YOLOv5 🚀 على مثيل التعلم العميق من AWS: دليلك الكامل

قد يكون إعداد بيئة تعلم عميق عالية الأداء أمرا شاقا للقادمين الجدد ، لكن لا تخف! 🛠️ باستخدام هذا الدليل ، سنرشدك خلال عملية الحصول على YOLOv5 قيد التشغيل والتشغيل على مثيل AWS Deep Learning. من خلال الاستفادة من قوة Amazon Web Services (AWS) ، حتى أولئك الجدد في التعلم الآلي يمكنهم البدء بسرعة وفعالية من حيث التكلفة. تعد قابلية التوسع لمنصة AWS مثالية لكل من التجريب ونشر الإنتاج.

خيارات التشغيل السريع الأخرى ل YOLOv5 تشمل لدينا كولاب نوت بوك , GCP التعلم العميق VM، وصورة Docker الخاصة بنا في مركز عامل ميناء .

الخطوة 1: تسجيل الدخول إلى وحدة تحكم AWS

ابدأ بإنشاء حساب أو تسجيل الدخول إلى وحدة تحكم AWS في https://aws.amazon.com/console/. بمجرد تسجيل الدخول، حدد خدمة EC2 لإدارة مثيلاتك وإعدادها.

الخطوة 2: تشغيل المثيل الخاص بك

في لوحة معلومات EC2، ستجد زر تشغيل المثيل وهو بوابتك لإنشاء خادم افتراضي جديد.

اختيار صورة آلة أمازون الصحيحة (AMI)

هنا حيث تختار نظام التشغيل وحزمة البرامج لمثالك. اكتب "التعلم العميق" في حقل البحث وحدد أحدث AMI للتعلم العميق المستند إلى Ubuntu ، ما لم تملي احتياجاتك خلاف ذلك. تأتي AMI للتعلم العميق من Amazon مثبتة مسبقا مع أطر عمل شائعة وبرامج تشغيل GPU لتبسيط عملية الإعداد الخاصة بك.

اختيار نوع مثيل

بالنسبة لمهام التعلم العميق ، يوصى عموما بتحديد نوع مثيل GPU لأنه يمكن أن يسرع تدريب النموذج بشكل كبير. على سبيل المثال اعتبارات الحجم، تذكر أن متطلبات ذاكرة النموذج يجب ألا تتجاوز أبدا ما يمكن أن يوفره المثيل الخاص بك.

ملاحظه: يجب أن يكون حجم النموذج الخاص بك عاملا في اختيار مثيل. إذا تجاوز الطراز الخاص بك ذاكرة الوصول العشوائي المتوفرة للمثيل، فحدد نوع مثيل مختلف بذاكرة كافية لتطبيقك.

للحصول على قائمة بأنواع مثيلات GPU المتاحة، تفضل بزيارة أنواع مثيلات EC2، وتحديدا ضمن الحوسبة المسرعة.

لمزيد من المعلومات حول مراقبة GPU وتحسينها، راجع مراقبة GPU وتحسينها. لمعرفة التسعير، راجع التسعير عند الطلب والتسعير الفوري.

تكوين المثيل الخاص بك

توفر مثيلات Amazon EC2 Spot طريقة فعالة من حيث التكلفة لتشغيل التطبيقات لأنها تتيح لك تقديم عروض أسعار للسعة غير المستخدمة بجزء بسيط من التكلفة القياسية. للحصول على تجربة مستمرة تحتفظ بالبيانات حتى عند تعطل مثيل Spot، اختر طلبا مستمرا.

تذكر ضبط بقية إعدادات المثيل وتكوينات الأمان حسب الحاجة في الخطوات من 4 إلى 7 قبل بدء التشغيل.

الخطوة 3: الاتصال بالمثيل الخاص بك

بمجرد تشغيل المثيل الخاص بك، حدد خانة الاختيار الخاصة به وانقر فوق اتصال للوصول إلى معلومات SSH. استخدم أمر SSH المعروض في المحطة الطرفية المفضلة لديك لإنشاء اتصال بالمثيل الخاص بك.

الخطوة 4: الجري YOLOv5

عند تسجيل الدخول إلى المثيل الخاص بك ، فأنت الآن جاهز لاستنساخ ملف YOLOv5 مستودع وتثبيت التبعيات داخل Python 3.8 أو بيئة أحدث. YOLOv5نماذج ومجموعات البيانات تلقائيا من أحدث إصدار.

git clone https://github.com/ultralytics/yolov5  # clone repository
cd yolov5
pip install -r requirements.txt  # install dependencies

من خلال إعداد بيئتك، يمكنك البدء في التدريب والتحقق من الصحة وإجراء الاستدلال وتصدير YOLOv5 نماذج:

# Train a model on your data
python train.py

# Validate the trained model for Precision, Recall, and mAP
python val.py --weights yolov5s.pt

# Run inference using the trained model on your images or videos
python detect.py --weights yolov5s.pt --source path/to/images

# Export the trained model to other formats for deployment
python export.py --weights yolov5s.pt --include onnx coreml tflite

إضافات اختيارية

لإضافة المزيد من ذاكرة التبديل ، والتي يمكن أن تكون منقذا لمجموعات البيانات الكبيرة ، قم بتشغيل:

sudo fallocate -l 64G /swapfile  # allocate 64GB swap file
sudo chmod 600 /swapfile  # modify permissions
sudo mkswap /swapfile  # set up a Linux swap area
sudo swapon /swapfile  # activate swap file
free -h  # verify swap memory

وهذا كل شيء! 🎉 لقد نجحت في إنشاء مثيل AWS Deep Learning وتشغيله YOLOv5. سواء كنت قد بدأت للتو في اكتشاف الكائنات أو توسيع نطاق الإنتاج، يمكن أن يساعدك هذا الإعداد في تحقيق أهداف التعلم الآلي الخاصة بك. تدريب سعيد والتحقق من الصحة والنشر! إذا واجهت أي عوائق على طول الطريق ، فإن وثائق AWS القوية والنشطة Ultralytics المجتمع هنا لدعمك.

التعليقات