voxel51/fiftyone
GitHub: voxel51/fiftyone
FiftyOne 是一个开源平台，用于帮助用户可视化、标注和优化计算机视觉数据集与模型，以提升AI开发效率。
Stars: 10764 | Forks: 766
**用于构建高质量数据集和计算机视觉模型的
开源工具**
网站 •
文档 •
立即体验 •
入门指南 •
教程 •
博客 •
社区
[](https://pypi.org/project/fiftyone)
[](https://pypi.org/project/fiftyone)
[](https://pepy.tech/project/fiftyone)
[](https://hub.docker.com/r/voxel51/fiftyone/)
[](LICENSE)
[](https://discord.gg/fiftyone-community)
[](https://huggingface.co/Voxel51)
[](https://voxel51.com/blog)
[](https://share.hsforms.com/1zpJ60ggaQtOoVeBqIZdaaA2ykyk)
[](https://www.linkedin.com/company/voxel51)
[](https://x.com/voxel51)
[](https://medium.com/voxel51)
安装 💻
步骤如下：
```
pip install fiftyone
```
更多详情
### 安装选项 FiftyOne 支持 Python 3.10 - 3.12。 对于大多数用户，我们推荐使用 `pip` 安装最新发布版本的 FiftyOne，如上所示。 如果您想为 FiftyOne 贡献代码或安装最新的开发版本，您也可以执行[源码安装](#source-install)。 请参阅[前置条件章节](#prerequisites)以获取特定于系统的设置信息。 我们强烈建议您在[虚拟环境](https://docs.voxel51.com/installation/virtualenv.html)中安装 FiftyOne，以保持工作空间的整洁。 有关解决常见问题以及安装和运行 FiftyOne 的其他信息，请查阅[安装指南](https://docs.voxel51.com/installation/index.html)。从源码安装
### 源码安装 请按照以下说明从源码安装 FiftyOne 并构建应用程序。 您需要安装以下工具： - [Python](https://www.python.org) (3.10 - 3.12) - [Node.js](https://nodejs.org) - 在 Linux 上，我们建议使用 [nvm](https://github.com/nvm-sh/nvm) 来安装最新版本。 - [Yarn](https://yarnpkg.com) - Node.js 安装完成后，您可以通过运行 `corepack enable` 来[启用 Yarn](https://yarnpkg.com/getting-started/install)。 我们强烈建议您在[虚拟环境](https://docs.voxel51.com/installation/virtualenv.html)中安装 FiftyOne，以保持工作空间的整洁。 如果您在 Google Colab 中工作，请[跳转至此](#source-installs-in-google-colab)。 首先，克隆仓库： ``` git clone https://github.com/voxel51/fiftyone cd fiftyone ``` 然后运行安装脚本： ``` # Mac 或 Linux bash install.sh # Windows .\install.bat ``` 如果在导入 FiftyOne 时遇到问题，您可能需要将克隆的仓库路径添加到您的 `PYTHONPATH`： ``` export PYTHONPATH=$PYTHONPATH:/path/to/fiftyone ``` 请注意，安装脚本会修改您 `~/.bashrc` 或 `~/.bash_profile` 中的 `nvm` 设置，这对于安装和构建应用程序是必需的。 ### 升级源码安装 要将现有的源码安装升级到最新开发版本，只需拉取最新的 `develop` 分支并重新运行安装脚本： ``` git checkout develop git pull # Mac 或 Linux bash install.sh # Windows .\install.bat ``` ### 重新构建应用程序 当您拉取了应用程序的新更改时，需要重新构建它。您可以通过重新运行安装脚本或在 `./app` 目录下运行 `yarn build` 来完成。 ### 开发者安装 如果您希望[为 FiftyOne 做贡献](https://github.com/voxel51/fiftyone/blob/develop/CONTRIBUTING.md)，应使用安装脚本的 `-d` 标志进行开发者安装： ``` # Mac 或 Linux bash install.sh -d # Windows .\install.bat -d ``` 虽然不是必需的，但开发者通常喜欢将其 FiftyOne 安装配置为连接到一个自行安装和管理的 MongoDB 实例，您可以按照[这些简单步骤](https://docs.voxel51.com/user_guide/config.html#configuring-a-mongodb-connection)进行操作。 ### 在 Google Colab 中进行源码安装 您可以在 [Google Colab](https://colab.research.google.com) 中从源码安装，只需在某个单元格中运行以下命令，然后**重启运行时**： ``` %%shell git clone --depth 1 https://github.com/voxel51/fiftyone.git cd fiftyone # Mac 或 Linux bash install.sh # Windows .\install.bat ``` ### 生成文档 有关构建和贡献文档的信息，请参阅[文档指南](https://github.com/voxel51/fiftyone/blob/develop/docs/README.md)。 ### 卸载 您可以按如下方式卸载 FiftyOne： ``` pip uninstall fiftyone fiftyone-brain fiftyone-db ```新手前置条件
### 系统特定设置 在[安装 FiftyOne](#installation) 之前，请按照您操作系统或环境的说明执行基本系统设置。 如果您是有经验的开发者，您可能已经完成了这些步骤。Linux
#### 1. 安装 Python 和其他依赖项 以下步骤适用于全新安装的 Ubuntu Desktop 24.04，也应适用于 Ubuntu 24.04 和 22.04，以及 Ubuntu Server： ``` sudo apt-get update sudo apt-get upgrade sudo apt-get install python3-venv python3-dev build-essential git-all libgl1-mesa-dev ``` - 在 Linux 上，您至少需要 `openssl` 和 `libcurl` 包。 - 在基于 Debian 的发行版上，您需要安装 `libcurl4` 或 `libcurl3`，而不是 `libcurl`，具体取决于您的发行版版本。 ``` # Ubuntu sudo apt install libcurl4 openssl # Fedora sudo dnf install libcurl openssl ``` #### 2. 创建并激活虚拟环境 ``` python3 -m venv fiftyone_env source fiftyone_env/bin/activate ``` #### 3. 安装 FFmpeg（可选） 如果您计划处理视频数据集，则需要安装 [FFmpeg](https://ffmpeg.org)： ``` sudo apt-get install ffmpeg ```MacOS
#### 1. 安装 Xcode 命令行工具 ``` xcode-select --install ``` #### 2. 安装 Homebrew ``` /bin/bash -c "$(curl -fsSL https://raw.githubusercontent.com/Homebrew/install/HEAD/install.sh)" ``` 运行上述命令后，请按照终端中的说明完成 Homebrew 的安装。 #### 3. 安装 Python ``` brew install python@3.10 brew install protobuf ``` #### 4. 创建并激活虚拟环境 ``` python3 -m venv fiftyone_env source fiftyone_env/bin/activate ``` #### 5. 安装 FFmpeg（可选） 如果您计划处理视频数据集，则需要安装 [FFmpeg](https://ffmpeg.org)： ``` brew install ffmpeg ```Windows
#### 1. 安装 Python ⚠️ **不推荐** 使用 Microsoft Store 中提供的 Python 版本 ⚠️ 从 [python.org](https://www.python.org/downloads/) 下载 Python 3.10 - 3.12 安装程序。请确保选择 64 位版本。例如，此 [Python 3.10.11 安装程序](https://www.python.org/ftp/python/3.10.11/python-3.10.11-amd64.exe)。 双击安装程序运行，并按照安装程序中的步骤操作。 - 勾选框将 Python 添加到您的 `PATH`。 - 在安装程序结束时，有一个选项可以禁用 `PATH` 长度限制。建议单击此选项。 #### 2. 安装 Microsoft Visual C++ 下载 [Microsoft Visual C++ Redistributable](https://learn.microsoft.com/en-us/cpp/windows/latest-supported-vc-redist)。 双击安装程序运行，并按照安装程序中的步骤操作。 #### 3. 安装 Git 从此链接下载 Git [此链接](https://git-scm.com/download/win)。双击安装程序运行，并按照安装程序中的步骤操作。 #### 4. 创建并激活虚拟环境 - 按 `Win + R`。输入 `cmd`，然后按 `Enter`。或者，在开始菜单中搜索 **命令提示符**。 - 导航到您的项目。`cd C:\path\to\your\project` - 创建环境 `python -m venv fiftyone_env` - 在命令行窗口中输入以下命令激活环境 `fiftyone_env\Scripts\activate` - 激活后，您的命令提示符应会更改并显示虚拟环境的名称 `(fiftyone_env) C:\path\to\your\project` #### 5. 安装 FFmpeg（可选） 如果您计划处理视频数据集，则需要安装 [FFmpeg](https://ffmpeg.org)。 从[此处](https://ffmpeg.org/download.html)下载 FFmpeg 二进制文件。将 FFmpeg 的路径（例如 `C:\ffmpeg\bin`）添加到您的 `PATH` 环境变量中。Docker
请参阅[这些说明](https://docs.voxel51.com/environments/index.html#docker)，了解如何构建和运行包含 FiftyOne 发布版或源码构建版的 Docker 镜像。
