YOLO11 auf ein neues Niveau heben: Vereinfachen Sie Ihren Protokollierungsprozess mit Comet
Das Protokollieren wichtiger Trainingsdetails wie Parameter, Metriken, Bildvorhersagen und Modell-Checkpoints ist im maschinellen Lernen unerlässlich – es hält Ihr Projekt transparent, Ihren Fortschritt messbar und Ihre Ergebnisse wiederholbar.
Ansehen: Verwendung von Comet Ultralytics YOLO trainingsprotokolle und Metriken 🚀
Ultralytics YOLO11 lässt sich nahtlos in Comet ehemals Comet ) integrieren und erfasst und optimiert effizient jeden Aspekt des Trainingsprozesses IhresYOLO11-Objekterkennungsmodells. In diesem Leitfaden behandeln wir den Installationsprozess, Comet , Echtzeit-Einblicke, benutzerdefinierte Protokollierung und Offline-Nutzung, um sicherzustellen, dass Ihr YOLO11 gründlich dokumentiert und für hervorragende Ergebnisse optimiert wird.
Comet
Comet ist eine Plattform zum Verfolgen, Vergleichen, Erklären und Optimieren von Modellen und Experimenten im Bereich des maschinellen Lernens. Sie ermöglicht es Ihnen, während des Modelltrainings Metriken, Parameter, Medien und mehr zu protokollieren und Ihre Experimente über eine ästhetisch ansprechende Weboberfläche zu überwachen. Comet Datenwissenschaftlern, schneller zu iterieren, verbessert die Transparenz und Reproduzierbarkeit und unterstützt die Entwicklung von Produktionsmodellen.
Die Kraft von YOLO11 Comet nutzen
Durch die KombinationYOLO11 Ultralytics YOLO11 Comet profitieren Sie von einer Reihe von Vorteilen. Dazu gehören eine vereinfachte Verwaltung von Experimenten, Echtzeit-Einblicke für schnelle Anpassungen, flexible und maßgeschneiderte Protokollierungsoptionen sowie die Möglichkeit, Experimente offline zu protokollieren, wenn der Internetzugang eingeschränkt ist. Diese Integration ermöglicht es Ihnen, datengestützte Entscheidungen zu treffen, Leistungskennzahlen zu analysieren und außergewöhnliche Ergebnisse zu erzielen.
Installation
Um die erforderlichen Pakete zu installieren, führen Sie Folgendes aus:
Installation
# Install the required packages for YOLO11 and Comet
pip install ultralytics comet_ml torch torchvision
Comet konfigurieren
Nach der Installation der erforderlichen Pakete müssen Sie sich anmelden, einen Comet API Key besorgen und ihn konfigurieren.
Comet konfigurieren
# Set your Comet API Key
export COMET_API_KEY=YOUR_API_KEY
Danach können Sie Ihr Comet-Projekt initialisieren. Comet erkennt den API-Schlüssel automatisch und fährt mit der Einrichtung fort.
Comet-Projekt initialisieren
import comet_ml
comet_ml.login(project_name="comet-example-yolo11-coco128")
Wenn du ein Google Colab-Notebook verwendest, wirst du durch den obigen Code aufgefordert, deinen API-Schlüssel zur Initialisierung einzugeben.
Nutzung
Bevor Sie sich mit den Anwendungsanweisungen befassen, sollten Sie sich das Angebot an YOLO11-Modellen von Ultralytics ansehen. Dies wird Ihnen helfen, das am besten geeignete Modell für Ihre Projektanforderungen auszuwählen.
Nutzung
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,
)
Nach dem Ausführen des Trainingscodes Comet ein Experiment in Ihrem Comet , um track Lauf automatisch track . Anschließend erhalten Sie einen Link, über den Sie die detaillierte Protokollierung des Trainingsprozesses Ihres YOLO11 einsehen können.
Comet protokolliert automatisch die folgenden Daten ohne zusätzliche Konfiguration: Metriken wie mAP und Loss, Hyperparameter, Modell-Checkpoints, interaktive Konfusionsmatrix und Bild- Bounding-Box-Vorhersagen.
Die Leistung Ihres Modells mit Comet verstehen
Werfen wir einen Blick darauf, was Sie auf dem Comet sehen, sobald Ihr YOLO11 mit dem Training beginnt. Das Dashboard ist der Ort, an dem alle Aktionen stattfinden. Es präsentiert eine Reihe von automatisch protokollierten Informationen in Form von Grafiken und Statistiken. Hier eine kurze Übersicht:
Experimentierfelder
Der Abschnitt „Experimentpanels“ des Comet organisiert und präsentiert die verschiedenen Durchläufe und ihre Metriken, wie segment , Klassenverlust, Präzision und mittlere durchschnittliche Präzision.
