Seguimiento de experimentos con Neptune

Neptune es un almacén de metadatos para MLOps, creado para equipos que realizan muchos experimentos. Le ofrece un único lugar para registrar, almacenar, mostrar, organizar, comparar y consultar todos los metadatos de creación de modelos.

Ultralytics YOLO11 con Neptune optimizar el seguimiento de los experimentos. Esta integración le permite registrar automáticamente las métricas de entrenamiento, visualizar las predicciones del modelo y almacenar los artefactos del modelo sin necesidad de escribir código de registro personalizado.

Características clave

• Registro automatizado: Registre automáticamente métricas clave de entrenamiento como la pérdida de cajas, la pérdida de clasificación y el mAP.
• Visualización de imágenes: vea mosaicos de entrenamiento y predicciones de validación directamente en el Neptune .
• Comprobación de modelos: Cargue y controle las versiones de los pesos de su modelo entrenado (best.pt) automáticamente al final de la formación.
• Seguimiento de hiperparámetros: Registre todos los parámetros de configuración para garantizar la reproducibilidad total de sus experimentos.
• Gráficos interactivos: visualice matrices de confusión y curvas de precisión-recuerdo para analizar el rendimiento del modelo.

Instalación

Para utilizar Neptune Ultralytics, deberá instalar el neptune paquete para clientes junto con ultralytics.

# Install the required packages
pip install ultralytics neptune

# Enable Neptune integration in Ultralytics settings
yolo settings neptune=True

Configuración

Antes de comenzar la formación, debe conectar su entorno local a su Neptune . Necesitará su token API y el nombre del proyecto que encontrará en su Neptune .

1. Obtenga sus credenciales

1. Inicie sesión en Neptune.ai.
2. Crea un nuevo proyecto (o selecciona uno ya existente).
3. Ve al menú de usuario y obtén tu token API.

2. Establecer variables de entorno

La forma más segura de gestionar las credenciales es a través de variables de entorno. Tenga en cuenta que laNeptune Ultralytics Neptune lee el YOLO. project argumento y no utiliza NEPTUNE_PROJECT. Pase el Neptune completo Neptune (por ejemplo, workspace/name) a través de project= en tu comando de entrenamiento; de lo contrario, Neptune utilizar el valor predeterminado literal. "Ultralytics" y la ejecución fallará.

export NEPTUNE_API_TOKEN="your_long_api_token_here" # required

$Env:NEPTUNE_API_TOKEN = "your_long_api_token_here"  # required

import os

os.environ["NEPTUNE_API_TOKEN"] = "your_long_api_token_here"
os.environ["NEPTUNE_PROJECT"] = "your_workspace/your_project"

Uso

Una vez configurado, puede comenzar a entrenar sus YOLO11 . La Neptune funciona automáticamente cuando el neptune El paquete está instalado y la integración está habilitada en la configuración.

Ejemplo de formación

from ultralytics import YOLO

# Load a model
model = YOLO("yolo11n.pt")

# Train the model
# Pass the Neptune project slug as the 'project' argument (workspace/name)
results = model.train(data="coco8.yaml", epochs=10, project="my-workspace/my-project", name="experiment-1")

# Train via CLI
# project must be the Neptune slug (workspace/name); otherwise run creation will fail
yolo train data=coco8.yaml epochs=10 project=my-workspace/my-project name=experiment-1

Comprender la integración

El siguiente diagrama ilustra cómo el canal Ultralytics interactúa con Neptune registrar diversos artefactos y métricas.

graph LR
    A[YOLO Training Loop] --> B{Neptune Callback}
    B -->|Log Scalars| C[Loss, mAP, LR]
    B -->|Log Images| D[Mosaics, Preds]
    B -->|Log Artifacts| E[Model Weights]
    B -->|Log Metadata| F[Hyperparameters]

    C --> G[Neptune Server]
    D --> G
    E --> G
    F --> G

    G --> H[Neptune Web Dashboard]

¿Qué se registra?

Cuando ejecutas el comando de entrenamiento, la Neptune captura automáticamente la siguiente estructura de datos en tu ejecución:

1. Configuración/Hiperparámetros: Todos los argumentos de entrenamiento (épocas, lr0, optimizador, etc.) se registran en la sección Configuración.
2. Configuración/Modelo: La arquitectura y definición del modelo.
3. Métricas:
   • Entrenar: box_loss, cls_loss, dfl_loss, lr (tasa de aprendizaje).
   • Métricas: precision, recall, mAP50, mAP50-95.
4. Imágenes:
   • Mosaic: Lotes de entrenamiento que muestran el aumento de datos.
   • Validation: Etiquetas de datos reales y predicciones del modelo sobre datos de validación.
   • Plots: Matrices de confusión, curvas de precisión-recuerdo.
5. Pesos: El modelo final entrenado (best.pt) se carga en el weights carpeta en la Neptune .

Uso avanzado

Organización de carreras

Puede utilizar el Ultralytics estándar. project y name argumentos para organizar tus carreras en Neptune.

• project: Debe ser el slug Neptune . workspace/name; esto es lo que la devolución de llamada pasa a neptune.init_run.
• name: Actúa como identificador de la ejecución específica.

Registro personalizado

Si necesita registrar métricas personalizadas adicionales junto con el registro automático, puede acceder a la instancia Neptune . Tenga en cuenta que deberá modificar la lógica del entrenador o crear una devolución de llamada personalizada para acceder al objeto de ejecución específico, ya que la Ultralytics gestiona el ciclo de vida de la ejecución internamente.

Preguntas frecuentes

¿Cómo desactivo Neptune ?

Si ha instalado neptune pero si desea desactivar el registro para una sesión específica o de forma global, puede modificar la YOLO .

# Disable Neptune integration
yolo settings neptune=False

Mis imágenes no se cargan. ¿Qué pasa?

Asegúrese de que su red permite conexiones a los servidores Neptune. Además, el registro de imágenes suele producirse a intervalos específicos (por ejemplo, al final de las épocas o al final del entrenamiento). Si interrumpe el entrenamiento antes de tiempo utilizando Ctrl+C, es posible que algunos artefactos finales, como las matrices de confusión o los mejores pesos del modelo, no se carguen.

¿Puedo iniciar sesión en un ID Neptune específico Neptune ?

La integración actual crea automáticamente una nueva ejecución para cada sesión de entrenamiento. Para reanudar el registro en una ejecución existente, normalmente sería necesario gestionar la Neptune manualmente en Python , lo que queda fuera del alcance de la integración automática. Sin embargo, Ultralytics la reanudación del entrenamiento de forma local, lo que creará una nueva ejecución en Neptune track épocas reanudadas.

¿Dónde puedo encontrar los pesos de los modelos en Neptune?

En tu Neptune , ve a la sección Artefactos o Todos los metadatos sección. Encontrará un weights carpeta que contiene tu best.pt archivo, que puede descargar para su implementación.

📅 Creado hace 0 días ✏️ Actualizado hace 0 días

Comentarios