설치

설치

pip install libreyolo

# 여러 개를 하나의 설치에 합치려면 쉼표로 구분하십시오.pip install "libreyolo[rfdetr,onnx]"

pip install "libreyolo[all]"

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

Python 3.10 이상이 필요합니다. 기본 설치는 PyTorch, torchvision, NumPy, Pillow, OpenCV, PyYAML, requests, mss, tqdm, pycocotools, typer, click, safetensors 및 SciPy를 포함하므로, 추가로 필요한 것이 없는 YOLOv9 및 다른 계열는 pip install libreyolo 후 바로 작동합니다.

클론은 이 문서와 일치하는 코드를 가진 안정 브랜치 release를 확인합니다. 미출시 작업을 포함하는 통합 브랜치는 dev입니다.

선택 사항 추가

추가는 한 모델 계열이나 한 내보내기 대상이 필요로 하는 종속 항목을 추가하는 괄호로 묶인 이름입니다. 다른 것은 변경되지 않습니다: 추가가 있든 없든 API는 동일합니다.

모델 계열

내보내기 및 런타임

학습, 평가 및 기록

fast-eval는 하드 의존성이 아니라 선택적(opt-in) 의존성이므로, 사전 빌드된 휠(wheel)이 없는 플랫폼에서도 일반 설치가 중단되지 않습니다. 패키지가 없는 경우, COCO 평가 평가가 pycocotools로 대체되며 실행은 계속됩니다.

공구

웹캠, RTSP, RTMP, TCP, UDP, HLS 및 로컬 다중 스트림 목록은 추가가 필요 없습니다. 오직 유튜브 페이지 URL만 필요합니다.

총 추가

libreyolo[all]은 모델, 내보내기, 추적, 로깅 추가 패키지를 한 명령으로 설치합니다. 일부는 의도적으로 제외합니다. 안정 버전 neptune-scale은 protobuf 7 미만을 요구하지만 TFLite 경로는 protobuf 7을 요구하므로 neptune은 제외합니다. ExecuTorch는 함께 사용할 PyTorch 버전을 제한하므로 executorch를 제외하며, coreai-torch는 PyTorch를 2.11.x로 고정하여 전체 환경을 해당 버전으로 바꾸므로 coreai도 제외합니다. fast-eval, hub-kernels, clip-convert, siglip2-convert도 제외합니다. 필요하면 이름으로 따로 설치합니다. all에는 hf, llm, gen이 포함되며, fiftyone, vla, marigold, molmo2는 별도로 유지합니다. FiftyOne은 기본 cv2 패키지와 겹치는 headless OpenCV를 설치합니다.

기본 설치에는 Python 3.10 이상이 필요하며, 코디네이터가 관리하는 DDP용 cloudpickle>=3.0.0과 huggingface_hub>=0.34.0을 추가합니다. 따라서 LibreYOLO("owner/repo")는 hf extra 없이 Hub 모델을 로드합니다.

Molmo2는 별도 환경을 사용합니다. Transformers 4.57.1 고정 버전이 더 새로운 VLM, Hub, Marigold 구성과 충돌하며, libreyolo[gen]은 libreyolo[molmo2]와 함께 설치할 수 없습니다. Marigold는 diffusers 0.38.0, peft 0.18.1, accelerate 1.13.0, Transformers 5.4.0을 고정하며 Linux/Windows에서는 bitsandbytes 0.49.2도 고정합니다. 기본 4비트 Marigold 추론에는 CUDA가 필요합니다. North Micro Vision에는 Transformers 5.16 이상이, Gemma 4에는 5.10 이상이 필요하며, 둘 다 공통 VLM 최저 버전보다 높습니다.

플랫폼 제약

세 개의 추가 기능은 종속성 표시기에 의해 플랫폼 범위로 지정되므로 설치가 모든 곳에서 성공하며 휠이 존재하지 않는 곳에서는 단순히 적게 설치됩니다.

sensenova는 macOS에서 bitsandbytes를 건너뛰는데, 해당 플랫폼에는 휠이 게시되지 않습니다. 나머지 추가 항목들은 정상적으로 설치됩니다.

vlm은 플랫폼 범위로 지정되어 있지 않습니다: 이 추가 기능이 고정한 decord==0.6.0에는 x86-64 Linux와 Windows용 휠만 있습니다. macOS와 ARM Linux에서는 vlm, ground, vlm-train, all의 설치가 실패합니다.

디스크가 병목이라면 대부분은 PyTorch이고, PyTorch의 대부분은 기본 휠에 포함된 CUDA 페이로드입니다. CPU 전용 휠은 아무것도 포기하지 않고 그것을 제거합니다. 토치를 전혀 설치하지 않아야 하는 머신에서 ONNX 탐지를 위해서는 경량 설치를 참조하십시오.

GPU와 CUDA

장치 선택은 모델이 구성될 때 이루어집니다. 기본값인 device="auto"는 torch.cuda.is_available()가 참일 때 CUDA를 사용하고, torch.backends.mps.is_available()가 참일 때 Metal Performance Shaders를 사용하며, 그렇지 않으면 CPU를 사용합니다. 라이브러리의 다른 부분은 하드웨어를 검사하지 않으므로, PyTorch가 GPU를 인식하지 못하면 LibreYOLO도 인식하지 못합니다.

대신 장치를 고정하려면 모델에 device를 전달하거나 predict, train, val 및 export를 전달하십시오. "cpu", "cuda", "cuda:0", "mps", 0와 같은 정수 또는 "0"와 같은 숫자 문자열을 허용합니다; 마지막 두 가지는 cuda:<n>로 확장됩니다.

libreyolo checks로 시작합니다. 이는 Torch 버전, Torch가 빌드된 CUDA 및 cuDNN 버전, 그리고 메모리를 포함한 모든 가시적인 GPU를 출력합니다. NVIDIA 카드가 있는 머신에서 CUDA가 없다고 보고되면, pip로 설치된 PyTorch 휠이 CPU 빌드입니다. 먼저 PyTorch 인덱스에서 CUDA 빌드를 설치한 후, LibreYOLO를 설치하십시오:

pip install torch torchvision --index-url https://download.pytorch.org/whl/cu128pip install libreyolo

그것은 저장소가 Linux와 Windows에서 자체 uv 관리 환경에 대해 고정하는 동일한 인덱스입니다. 이는 CUDA 12.8 런타임 요구 사항인 NVIDIA 드라이버 555 이상이 필요합니다. macOS는 PyPI 휠을 유지하는데, 이는 PyTorch 다운로드 호스트가 Darwin 빌드를 게시하지 않기 때문입니다.

설치를 확인

# 파이썬, 토치, CUDA, cuDNN, 모든 보이는 GPU, 그리고 어느 것# 선택적 패키지가 설치되었습니다.libreyolo checks

import libreyolo print(libreyolo.__version__)

# 모든 등록된 계열과 그들의 작업, 규모 및 입력# 결의안. 여분이 없는 계열은 다음과 같이 나열됩니다# 그들을 가능하게 하는 pip 명령어.libreyolo models

libreyolo models는 추가 기능이 적용되었는지 확인하는 가장 빠른 방법입니다: 의존성이 누락된 패키지는 이를 활성화하는 정확한 pip 명령어와 함께 출력됩니다. 두 명령 모두 --json를 허용하며, 이는 동일한 데이터를 stdout에 기계가 읽을 수 있는 객체로 출력합니다.