Roboflow Datensätze
Du kannst jetzt Roboflow verwenden, um deine Datensätze für das Training von YOLOv5 🚀 Modellen zu organisieren, zu beschriften, vorzubereiten, zu versionieren und zu hosten. Roboflow kann kostenlos mit YOLOv5 verwendet werden, wenn du deinen Arbeitsbereich öffentlich machst.
Lizenzierung
Ultralytics bietet zwei Lizenzierungsoptionen an:
- Die AGPL-3.0 Lizenz, eine von der OSI genehmigte Open-Source-Lizenz, ist ideal für Studierende und Enthusiasten.
- Die Enterprise-Lizenz für Unternehmen, die unsere KI-Modelle in ihre Produkte und Dienstleistungen einbinden möchten.
Weitere Informationen findest du unter Ultralytics Lizenzierung.
Hochladen
Roboflow Du kannst deine Daten über die Web UI, REST API oder Python.
Kennzeichnung
Nachdem du Daten auf Roboflow hochgeladen hast, kannst du deine Daten beschriften und frühere Beschriftungen überprüfen.
Versionierung
Du kannst verschiedene Versionen deines Datensatzes mit unterschiedlichen Vorverarbeitungs- und Offline-Erweiterungsoptionen erstellen. YOLOv5 führt von Haus aus Online-Erweiterungen durch, also sei vorsichtig, wenn du die Offline-Erweiterungen von Roboflow übereinander legst.
Daten exportieren
Du kannst deine Daten im Format YOLOv5 herunterladen, um schnell mit dem Training zu beginnen.
from roboflow import Roboflow
rf = Roboflow(api_key="YOUR API KEY HERE")
project = rf.workspace().project("YOUR PROJECT")
dataset = project.version("YOUR VERSION").download("yolov5")
Individuelle Ausbildung
Wir haben ein benutzerdefiniertes Trainingstutorial veröffentlicht, das alle oben genannten Funktionen demonstriert. Du kannst den Code hier aufrufen:
Aktives Lernen
Die reale Welt ist chaotisch und dein Modell wird unweigerlich auf Situationen stoßen, die dein Datensatz nicht vorhergesehen hat. Aktives Lernen ist eine wichtige Strategie, um deinen Datensatz und dein Modell iterativ zu verbessern. Mit der Integration von Roboflow und YOLOv5 kannst du deine Modelle schnell verbessern, indem du eine erprobte Pipeline für maschinelles Lernen verwendest.
Unterstützte Umgebungen
Ultralytics bietet eine Reihe gebrauchsfertiger Umgebungen, die jeweils mit wichtigen Abhängigkeiten wie CUDA, CUDNN vorinstalliert sind, Python, und PyTorch, um deine Projekte zu starten.
- Kostenlose GPU-Notebooks:
- Google Cloud: GCP Schnellstart-Anleitung
- Amazon: AWS Schnellstart-Anleitung
- Azure: AzureML Schnellstartanleitung
- Docker: Docker Schnellstart-Anleitung
Projektstatus
Dieses Abzeichen zeigt an, dass alle YOLOv5 GitHub Actions Continuous Integration (CI) Tests erfolgreich bestanden wurden. Diese CI-Tests überprüfen die Funktionalität und Leistung von YOLOv5 in verschiedenen Bereichen: Training, Validierung, Inferenz, Export und Benchmarks. Sie gewährleisten einen konsistenten und zuverlässigen Betrieb unter macOS, Windows und Ubuntu. Die Tests werden alle 24 Stunden und bei jeder neuen Übertragung durchgeführt.