رفع مستوى YOLO11 التدريب: تبسيط عملية التسجيل الخاصة بك باستخدام Comet ML

يُعد تسجيل تفاصيل التدريب الرئيسية مثل المعلمات والمقاييس وتوقعات الصور ونقاط التحقق من النموذج أمرًا ضروريًا في التعلم الآلي - فهويحافظ على شفافية مشروعك وقابلية قياس تقدمك وقابلية تكرار نتائجك.

Ultralytics YOLO11 يتكامل بسلاسة مع Comet ML، حيث يقوم بالتقاط وتحسين كل جانب من جوانب عملية تدريب نموذجاكتشاف الكائنات YOLO11 الخاص بك بكفاءة. في هذا الدليل، سنغطي عملية التثبيت، وإعداد Comet ML، والرؤى في الوقت الفعلي، والتسجيل المخصص، والاستخدام دون اتصال بالإنترنت، مما يضمن توثيق تدريبك YOLO11 بدقة وضبطه بدقة للحصول على نتائج رائعة.

Comet ML

Comet ML عبارة عن منصة لتتبع نماذج وتجارب التعلم الآلي ومقارنتها وشرحها وتحسينها. يسمح لك بتسجيل المقاييس والمعلمات والوسائط وغير ذلك أثناء تدريب النموذج ومراقبة تجاربك من خلال واجهة ويب مبهجة من الناحية الجمالية. Comet تساعد ML علماء البيانات على التكرار بسرعة أكبر، وتعزز الشفافية وقابلية التكرار، وتساعد في تطوير نماذج الإنتاج.

تسخير قوة YOLO11 و Comet ML

من خلال الجمع بين Ultralytics YOLO11 مع Comet ML، يمكنك فتح مجموعة من المزايا. وتشمل هذه المزايا إدارة مبسطة للتجارب، ورؤى في الوقت الفعلي لإجراء تعديلات سريعة، وخيارات تسجيل مرنة ومخصصة، والقدرة على تسجيل التجارب دون اتصال بالإنترنت عندما يكون الوصول إلى الإنترنت محدودًا. يمكّنك هذا التكامل من اتخاذ قرارات قائمة على البيانات، وتحليل مقاييس الأداء، وتحقيق نتائج استثنائية.

التركيب

لتثبيت الحزم المطلوبة، قم بتشغيل

# Install the required packages for YOLO11 and Comet ML
pip install ultralytics comet_ml torch torchvision

التهيئة Comet ML

بعد تثبيت الحزم المطلوبة، ستحتاج إلى التسجيل والحصول على مفتاح واجهة برمجة التطبيقاتComet وتهيئته.

# Set your Comet Api Key
export COMET_API_KEY=<Your API Key>

بعد ذلك، يمكنك بعد ذلك تهيئة مشروعك Comet . Comet سيكتشف تلقائيًا مفتاح واجهة برمجة التطبيقات (API) ويتابع الإعداد.

import comet_ml

comet_ml.login(project_name="comet-example-yolo11-coco128")

إذا كنت تستخدم دفتر ملاحظات Google Colab، سيطالبك الرمز أعلاه بإدخال مفتاح واجهة برمجة التطبيقات (API) للتهيئة.

الاستخدام

قبل الغوص في إرشادات الاستخدام، تأكد من الاطلاع على مجموعة موديلاتYOLO11 التي يقدمها Ultralytics. سيساعدك ذلك على اختيار الطراز الأنسب لمتطلبات مشروعك.

from ultralytics import YOLO

# Load a model
model = YOLO("yolo11n.pt")

# Train the model
results = model.train(
    data="coco8.yaml",
    project="comet-example-yolo11-coco128",
    batch=32,
    save_period=1,
    save_json=True,
    epochs=3,
)

بعد تشغيل رمز التدريب، سيقوم Comet ML بإنشاء تجربة في مساحة العمل الخاصة بك Comet لتتبع التشغيل تلقائيًا. سيتم تزويدك بعد ذلك برابط لعرض التسجيل المفصل لعملية تدريب نموذجكYOLO11 .

Comet تسجّل البيانات التالية تلقائيًا دون تكوين إضافي: مقاييس مثل mAP والخسارة، والمعلمات الفائقة، ونقاط التحقق من النموذج، ومصفوفة الارتباك التفاعلية، وتوقعات الصندوق المحيط بالصورة.

فهم أداء النموذج الخاص بك مع مرئيات Comet التعلم الآلي

دعنا نتعمق في ما ستراه على لوحة التحكم Comet ML بمجرد أن يبدأ نموذج YOLO11 الخاص بك في التدريب. لوحة المعلومات هي المكان الذي يحدث فيه كل ما يحدث، حيث تقدم مجموعة من المعلومات المسجلة تلقائيًا من خلال المرئيات والإحصائيات. إليك جولة سريعة:

لوحات التجارب

يقوم قسم لوحات التجارب في لوحة معلومات Comet ML بتنظيم وتقديم عمليات التشغيل المختلفة ومقاييسها المختلفة، مثل فقدان قناع المقطع، وفقدان الفئة، والدقة، ومتوسط متوسط الدقة.