## 快速入门 🚀
通过打开 Python 解释器并运行以下代码片段来快速开始使用 FiftyOne，它会下载一个[小型数据集](https://docs.voxel51.com/user_guide/dataset_zoo/datasets.html#quickstart) 并启动 [FiftyOne App](https://docs.voxel51.com/user_guide/app.html) 以便您进行探索：
```
import fiftyone as fo
import fiftyone.zoo as foz
dataset = foz.load_zoo_dataset("quickstart")
session = fo.launch_app(dataset)
```
然后查看[这个 Colab 笔记本](https://colab.research.google.com/github/voxel51/fiftyone-examples/blob/master/examples/quickstart.ipynb)，了解在快速入门数据集上的一些常见工作流程。
请注意，如果您在脚本中运行上述代码，则必须包含 `session.wait()` 以阻止执行，直到您关闭应用程序。更多信息请参阅[此页面](https://docs.voxel51.com/user_guide/app.html#creating-a-session)。
FiftyOne Enterprise 🏎️
希望在云中安全地协作处理数十亿样本，并连接到您的计算资源以自动化工作流程？请查看 [FiftyOne Enterprise](https://voxel51.com/enterprise)。
## 常见问题与故障排除 ⛓️💥
请参阅我们的[常见问题](https://docs.voxel51.com/installation/troubleshooting.html)页面以解决安装问题。如果问题仍未解决，请查看我们的[常见问题解答](https://docs.voxel51.com/faq/index.html)页面以获取更多答案。
如果您遇到上述资源无法解决的问题，请随时[在 GitHub 上提交问题](https://github.com/voxel51/fiftyone/issues)或在 [Discord](https://discord.gg/fiftyone-community) 上联系我们。
## 快速入门 🚀
通过打开 Python 解释器并运行以下代码片段来快速开始使用 FiftyOne，它会下载一个[小型数据集](https://docs.voxel51.com/user_guide/dataset_zoo/datasets.html#quickstart) 并启动 [FiftyOne App](https://docs.voxel51.com/user_guide/app.html) 以便您进行探索：
```
import fiftyone as fo
import fiftyone.zoo as foz
dataset = foz.load_zoo_dataset("quickstart")
session = fo.launch_app(dataset)
```
然后查看[这个 Colab 笔记本](https://colab.research.google.com/github/voxel51/fiftyone-examples/blob/master/examples/quickstart.ipynb)，了解在快速入门数据集上的一些常见工作流程。
请注意，如果您在脚本中运行上述代码，则必须包含 `session.wait()` 以阻止执行，直到您关闭应用程序。更多信息请参阅[此页面](https://docs.voxel51.com/user_guide/app.html#creating-a-session)。
## 核心特性 🔑
- **[原生标注：](https://docs.voxel51.com/user_guide/annotation.html)** 直接在应用程序中创建和编辑 2D 和 3D 标签，或与您喜爱的标注工具集成——然后在一个平台上进行策展、质量检查和迭代。
https://github.com/user-attachments/assets/b06bcdac-d64f-4465-8668-12007dc0eeaa
- **[可视化复杂数据集：](https://docs.voxel51.com/user_guide/app.html)** 在强大的可视化界面中轻松探索图像、视频和相关标签。
https://github.com/user-attachments/assets/9dc2db88-967d-43fa-bda0-85e4d5ab6a7a
- **[探索嵌入向量：](https://docs.voxel51.com/user_guide/app.html#embeddings-panel)** 选择感兴趣的点并查看对应的样本/标签。
https://github.com/user-attachments/assets/246faeb7-dcab-4e01-9357-e50f6b106da7
- **[分析和改进模型：](https://docs.voxel51.com/user_guide/evaluation.html)** 评估模型性能，识别失败模式，并微调您的模型。
