Roboflow Conjuntos de datos

Ahora puedes utilizar Roboflow para organizar, etiquetar, preparar, versionar y alojar tus conjuntos de datos para entrenar modelos YOLOv5 🚀. Roboflow se puede utilizar gratuitamente con YOLOv5 si haces público tu espacio de trabajo.

Sube

Puedes cargar tus datos en Roboflow a través de la interfaz web, la API REST o . Python.

Etiquetado

Después de cargar los datos en Roboflow, puedes etiquetar tus datos y revisar las etiquetas anteriores.

Versionado

Puedes hacer versiones de tu conjunto de datos con diferentes opciones de preprocesamiento y aumento fuera de línea. YOLOv5 realiza aumentos en línea de forma nativa, así que ten cuidado al superponer los aumentos fuera de línea de Roboflow.

Exportar datos

Puedes descargar tus datos en formato YOLOv5 para empezar a entrenar rápidamente.

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")

Formación a medida

Hemos publicado un tutorial de formación personalizado que demuestra todas las capacidades anteriores. Puedes acceder al código aquí:

Aprendizaje activo

El mundo real es desordenado y tu modelo se encontrará invariablemente con situaciones que tu conjunto de datos no había previsto. Utilizar el aprendizaje activo es una estrategia importante para mejorar iterativamente tu conjunto de datos y tu modelo. Con la integración de Roboflow y YOLOv5 , puedes mejorar rápidamente tus despliegues de modelos utilizando una canalización de aprendizaje automático probada en la batalla.

Entornos compatibles

Ultralytics proporciona una serie de entornos listos para usar, cada uno de ellos preinstalado con dependencias esenciales como CUDA, CUDNN, Pythony PyTorchpara poner en marcha tus proyectos.

• Cuadernos GPU gratuitos:
• Nube de Google: Guía de inicio rápido de GCP
• Amazon: Guía de inicio rápido de AWS
• Azure: Guía de inicio rápido de AzureML
• Docker: Guía de inicio rápido de Docker

Estado del proyecto

Este distintivo indica que todas las pruebas de Integración Continua (IC) de las Acciones de GitHub deYOLOv5 se han superado con éxito. Estas pruebas de IC comprueban rigurosamente la funcionalidad y el rendimiento de YOLOv5 en varios aspectos clave: formación, validación, inferencia, exportación y puntos de referencia. Garantizan un funcionamiento coherente y fiable en macOS, Windows y Ubuntu, con pruebas realizadas cada 24 horas y con cada nueva confirmación.

Comentarios