YOLOv5 🚀 auf AzureML

Was ist Azure?

Azure ist die Cloud-Computing-Plattform von Microsoft, die Unternehmen dabei helfen soll, ihre Arbeitslasten von lokalen Rechenzentren in die Cloud zu verlagern. Mit einem umfassenden Spektrum an Cloud-Diensten, darunter Computing, Datenbanken, Analysen, maschinelles Lernen und Netzwerke, können Benutzer aus diesen Diensten auswählen, um neue Anwendungen zu entwickeln und zu skalieren oder bestehende Anwendungen in der öffentlichen Cloud auszuführen.

Was ist Azure Machine Learning (AzureML)?

Azure Machine Learning, allgemein als AzureML bezeichnet, ist ein vollständig verwalteter Cloud-Dienst, der es Datenwissenschaftlern und Entwicklern ermöglicht, prädiktive Analysen effizient in ihre Anwendungen einzubinden. AzureML bietet eine Vielzahl von Diensten und Funktionen, die darauf abzielen, maschinelles Lernen zugänglich, benutzerfreundlich und skalierbar zu machen, und bietet Funktionen wie automatisiertes maschinelles Lernen, Drag-and-Drop-Modelltraining und ein robustes Python .

Voraussetzungen

Bevor Sie beginnen, benötigen Sie einen AzureML-Arbeitsbereich. Wenn Sie noch keinen haben, können Sie einen neuen Arbeitsbereich erstellen, indem Sie der offiziellen Azure-Dokumentation folgen.

Erstellen einer Recheninstanz

Wählen Sie in Ihrem AzureML-Arbeitsbereich Compute > Compute-Instances > New und wählen Sie die Instanz mit den benötigten Ressourcen aus.

Öffnen Sie ein Terminal

Öffnen Sie in der Ansicht Notebooks ein Terminal und wählen Sie Ihren Rechner aus.

Einrichtung und Ausführung YOLOv5

Erstellen einer virtuellen Umgebung

Erstellen Sie eine conda-Umgebung mit Ihrer bevorzugten Python :

conda create --name yolov5env -y python=3.10
conda activate yolov5env
conda install pip -y

YOLOv5 klonen

Klonen Sie das YOLOv5 mit seinen Untermodulen:

git clone https://github.com/ultralytics/yolov5
cd yolov5
git submodule update --init --recursive # You might see a message asking you to add your folder as a safe.directory

Abhängigkeiten installieren

Installieren Sie die erforderlichen Abhängigkeiten:

pip install -r requirements.txt
pip install onnx

YOLOv5 durchführen

Trainieren Sie das Modell YOLOv5 :

python train.py --data coco128.yaml --weights yolov5s.pt --img 640

Validieren Sie das Modell für Precision, Recall und mAP:

python val.py --weights yolov5s.pt --data coco128.yaml

Rückschlüsse auf Bilder ziehen:

python detect.py --weights yolov5s.pt --source path/to/images

Exportieren Sie Modelle in andere Formate (wie ONNX):

python export.py --weights yolov5s.pt --include onnx

Verwendung eines Notebooks

Wenn Sie es vorziehen, ein Notebook statt des Terminals zu verwenden, müssen Sie einen neuen Kernel erstellen und ihn oben auf Ihrem Notebook auswählen.

Einen neuen IPython-Kernel erstellen

Von Ihrem Compute-Terminal aus:

conda create --name yolov5env -y python=3.10
conda activate yolov5env
conda install pip ipykernel -y
python -m ipykernel install --user --name yolov5env --display-name "yolov5env"

Wenn Sie Python in Ihrem Notizbuch erstellen, werden diese automatisch Ihre benutzerdefinierte Umgebung verwenden. Für bash müssen Sie Ihre Umgebung in jeder Zelle aktivieren:

%%bash
source activate yolov5env
python val.py --weights yolov5s.pt --data coco128.yaml

📅 Erstellt vor 1 Jahr ✏️ Aktualisiert vor 8 Tagen

Kommentare