Roboflow Conjuntos de datos
Ahora puedes utilizar Roboflow para organizar, etiquetar, preparar, versionar y alojar tus conjuntos de datos para entrenar modelos YOLOv5 馃殌. Roboflow se puede utilizar gratuitamente con YOLOv5 si haces p煤blico tu espacio de trabajo.
Licencias
Ultralytics ofrece dos opciones de licencia:
- La LicenciaAGPL-3.0 , una licencia de c贸digo abierto aprobada por la OSI, ideal para estudiantes y entusiastas.
- La Licencia Enterprise para empresas que deseen incorporar nuestros modelos de IA a sus productos y servicios.
Para m谩s detalles, consulta Ultralytics Licencias.
Sube
Puedes cargar tus datos en Roboflow a trav茅s de la interfaz web, la API REST o . Python.
Etiquetado
Despu茅s 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 l铆nea. YOLOv5 realiza aumentos en l铆nea de forma nativa, as铆 que ten cuidado al superponer los aumentos fuera de l铆nea de Roboflow.
Exportar datos
Puedes descargar tus datos en formato YOLOv5 para empezar a entrenar r谩pidamente.
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")
Formaci贸n a medida
Hemos publicado un tutorial de formaci贸n personalizado que demuestra todas las capacidades anteriores. Puedes acceder al c贸digo aqu铆:
Aprendizaje activo
El mundo real es desordenado y tu modelo se encontrar谩 invariablemente con situaciones que tu conjunto de datos no hab铆a previsto. Utilizar el aprendizaje activo es una estrategia importante para mejorar iterativamente tu conjunto de datos y tu modelo. Con la integraci贸n de Roboflow y YOLOv5 , puedes mejorar r谩pidamente tus despliegues de modelos utilizando una canalizaci贸n de aprendizaje autom谩tico 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: Gu铆a de inicio r谩pido de GCP
- Amazon: Gu铆a de inicio r谩pido de AWS
- Azure: Gu铆a de inicio r谩pido de AzureML
- Docker: Gu铆a de inicio r谩pido de Docker
Estado del proyecto
Este distintivo indica que todas las pruebas de Integraci贸n Continua (IC) de las Acciones de GitHub deYOLOv5 se han superado con 茅xito. Estas pruebas de IC comprueban rigurosamente la funcionalidad y el rendimiento de YOLOv5 en varios aspectos clave: formaci贸n, validaci贸n, inferencia, exportaci贸n 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 confirmaci贸n.