Instalasi

Instalasi

pip install libreyolo

# Pisahkan dengan koma untuk menggabungkan beberapa ekstra dalam satu instalasi.pip install "libreyolo[rfdetr,onnx]"

pip install "libreyolo[all]"

git clone https://github.com/LibreYOLO/libreyolo.gitcd libreyolopip install -e .

Python 3.10 atau lebih baru diperlukan. Instalasi dasar menarik PyTorch, torchvision, NumPy, Pillow, OpenCV, PyYAML, requests, mss, tqdm, pycocotools, typer, click, safetensors, dan SciPy, sehingga YOLOv9 serta family lain yang tidak memerlukan paket tambahan langsung berfungsi setelah pip install libreyolo.

Clone mengambil branch release, yaitu branch stabil dengan kode yang cocok dengan dokumentasi ini. Branch integrasi yang memuat pekerjaan belum dirilis adalah dev.

Ekstra opsional

Ekstra adalah nama dalam kurung siku yang menambahkan dependency yang diperlukan satu family model atau target ekspor. Tidak ada perubahan lain: API tetap sama baik ekstra tersedia maupun tidak.

Family model

Ekspor dan runtime

Pelatihan, evaluasi, dan logging

fast-eval bersifat opt-in, bukan dependency wajib, agar platform tanpa wheel prebuilt tidak merusak instalasi biasa. Jika paket tidak tersedia, evaluasi COCO kembali ke pycocotools dan run berlanjut.

Alat

Webcam, RTSP, RTMP, TCP, UDP, HLS, dan list multi-stream lokal tidak memerlukan ekstra. Hanya URL halaman YouTube yang memerlukannya.

Ekstra agregat

libreyolo[all] menginstal ekstra model, ekspor, tracking, dan logging dalam satu perintah. Beberapa sengaja tidak disertakan. neptune dikecualikan karena neptune-scale stabil memerlukan protobuf di bawah 7, sedangkan jalur TFLite memerlukan protobuf 7. executorch dikecualikan karena ExecuTorch membatasi versi PyTorch pasangannya, dan coreai karena coreai-torch mengunci PyTorch ke 2.11.x serta akan memindahkan seluruh environment ke versi tersebut. fast-eval, hub-kernels, clip-convert, dan siglip2-convert juga tidak disertakan. Instal ekstra tersebut berdasarkan nama.

Constraint platform

Tiga ekstra dibatasi platform melalui marker dependency, sehingga instalasi berhasil di semua tempat dan hanya menginstal lebih sedikit jika wheel tidak ada.

sensenova melewati bitsandbytes pada macOS karena tidak ada wheel yang diterbitkan; bagian lain ekstra tetap diinstal secara normal.

Jika disk menjadi constraint, sebagian besar ruang digunakan PyTorch, dan sebagian besar PyTorch adalah payload CUDA dalam wheel default. Wheel khusus CPU menghapusnya tanpa mengurangi fitur. Untuk deteksi ONNX pada mesin yang tidak boleh memiliki torch, lihat instalasi ringan.

GPU dan CUDA

Pemilihan device dilakukan saat model dibuat. Default device="auto" menggunakan CUDA ketika torch.cuda.is_available() bernilai true, kemudian Metal Performance Shaders ketika torch.backends.mps.is_available() bernilai true, dan CPU jika tidak. Tidak ada bagian library lain yang memeriksa hardware, sehingga jika PyTorch tidak melihat GPU, LibreYOLO juga tidak dapat melihatnya.

Untuk menetapkan device, berikan device kepada model atau predict, train, val, dan export. Nilai yang diterima adalah "cpu", "cuda", "cuda:0", "mps", bilangan bulat seperti 0, atau string digit seperti "0"; dua nilai terakhir dikembangkan menjadi cuda:<n>.

Mulailah dengan libreyolo checks, yang mencetak versi Torch, versi CUDA dan cuDNN yang menjadi dasar build Torch, serta setiap GPU terlihat beserta memorinya. Jika perintah melaporkan tidak ada CUDA pada mesin dengan kartu NVIDIA, wheel PyTorch yang diselesaikan pip adalah build CPU. Instal build CUDA dari indeks PyTorch terlebih dahulu, lalu instal LibreYOLO:

pip install torch torchvision --index-url https://download.pytorch.org/whl/cu128
pip install libreyolo

Itulah indeks yang sama dengan yang dikunci versinya repositori untuk environment kelolaan uv pada Linux dan Windows. Driver NVIDIA 555 atau lebih baru diperlukan, sesuai persyaratan runtime CUDA 12.8. macOS tetap menggunakan wheel PyPI karena host unduhan PyTorch tidak menerbitkan build Darwin.

Periksa instalasi

# Python, Torch, CUDA, cuDNN, setiap GPU yang terlihat, dan# paket opsional yang terinstal.libreyolo checks

import libreyolo print(libreyolo.__version__)

# Setiap family terdaftar beserta task, ukuran, dan resolusi input.# Family yang ekstra-nya belum ada dicantumkan bersama perintah pip# yang mengaktifkannya.libreyolo models

libreyolo models adalah cara tercepat melihat apakah ekstra telah aktif: family dengan dependency yang hilang dicetak bersama perintah pip persis yang mengaktifkannya. Kedua perintah juga menerima --json, yang mencetak data sama sebagai objek machine-readable ke stdout.