Elevando el Entrenamiento de YOLO26: Simplifique su Proceso de Registro con Comet

El registro de detalles clave del entrenamiento, como parámetros, métricas, predicciones de imágenes y puntos de control del modelo, es esencial en el aprendizaje automático: mantiene su proyecto transparente, su progreso medible y sus resultados repetibles.

Ver: Cómo usar Comet para los registros y métricas de entrenamiento de modelos Ultralytics YOLO 🚀

Ultralytics YOLO26 se integra a la perfección con Comet (anteriormente Comet ML), capturando y optimizando eficientemente cada aspecto del proceso de entrenamiento de su modelo de detección de objetos YOLO26. En esta guía, cubriremos el proceso de instalación, la configuración de Comet, los análisis en tiempo real, el registro personalizado y el uso offline, asegurando que su entrenamiento de YOLO26 esté completamente documentado y ajustado para obtener resultados sobresalientes.

Comet

Comet es una plataforma para rastrear, comparar, explicar y optimizar modelos y experimentos de aprendizaje automático. Le permite registrar métricas, parámetros, medios y más durante el entrenamiento de su modelo y monitorear sus experimentos a través de una interfaz web estéticamente agradable. Comet ayuda a los científicos de datos a iterar más rápidamente, mejora la transparencia y la reproducibilidad, y asiste en el desarrollo de modelos de producción.

Aprovechando el Poder de YOLO26 y Comet

Al combinar Ultralytics YOLO26 con Comet, usted desbloquea una serie de beneficios. Estos incluyen una gestión de experimentos simplificada, análisis en tiempo real para ajustes rápidos, opciones de registro flexibles y personalizadas, y la capacidad de registrar experimentos offline cuando el acceso a internet es limitado. Esta integración le permite tomar decisiones basadas en datos, analizar métricas de rendimiento y lograr resultados excepcionales.

Instalación

Para instalar los paquetes necesarios, ejecute:

# Install the required packages for YOLO26 and Comet
pip install ultralytics comet_ml torch torchvision

Configuración de Comet

Después de instalar los paquetes requeridos, tendrás que registrarte, obtener una clave de la API de Comet y configurarla.

# Set your Comet API Key
export COMET_API_KEY=YOUR_API_KEY

A continuación, puedes inicializar tu proyecto Comet. Comet detectará automáticamente la clave API y procederá con la configuración.

import comet_ml

comet_ml.login(project_name="comet-example-yolo26-coco128")

Si está utilizando un cuaderno de Google Colab, el código anterior le pedirá que introduzca su clave API para la inicialización.

Uso

Antes de profundizar en las instrucciones de uso, asegúrese de revisar la gama de modelos YOLO26 ofrecidos por Ultralytics. Esto le ayudará a elegir el modelo más adecuado para los requisitos de su proyecto.

from ultralytics import YOLO

# Load a model
model = YOLO("yolo26n.pt")

# Train the model
results = model.train(
    data="coco8.yaml",
    project="comet-example-yolo26-coco128",
    batch=32,
    save_period=1,
    save_json=True,
    epochs=3,
)

Después de ejecutar el código de entrenamiento, Comet creará un experimento en su espacio de trabajo de Comet para rastrear la ejecución automáticamente. Luego se le proporcionará un enlace para ver el registro detallado del proceso de entrenamiento de su modelo YOLO26.

Comet registra automáticamente los siguientes datos sin configuración adicional: métricas como mAP y pérdida, hiperparámetros, puntos de control del modelo, matriz de confusión interactiva y predicciones de bounding box de imágenes.

Comprendiendo el rendimiento de su modelo con las visualizaciones de Comet

Profundicemos en lo que verá en el panel de control de Comet una vez que su modelo YOLO26 comience a entrenarse. El panel de control es donde ocurre toda la acción, presentando una gama de información registrada automáticamente a través de elementos visuales y estadísticas. Aquí tiene un recorrido rápido:

Paneles de Experimentación

La sección de paneles de experimentos del panel de control de Comet organiza y presenta las diferentes ejecuciones y sus métricas, como la pérdida de máscara de segment, la pérdida de clase, la precisión y la precisión media promedio.

Métricas

En la sección de métricas, también tiene la opción de examinar las métricas en formato tabular, que se muestra en un panel dedicado como se ilustra aquí.

Matriz de Confusión interactiva

La matriz de confusión, que se encuentra en la pestaña Matriz de confusión, proporciona una forma interactiva de evaluar la precisión de la clasificación del modelo. Detalla las predicciones correctas e incorrectas, lo que te permite comprender las fortalezas y debilidades del modelo.

Métricas del sistema

Comet registra métricas del sistema para ayudar a identificar cualquier cuello de botella en el proceso de entrenamiento. Incluye métricas como la utilización de GPU, el uso de memoria de GPU, la utilización de CPU y el uso de RAM. Estas son esenciales para monitorear la eficiencia del uso de recursos durante el entrenamiento del modelo.

