: ... not found, attempting AutoUpdate` ardından `No module named pip`	Ortam pip olmadan oluşturulmuş; bu nedenle Ultralytics ek bir paketi otomatik kuramıyor	Belirtilen paketi ortamının aracıyla kur; örneğin `uv pip install lap`
Ağırlık veya veri kümesi indirme işlemleri zaman aşımına uğruyor	Ağ, GitHub sürüm varlıklarını engelliyor	`yolo26n.pt` dosyasını başka bir yerde bir kez indir ve yerel yolunu ilet
`PermissionError` yazarken `runs/`	Çalışma dizini salt okunur	`cd`'ı yazılabilir bir proje klasörüne taşı

Diğer sorunlar için yaygın sorunlar kılavuzu bilinen çözümleri bir araya getiriyor; Ultralytics deposunda kapatılmış sorunlarda da genellikle yanıtı bulabilirsin — yeni bir sorun açmadan önce bunları ara.

Dene

Yeni bir ortamda Ultralytics'i kur, yolo checks komutunu çalıştır ve otobüs tahminini yap. Üç satırlık bir kurulum kaydı hazırla: Ultralytics ve PyTorch sürümlerin; yolo checks çıktısının ilk satırında belirtilen cihaz (NVIDIA makinesinde ayrıca CUDA:0 yazdığını kanıtla) ve bus.jpg için bildirilen çıkarım süresi.

Tamamlanma ölçütü

Aşağıdakilerin tümü doğru olduğunda dersi tamamlamış olursun.

yolo checks, Setup complete ✅ ile tamamlanır ve beklediğin cihazı belirtir.
Dört kişinin ve bir otobüsün kutularla işaretlendiği runs/detect/predict/bus.jpg görüntüsü mevcut.
Sürümlerini, cihazını ve bus.jpg çıkarım süresini not ettin.

Çözümü göster

python -m venv .venv
source .venv/bin/activate
# NVIDIA only: install the CUDA PyTorch build from pytorch.org first
pip install ultralytics
yolo checks
yolo predict model=yolo26n.pt source=https://ultralytics.com/images/bus.jpg

Versions: Ultralytics 8.4.175, torch 2.14.1
Device:   CPU (Apple M5 Pro); use device=mps for the Apple GPU
bus.jpg:  20.1 ms inference at 640x480

Dizüstü bilgisayar CPU'sunda bus.jpg için yaklaşık 10–60 ms; güncel bir NVIDIA GPU'da ise birkaç milisaniye bekle. yolo checks yanlış cihazı belirtiyorsa devam etmeden önce PyTorch'u düzelt.

Sırada ne var

Ortam çalışıyor. Şimdi aynı tahmini Python'dan çalıştır ve modelin döndürdüğü her alanı okumayı öğren.

İlerlemeni kaydetmek için giriş yap

Get Started