المقاييس

في قسم المقاييس، يتوفر لديك خيار فحص المقاييس بتنسيق جدولي أيضًا، والذي يتم عرضه في جزء مخصص كما هو موضح هنا.

مصفوفة الارتباك التفاعلية

توفر مصفوفة الارتباك، الموجودة في علامة التبويب مصفوفة الارتباك، طريقة تفاعلية لتقييم دقة تصنيف النموذج. وهي تفصّل التنبؤات الصحيحة وغير الصحيحة، مما يسمح لك بفهم نقاط قوة النموذج ونقاط ضعفه.

مقاييس النظام

Comet يقوم ML بتسجيل مقاييس النظام للمساعدة في تحديد أي اختناقات في عملية التدريب. ويتضمن مقاييس مثل استخدام GPU ، واستخدام الذاكرة GPU ، واستخدام ، واستخدام CPU ، واستخدام ذاكرة الوصول العشوائي. هذه ضرورية لمراقبة كفاءة استخدام الموارد أثناء تدريب النموذج.

تخصيص Comet تسجيل ML

Comet يوفر ML المرونة لتخصيص سلوك التسجيل الخاص به من خلال تعيين متغيرات البيئة. تسمح لك هذه التكوينات بتخصيص Comet ML وفقًا لاحتياجاتك وتفضيلاتك الخاصة. فيما يلي بعض خيارات التخصيص المفيدة:

تسجيل تنبؤات الصور

يمكنك التحكم في عدد تنبؤات الصور التي يقوم Comet ML بتسجيلها أثناء تجاربك. بشكل افتراضي، يقوم Comet ML بتسجيل 100 تنبؤ للصور من مجموعة التحقق من الصحة. ومع ذلك، يمكنك تغيير هذا الرقم ليناسب متطلباتك بشكل أفضل. على سبيل المثال، لتسجيل 200 تنبؤ للصور، استخدم الكود التالي:

import os

os.environ["COMET_MAX_IMAGE_PREDICTIONS"] = "200"

الفاصل الزمني لتسجيل الدُفعات

Comet يسمح لك ML بتحديد عدد المرات التي يتم فيها تسجيل دفعات تنبؤات الصور. يمكن تحديد COMET_EVAL_BATCH_LOGGING_INTERVAL يتحكم متغير البيئة في هذا التردد. الإعداد الافتراضي هو 1، والذي يقوم بتسجيل التوقعات من كل دفعة تحقق من الصحة. يمكنك ضبط هذه القيمة لتسجيل التنبؤات في فاصل زمني مختلف. على سبيل المثال، سيؤدي تعيينها إلى 4 إلى تسجيل التنبؤات من كل دفعة رابعة.

import os

os.environ["COMET_EVAL_BATCH_LOGGING_INTERVAL"] = "4"

تعطيل تسجيل مصفوفة الارتباك

في بعض الحالات، قد لا ترغب في تسجيل مصفوفة الارتباك من مجموعة التحقق من الصحة بعد كل الحقبة الزمنية. يمكنك تعطيل هذه الميزة عن طريق تعيين COMET_EVAL_LOG_CONFUSION_MATRIX متغير البيئة إلى "خطأ". سيتم تسجيل مصفوفة الارتباك مرة واحدة فقط، بعد اكتمال التدريب.

import os

os.environ["COMET_EVAL_LOG_CONFUSION_MATRIX"] = "false"

التسجيل دون اتصال بالإنترنت

إذا وجدت نفسك في موقف يكون فيه الوصول إلى الإنترنت محدودًا، فإن Comet ML يوفر خيار التسجيل دون اتصال بالإنترنت. يمكنك تعيين COMET_MODE متغير البيئة إلى "غير متصل" لتمكين هذه الميزة. سيتم حفظ بيانات تجربتك محليًا في دليل يمكنك تحميلها لاحقًا إلى Comet ML عندما يكون الاتصال بالإنترنت متاحًا.

import os

os.environ["COMET_MODE"] = "offline"

الملخص

لقد أرشدك هذا الدليل إلى كيفية دمج Comet ML مع Ultralytics' YOLO11. بدءًا من التثبيت وحتى التخصيص، تعلمت كيفية تبسيط إدارة التجربة، واكتساب رؤى في الوقت الفعلي، وتكييف التسجيل مع احتياجات مشروعك.

استكشف الوثائق الرسمية لـComet ML لمزيد من الأفكار حول التكامل مع YOLO11.

علاوة على ذلك، إذا كنت تتطلع إلى التعمق أكثر في التطبيقات العملية لـ YOLO11 ، وتحديدًا لمهام تجزئة الصور، فإن هذا الدليل المفصل حول الضبط الدقيق YOLO11 باستخدام Comet ML يقدم رؤى قيمة وإرشادات خطوة بخطوة لتحسين أداء نموذجك.

بالإضافة إلى ذلك، لاستكشاف عمليات التكامل المثيرة الأخرى مع Ultralytics ، راجع صفحة دليل التكامل، التي توفر ثروة من الموارد والمعلومات.