Metriken
Im Metrikbereich haben Sie die Möglichkeit, die Metriken auch in tabellarischer Form zu untersuchen, die in einem speziellen Bereich angezeigt wird, wie hier dargestellt.
Interaktive Konfusionsmatrix
Die Konfusionsmatrix, die sich im Tab "Konfusionsmatrix" befindet, bietet eine interaktive Möglichkeit, die Klassifikations-Genauigkeit des Modells zu beurteilen. Sie listet die korrekten und inkorrekten Vorhersagen auf, sodass Sie die Stärken und Schwächen des Modells verstehen können.
Systemmetriken
Comet Systemmetriken, um Engpässe im Trainingsprozess zu identifizieren. Dazu gehören Metriken wie GPU , GPU , CPU und RAM-Nutzung. Diese sind für die Überwachung der Effizienz der Ressourcennutzung während des Modelltrainings unerlässlich.
Anpassen Comet
Comet die Flexibilität, sein Protokollierungsverhalten durch die Einstellung von Umgebungsvariablen anzupassen. Mit diesen Konfigurationen können Sie Comet Ihre spezifischen Bedürfnisse und Vorlieben anpassen. Hier sind einige hilfreiche Anpassungsoptionen:
Protokollierung von Bildvorhersagen
Sie können die Anzahl der Bildvorhersagen steuern, die Comet während Ihrer Experimente Comet . Standardmäßig Comet 100 Bildvorhersagen aus dem Validierungssatz. Sie können diese Anzahl jedoch an Ihre Anforderungen anpassen. Um beispielsweise 200 Bildvorhersagen zu protokollieren, verwenden Sie den folgenden Code:
import os
os.environ["COMET_MAX_IMAGE_PREDICTIONS"] = "200"
Batch-Protokollierungsintervall
Comet Sie festlegen, wie oft Stapel von Bildvorhersagen protokolliert werden. Die COMET_EVAL_BATCH_LOGGING_INTERVAL Umgebungsvariable steuert diese Häufigkeit. Die Standardeinstellung ist 1, wodurch Vorhersagen aus jedem Validierungs-Batch protokolliert werden. Sie können diesen Wert anpassen, um Vorhersagen in einem anderen Intervall zu protokollieren. Wenn Sie ihn beispielsweise auf 4 setzen, werden Vorhersagen aus jedem vierten Batch protokolliert.
import os
os.environ["COMET_EVAL_BATCH_LOGGING_INTERVAL"] = "4"
Deaktivieren der Protokollierung der Konfusionsmatrix
In einigen Fällen möchten Sie die Konfusionsmatrix aus Ihrem Validierungsdatensatz möglicherweise nicht nach jedem Epoche. Sie können diese Funktion deaktivieren, indem Sie den Wert für COMET_EVAL_LOG_CONFUSION_MATRIX Umgebungsvariable auf "false". Die Konfusionsmatrix wird nur einmal protokolliert, nachdem das Training abgeschlossen ist.
import os
os.environ["COMET_EVAL_LOG_CONFUSION_MATRIX"] = "false"
Offline-Protokollierung
Wenn Sie sich in einer Situation befinden, in der der Internetzugang eingeschränkt ist, Comet eine Offline-Protokollierungsoption. Sie können die COMET_MODE Um diese Funktion zu aktivieren, setzen Sie die Umgebungsvariable auf „offline”. Ihre Versuchsdaten werden lokal in einem Verzeichnis gespeichert, das Sie später Comet verfügbarer Internetverbindung auf Comet hochladen können.
import os
os.environ["COMET_MODE"] = "offline"
Zusammenfassung
Dieser Leitfaden hat Ihnen gezeigt, wie Sie Comet Ultralytics YOLO11 integrieren können. Von der Installation bis zur Anpassung haben Sie gelernt, wie Sie das Experimentmanagement optimieren, Echtzeit-Einblicke gewinnen und die Protokollierung an die Anforderungen Ihres Projekts anpassen können.
Entdecken Sie die offizielle Dokumentation YOLOv8 Comet, die auch für YOLO11 gilt.
Wenn Sie sich außerdem näher mit den praktischen Anwendungen von YOLO11 befassen möchten, insbesondere im Hinblick auf Bildsegmentierungsaufgaben, bietet Ihnen dieser ausführliche Leitfaden zur Feinabstimmung YOLO11 Comet wertvolle Einblicke und Schritt-für-Schritt-Anleitungen zur Verbesserung der Leistung Ihres Modells.