Personalización del registro de Comet

Comet ofrece la flexibilidad de personalizar su comportamiento de registro configurando variables de entorno. Estas configuraciones le permiten adaptar Comet a sus necesidades y preferencias específicas. Aquí tiene algunas opciones de personalización útiles:

Registro de predicciones de imágenes

Puede controlar el número de predicciones de imágenes que Comet registra durante sus experimentos. Por defecto, Comet registra 100 predicciones de imágenes del conjunto de validación. Sin embargo, puede cambiar este número para adaptarse mejor a sus requisitos. Por ejemplo, para registrar 200 predicciones de imágenes, utilice el siguiente código:

import os

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

Intervalo de Registro por Lote

Comet le permite especificar con qué frecuencia se registran los lotes de predicciones de imágenes. El COMET_EVAL_BATCH_LOGGING_INTERVAL una variable de entorno controla esta frecuencia. La configuración predeterminada es 1, que registra las predicciones de cada lote de validación. Puede ajustar este valor para registrar las predicciones en un intervalo diferente. Por ejemplo, si lo establece en 4, se registrarán las predicciones de cada cuarto lote.

import os

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

Desactivar el registro de la matriz de confusión

En algunos casos, es posible que no desee registrar la matriz de confusión de su conjunto de validación después de cada época. Puede desactivar esta función configurando el COMET_EVAL_LOG_CONFUSION_MATRIX variable de entorno a "false". La matriz de confusión solo se registrará una vez, después de que se complete el entrenamiento.

import os

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

Registro sin conexión

Si se encuentra en una situación donde el acceso a internet es limitado, Comet proporciona una opción de registro sin conexión. Puede establecer la COMET_MODE variable de entorno a "offline" para habilitar esta característica. Los datos de su experimento se guardarán localmente en un directorio que podrá subir posteriormente a Comet cuando haya conectividad a internet.

import os

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

Resumen

Esta guía le ha guiado a través de la integración de Comet con YOLO26 de Ultralytics. Desde la instalación hasta la personalización, ha aprendido a optimizar la gestión de experimentos, obtener análisis en tiempo real y adaptar el registro a las necesidades de su proyecto.

Explore la documentación oficial de integración de YOLOv8 de Comet, que también se aplica a los proyectos YOLO26.

Además, si busca profundizar en las aplicaciones prácticas de YOLO26, específicamente para tareas de segmentación de imágenes, esta guía detallada sobre la optimización de YOLO26 con Comet ofrece información valiosa e instrucciones paso a paso para mejorar el rendimiento de su modelo.

Además, para explorar otras integraciones interesantes con Ultralytics, consulte la página de la guía de integración, que ofrece una gran cantidad de recursos e información.

Preguntas frecuentes

¿Cómo integro Comet con Ultralytics YOLO26 para el entrenamiento?

Para integrar Comet con Ultralytics YOLO26, siga estos pasos:

1. Instale los paquetes requeridos:

   pip install ultralytics comet_ml torch torchvision
   

2. Configurar su clave de API de Comet:

   export COMET_API_KEY=YOUR_API_KEY
   

3. Inicialice su proyecto Comet en su código Python:

   import comet_ml
   
   comet_ml.login(project_name="comet-example-yolo26-coco128")
   

4. Entrene su modelo YOLO26 y registre métricas:

   from ultralytics import YOLO
   
   model = YOLO("yolo26n.pt")
   results = model.train(
       data="coco8.yaml",
       project="comet-example-yolo26-coco128",
       batch=32,
       save_period=1,
       save_json=True,
       epochs=3,
   )
   

Para obtener instrucciones más detalladas, consulte la sección de configuración de Comet.

¿Cuáles son los beneficios de usar Comet con YOLO26?

Al integrar Ultralytics YOLO26 con Comet, usted puede:

• Monitorear información en tiempo real: Obtenga retroalimentación instantánea sobre los resultados de su entrenamiento, lo que permite realizar ajustes rápidos.
• Registre métricas exhaustivas: Capture automáticamente métricas esenciales como mAP, pérdida, hiperparámetros y puntos de control del modelo.
• Rastree experimentos sin conexión: Registre sus ejecuciones de entrenamiento localmente cuando no haya acceso a Internet.
• Comparar diferentes ejecuciones de entrenamiento: Utilice el panel interactivo de Comet para analizar y comparar múltiples experimentos.

Al aprovechar estas características, puede optimizar sus flujos de trabajo de aprendizaje automático para un mejor rendimiento y reproducibilidad. Para obtener más información, visite la guía de integración de Comet.

¿Cómo personalizo el comportamiento de registro de Comet durante el entrenamiento de YOLO26?

Comet permite una amplia personalización de su comportamiento de registro utilizando variables de entorno:

• Cambiar el número de predicciones de imágenes registradas:

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

• Ajustar el intervalo de registro por lotes:

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

• Desactivar el registro de la matriz de confusión:

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

Consulte la sección Personalización del registro de Comet para obtener más opciones de personalización.

¿Cómo veo métricas y visualizaciones detalladas de mi entrenamiento de YOLO26 en Comet?

Una vez que su modelo YOLO26 comience a entrenarse, podrá acceder a una amplia gama de métricas y visualizaciones en el panel de control de Comet. Las características clave incluyen:

• Paneles de experimentos: Vea diferentes ejecuciones y sus métricas, incluyendo la pérdida de la máscara de segmentación, la pérdida de clase y la precisión media promedio.
• Métricas: Examine las métricas en formato tabular para un análisis detallado.
• Matriz de Confusión Interactiva: Evalúe la precisión de la clasificación con una matriz de confusión interactiva.
• Métricas del sistema: Supervise la utilización de la GPU y la CPU, el uso de la memoria y otras métricas del sistema.

Para obtener una descripción detallada de estas características, visite la sección Comprensión del rendimiento de su modelo con las visualizaciones de Comet.

¿Puedo usar Comet para el registro offline al entrenar modelos YOLO26?

Sí, puede habilitar el registro sin conexión en Comet configurando la COMET_MODE variable de entorno a "offline":

import os

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

Esta característica le permite registrar los datos de su experimento localmente, que luego pueden ser subidos a Comet cuando haya conectividad a internet. Esto es particularmente útil cuando se trabaja en entornos con acceso limitado a internet. Para más detalles, consulte la sección Registro sin conexión.

📅 Creado hace 2 años ✏️ Actualizado hace 5 días

Comentarios