https://github.com/user-attachments/assets/8c32d6c4-51e7-4fea-9a3c-2ffd9690f5d6
- **[高级数据策展：](https://docs.voxel51.com/brain.html)** 快速查找并修复数据问题、标注错误和边界情况。
https://github.com/user-attachments/assets/24fa1960-c2dd-46ae-ae5f-d58b3b84cfe4
- **[丰富的集成：](https://docs.voxel51.com/integrations/index.html)** 可与 PyTorch、Hugging Face、Ultralytics 等流行的深度学习库配合使用。
https://github.com/user-attachments/assets/de5f25e1-a967-4362-9e04-616449e745e5
- **[开放且可扩展：](https://docs.voxel51.com/plugins/index.html)** 定制和扩展 FiftyOne 以满足您的特定需求。
https://github.com/user-attachments/assets/c7ed496d-0cf7-45d6-9853-e349f1abd6f8
## 文档 🪪
查看这些资源以开始使用 FiftyOne：
| [入门指南](https://docs.voxel51.com/getting_started_guides/index.html) | [教程](https://docs.voxel51.com/tutorials/index.html) | [配方](https://docs.voxel51.com/recipes/index.html) | [用户指南](https://docs.voxel51.com/user_guide/index.html) | [示例](https://github.com/voxel51/fiftyone-examples) | [API 参考](https://docs.voxel51.com/api/fiftyone.html) | [CLI 参考](https://docs.voxel51.com/cli/index.html) |
| --- | --- | --- | --- | --- | --- | --- |
| --- | --- | --- | --- | --- | --- | --- |
完整文档可在 [fiftyone.ai](https://fiftyone.ai) 上找到。
核心特性 🔑
- **[原生标注：](https://docs.voxel51.com/user_guide/annotation.html)** 直接在应用程序中创建和编辑 2D 和 3D 标签，或与您喜爱的标注工具集成——然后在一个平台上进行策展、质量检查和迭代。
https://github.com/user-attachments/assets/b06bcdac-d64f-4465-8668-12007dc0eeaa
- **[可视化复杂数据集：](https://docs.voxel51.com/user_guide/app.html)** 在强大的可视化界面中轻松探索图像、视频和相关标签。
https://github.com/user-attachments/assets/9dc2db88-967d-43fa-bda0-85e4d5ab6a7a
- **[探索嵌入向量：](https://docs.voxel51.com/user_guide/app.html#embeddings-panel)** 选择感兴趣的点并查看对应的样本/标签。
https://github.com/user-attachments/assets/246faeb7-dcab-4e01-9357-e50f6b106da7
- **[分析和改进模型：](https://docs.voxel51.com/user_guide/evaluation.html)** 评估模型性能，识别失败模式，并微调您的模型。
https://github.com/user-attachments/assets/8c32d6c4-51e7-4fea-9a3c-2ffd9690f5d6
- **[高级数据策展：](https://docs.voxel51.com/brain.html)** 快速查找并修复数据问题、标注错误和边界情况。
https://github.com/user-attachments/assets/24fa1960-c2dd-46ae-ae5f-d58b3b84cfe4
- **[丰富的集成：](https://docs.voxel51.com/integrations/index.html)** 可与 PyTorch、Hugging Face、Ultralytics 等流行的深度学习库配合使用。
https://github.com/user-attachments/assets/de5f25e1-a967-4362-9e04-616449e745e5
- **[开放且可扩展：](https://docs.voxel51.com/plugins/index.html)** 定制和扩展 FiftyOne 以满足您的特定需求。
https://github.com/user-attachments/assets/c7ed496d-0cf7-45d6-9853-e349f1abd6f8
## 文档 🪪
查看这些资源以开始使用 FiftyOne：