الأسئلة الشائعة

كيف يمكنني دمج Comet ML مع Ultralytics YOLO11 للتدريب؟

لدمج Comet ML مع Ultralytics YOLO11 ، اتبع الخطوات التالية:

1. قم بتثبيت الحزم المطلوبة:

   pip install ultralytics comet_ml torch torchvision
   

2. قم بإعداد مفتاح واجهة برمجة التطبيقات Comet الخاص بك:

   export COMET_API_KEY=<Your API Key>
   

3. قم بتهيئة مشروعك Comet في كود Python الخاص بك:

   import comet_ml
   
   comet_ml.login(project_name="comet-example-yolo11-coco128")
   

4. تدريب نموذج YOLO11 الخاص بك وتسجيل المقاييس:

   from ultralytics import YOLO
   
   model = YOLO("yolo11n.pt")
   results = model.train(
       data="coco8.yaml",
       project="comet-example-yolo11-coco128",
       batch=32,
       save_period=1,
       save_json=True,
       epochs=3,
   )
   

لمزيد من الإرشادات التفصيلية، راجع قسم التكوينComet ML.

ما هي فوائد استخدام Comet ML مع YOLO11 ؟

من خلال دمج Ultralytics YOLO11 مع Comet ML، يمكنك ذلك:

• رصد الرؤى في الوقت الفعلي: احصل على ملاحظات فورية حول نتائج تدريبك، مما يتيح لك إجراء تعديلات سريعة.
• تسجيل مقاييس شاملة: التقط المقاييس الأساسية تلقائيًا مثل mAP، والخسارة، والمعلمات الفائقة، ونقاط فحص النموذج.
• تتبع التجارب دون اتصال بالإنترنت: سجّل تجاربك التدريبية محلياً عندما لا يكون الاتصال بالإنترنت متاحاً.
• قارن بين عمليات التدريب المختلفة: استخدم لوحة التحكم التفاعلية Comet ML التفاعلية لتحليل ومقارنة تجارب متعددة.

وبالاستفادة من هذه الميزات، يمكنك تحسين سير عمل التعلُّم الآلي لديك لتحسين الأداء وقابلية التكرار. لمزيد من المعلومات، تفضل بزيارة دليل تكاملComet ML.

كيف يمكنني تخصيص سلوك التسجيل في Comet ML أثناء التدريب YOLO11 ؟

Comet يسمح ML بتخصيص واسع النطاق لسلوك التسجيل الخاص به باستخدام متغيرات البيئة:

• تغيير عدد تنبؤات الصور المسجلة:

  import os
  
  os.environ["COMET_MAX_IMAGE_PREDICTIONS"] = "200"
  

• ضبط الفاصل الزمني لتسجيل الدُفعات:

  import os
  
  os.environ["COMET_EVAL_BATCH_LOGGING_INTERVAL"] = "4"
  

• تعطيل تسجيل مصفوفة الارتباك:

  import os
  
  os.environ["COMET_EVAL_LOG_CONFUSION_MATRIX"] = "false"
  

ارجع إلى قسم تخصيص Comet ML Logging لمزيد من خيارات التخصيص.

كيف يمكنني عرض المقاييس والتصورات التفصيلية لتدريب YOLO11 الخاص بي على Comet ML؟

بمجرد أن يبدأ نموذج YOLO11 الخاص بك في التدريب، يمكنك الوصول إلى مجموعة كبيرة من المقاييس والتصورات على لوحة معلومات Comet ML. تشمل الميزات الرئيسية ما يلي:

• لوحات التجارب: اعرض عمليات التشغيل المختلفة ومقاييسها، بما في ذلك فقدان قناع المقطع، وفقدان الفئة، ومتوسط متوسط الدقة.
• المقاييس: فحص المقاييس بتنسيق جدولي لإجراء تحليل مفصل.
• مصفوفة الارتباك التفاعلية: تقييم دقة التصنيف باستخدام مصفوفة الارتباك التفاعلية.
• مقاييس النظام: مراقبة استخدام GPU و CPU ، واستخدام الذاكرة، ومقاييس النظام الأخرى.

للاطلاع على نظرة عامة مفصلة على هذه الميزات، يرجى زيارة قسم فهم أداء نموذجك باستخدام Comet مرئيات التعلم الآلي.

هل يمكنني استخدام Comet ML للتسجيل دون اتصال بالإنترنت عند تدريب نماذج YOLO11 ؟

نعم، يمكنك تمكين التسجيل دون اتصال بالإنترنت في Comet ML عن طريق تعيين COMET_MODE متغير البيئة إلى "غير متصل":

import os

os.environ["COMET_MODE"] = "offline"

تتيح لك هذه الميزة تسجيل بيانات تجربتك محليًا، والتي يمكن تحميلها لاحقًا إلى Comet ML عند توفر الاتصال بالإنترنت. وهذا مفيد بشكل خاص عند العمل في بيئات ذات اتصال محدود بالإنترنت. لمزيد من التفاصيل، راجع قسم التسجيل دون اتصال بالإنترنت.

📅 تم إنشاؤها منذ 1 سنة مضت ✏️ تم التحديث منذ 1 شهر

التعليقات