Um weitere spannende Integrationen mit Ultralytics zu erkunden, besuchen Sie die Seite zum Integrationsleitfaden, die eine Fülle von Ressourcen und Informationen bietet.
FAQ
Wie integriere ich Comet Ultralytics YOLO11 das Training?
Um Comet Ultralytics YOLO11 zu integrieren, führen Sie die folgenden Schritte aus:
Installieren Sie die erforderlichen Pakete:
pip install ultralytics comet_ml torch torchvisionRichten Sie Ihren Comet-API-Schlüssel ein:
export COMET_API_KEY=YOUR_API_KEYInitialisieren Sie Ihr Comet-Projekt in Ihrem Python-Code:
import comet_ml comet_ml.login(project_name="comet-example-yolo11-coco128")Trainieren Sie Ihr YOLO11-Modell und protokollieren Sie Metriken:
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, )
Ausführlichere Anweisungen finden Sie im AbschnittComet .
Was sind die Vorteile der Verwendung von Comet YOLO11?
Durch die Integration von Ultralytics YOLO11 Comet können Sie:
- Echtzeit-Einblicke überwachen: Erhalten Sie sofortiges Feedback zu Ihren Trainingsergebnissen, was schnelle Anpassungen ermöglicht.
- Umfassende Metriken protokollieren: Erfassen Sie automatisch wesentliche Metriken wie mAP, Verlust, Hyperparameter und Modell-Checkpoints.
- Experimente offline verfolgen: Protokollieren Sie Ihre Trainingsläufe lokal, wenn kein Internetzugang verfügbar ist.
- Vergleichen Sie verschiedene Trainingsläufe: Verwenden Sie das interaktive Comet , um mehrere Experimente zu analysieren und zu vergleichen.
Durch die Nutzung dieser Funktionen können Sie Ihre Workflows für maschinelles Lernen optimieren, um eine bessere Leistung und Reproduzierbarkeit zu erzielen. Weitere Informationen finden Sie im Comet .
Wie kann ich das Protokollierungsverhalten von Comet YOLO11 anpassen?
Comet eine umfassende Anpassung seines Protokollierungsverhaltens mithilfe von Umgebungsvariablen:
Ändern Sie die Anzahl der protokollierten Bildvorhersagen:
import os os.environ["COMET_MAX_IMAGE_PREDICTIONS"] = "200"Batch-Logging-Intervall anpassen:
import os os.environ["COMET_EVAL_BATCH_LOGGING_INTERVAL"] = "4"Deaktivieren der Protokollierung der Konfusionsmatrix:
import os os.environ["COMET_EVAL_LOG_CONFUSION_MATRIX"] = "false"
Weitere Anpassungsoptionen finden Sie im Abschnitt „Anpassen Comet “.
Wie kann ich detaillierte Metriken und Visualisierungen meines YOLO11 auf Comet anzeigen?
Sobald Ihr YOLO11 mit dem Training beginnt, können Sie auf dem Comet auf eine Vielzahl von Metriken und Visualisierungen zugreifen. Zu den wichtigsten Funktionen gehören:
- Experiment-Panels: Zeigen Sie verschiedene Läufe und deren Metriken an, einschließlich Segmentmaskenverlust, Klassenverlust und mittlerer durchschnittlicher Präzision.
- Metriken: Untersuchen Sie Metriken im Tabellenformat für eine detaillierte Analyse.
- Interaktive Konfusionsmatrix: Bewerten Sie die Klassifikationsgenauigkeit mit einer interaktiven Konfusionsmatrix.
- Systemmetriken: Überwachen Sie die GPU- und CPU-Auslastung, die Speichernutzung und andere Systemmetriken.
Eine detaillierte Übersicht über diese Funktionen finden Sie im Abschnitt „Die Leistung Ihres Modells mit Comet verstehen “.
Kann ich Comet die Offline-Protokollierung beim Training von YOLO11 verwenden?
Ja, Sie können die Offline-Protokollierung in Comet aktivieren, Comet Sie die COMET_MODE Umgebungsvariable auf "offline":
import os
os.environ["COMET_MODE"] = "offline"
Mit dieser Funktion können Sie Ihre Versuchsdaten lokal protokollieren und später, Comet eine Internetverbindung verfügbar ist, auf Comet hochladen. Dies ist besonders nützlich, wenn Sie in Umgebungen mit eingeschränktem Internetzugang arbeiten. Weitere Informationen finden Sie im Abschnitt „Offline-Protokollierung “.