| [入门指南](https://docs.voxel51.com/getting_started_guides/index.html) | [教程](https://docs.voxel51.com/tutorials/index.html) | [配方](https://docs.voxel51.com/recipes/index.html) | [用户指南](https://docs.voxel51.com/user_guide/index.html) | [示例](https://github.com/voxel51/fiftyone-examples) | [API 参考](https://docs.voxel51.com/api/fiftyone.html) | [CLI 参考](https://docs.voxel51.com/cli/index.html) |
| --- | --- | --- | --- | --- | --- | --- |
| --- | --- | --- | --- | --- | --- | --- |
完整文档可在 [fiftyone.ai](https://fiftyone.ai) 上找到。
## 其他资源 🚁
| [FiftyOne Enterprise](https://voxel51.com/enterprise) | [构建插件](https://docs.voxel51.com/plugins/index.html) | [向量搜索](https://voxel51.com/blog/the-computer-vision-interface-for-vector-search) | [数据集动物园](https://docs.voxel51.com/dataset_zoo/index.html) | [模型动物园](https://docs.voxel51.com/model_zoo/index.html) | [FiftyOne Brain](https://docs.voxel51.com/brain.html) | [VoxelGPT](https://github.com/voxel51/voxelgpt) |
| --- | --- | --- | --- | --- | --- | --- |
| --- | --- | --- | --- | --- | --- | --- |
## 其他资源 🚁
| [FiftyOne Enterprise](https://voxel51.com/enterprise) | [构建插件](https://docs.voxel51.com/plugins/index.html) | [向量搜索](https://voxel51.com/blog/the-computer-vision-interface-for-vector-search) | [数据集动物园](https://docs.voxel51.com/dataset_zoo/index.html) | [模型动物园](https://docs.voxel51.com/model_zoo/index.html) | [FiftyOne Brain](https://docs.voxel51.com/brain.html) | [VoxelGPT](https://github.com/voxel51/voxelgpt) |
| --- | --- | --- | --- | --- | --- | --- |
| --- | --- | --- | --- | --- | --- | --- |
FiftyOne Enterprise 🏎️
希望在云中安全地协作处理数十亿样本，并连接到您的计算资源以自动化工作流程？请查看 [FiftyOne Enterprise](https://voxel51.com/enterprise)。
## 常见问题与故障排除 ⛓️💥
请参阅我们的[常见问题](https://docs.voxel51.com/installation/troubleshooting.html)页面以解决安装问题。如果问题仍未解决，请查看我们的[常见问题解答](https://docs.voxel51.com/faq/index.html)页面以获取更多答案。
如果您遇到上述资源无法解决的问题，请随时[在 GitHub 上提交问题](https://github.com/voxel51/fiftyone/issues)或在 [Discord](https://discord.gg/fiftyone-community) 上联系我们。
加入我们的社区 🤝
通过您偏好的渠道与我们联系：
[](https://discord.gg/fiftyone-community)
[](https://huggingface.co/Voxel51)
[](https://share.hsforms.com/1zpJ60ggaQtOoVeBqIZdaaA2ykyk)
[](https://www.linkedin.com/company/voxel51)
[](https://medium.com/voxel51)
🎊 **在社交媒体上分享 FiftyOne 如何让您的视觉 AI 项目成为现实，并使用 @Voxel51 和 #FiftyOne 标记我们** 🎊
贡献者 🧡
FiftyOne 和 [FiftyOne Brain](https://github.com/voxel51/fiftyone-brain) 是开源项目，欢迎社区贡献！请查看[贡献指南](https://github.com/voxel51/fiftyone/blob/develop/CONTRIBUTING.md)以了解如何参与。
特别感谢这些为 FiftyOne 做出贡献的杰出人士！
引用 📖
如果您在研究中使用了 FiftyOne，欢迎引用本项目（但仅当您喜欢它时 😊）：
```
@article{moore2020fiftyone,
title={FiftyOne},
author={Moore, B. E. and Corso, J. J.},
journal={GitHub. Note: https://github.com/voxel51/fiftyone},
year={2020}
}
```