Améliorer l'entraînement de YOLO26 : simplifie ton processus de journalisation avec Comet

La journalisation des détails clés de l'entraînement, tels que les paramètres, les métriques, les prédictions d'images et les points de contrôle du modèle, est essentielle en machine learning — cela rend ton projet transparent, tes progrès mesurables et tes résultats reproductibles.

Ultralytics YOLO26 s'intègre parfaitement avec Comet (anciennement Comet ML), capturant et optimisant efficacement chaque aspect du processus d'entraînement de ton modèle de détection d'objets YOLO26. Dans ce guide, nous couvrirons le processus d'installation, la configuration de Comet, les insights en temps réel, la journalisation personnalisée et l'utilisation hors ligne, en t'assurant que ton entraînement YOLO26 est minutieusement documenté et optimisé pour obtenir des résultats exceptionnels.

Comet

Comet est une plateforme permettant de suivre, comparer, expliquer et optimiser les modèles et expériences de machine learning. Elle te permet de journaliser des métriques, des paramètres, des médias et bien plus encore pendant l'entraînement de ton modèle, et de surveiller tes expériences via une interface web esthétique. Comet aide les data scientists à itérer plus rapidement, améliore la transparence et la reproductibilité, et facilite le développement de modèles destinés à la production.

Exploiter la puissance de YOLO26 et de Comet

En combinant Ultralytics YOLO26 avec Comet, tu débloques une série d'avantages. Ceux-ci incluent une gestion simplifiée des expériences, des insights en temps réel pour des ajustements rapides, des options de journalisation flexibles et adaptées, ainsi que la capacité de journaliser des expériences hors ligne lorsque l'accès à internet est limité. Cette intégration te donne les moyens de prendre des décisions basées sur les données, d'analyser les métriques de performance et d'atteindre des résultats exceptionnels.

Installation

Pour installer les packages requis, exécute :

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

Configurer Comet

Après avoir installé les packages requis, tu devras t'inscrire, obtenir une Clé API Comet et la configurer.

# Set your Comet API Key
export COMET_API_KEY=YOUR_API_KEY

Ensuite, tu pourras initialiser ton projet Comet. Comet détectera automatiquement la clé API et procédera à la configuration.

import comet_ml

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

Si tu utilises un notebook Google Colab, le code ci-dessus te demandera de saisir ta clé API pour l'initialisation.

Utilisation

Avant de plonger dans les instructions d'utilisation, assure-toi de consulter la gamme de modèles YOLO26 proposés par Ultralytics. Cela t'aidera à choisir le modèle le plus approprié pour les exigences de ton projet.

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,
)

Après avoir exécuté le code d'entraînement, Comet créera automatiquement une expérience dans ton espace de travail Comet pour suivre l'exécution. Tu recevras ensuite un lien pour consulter la journalisation détaillée du processus d'entraînement de ton modèle YOLO26.

Comet journalise automatiquement les données suivantes sans configuration supplémentaire : des métriques telles que mAP et la perte, les hyperparamètres, les points de contrôle du modèle, la matrice de confusion interactive et les prédictions de boîtes englobantes sur les images.

Comprendre les performances de ton modèle avec les visualisations de Comet

Plongeons dans ce que tu verras sur le tableau de bord Comet une fois que ton modèle YOLO26 commencera à s'entraîner. Le tableau de bord est là où tout se passe, présentant une gamme d'informations journalisées automatiquement via des visuels et des statistiques. Voici une visite rapide :

Panneaux d'expérience

La section des panneaux d'expérience du tableau de bord Comet organise et présente les différentes exécutions ainsi que leurs métriques, telles que la perte du masque de segmentation, la perte de classe, la précision et la précision moyenne.

Métriques

Dans la section des métriques, tu as également l'option d'examiner les métriques sous un format tabulaire, qui est affiché dans un volet dédié comme illustré ici.

Matrice de confusion interactive

La matrice de confusion, située dans l'onglet Matrice de confusion, fournit un moyen interactif d'évaluer la précision de classification du modèle. Elle détaille les prédictions correctes et incorrectes, te permettant de comprendre les forces et les faiblesses du modèle.

Métriques système

Comet journalise les métriques système pour aider à identifier tout goulot d'étranglement dans le processus d'entraînement. Cela inclut des métriques telles que l'utilisation du GPU, l'utilisation de la mémoire GPU, l'utilisation du CPU et l'utilisation de la RAM. Celles-ci sont essentielles pour surveiller l'efficacité de l'utilisation des ressources pendant l'entraînement du modèle.

Personnaliser la journalisation Comet

Comet offre la flexibilité de personnaliser son comportement de journalisation en définissant des variables d'environnement. Ces configurations te permettent d'adapter Comet à tes besoins et préférences spécifiques. Voici quelques options de personnalisation utiles :

Journalisation des prédictions d'images

Tu peux contrôler le nombre de prédictions d'images que Comet journalise pendant tes expériences. Par défaut, Comet journalise 100 prédictions d'images issues de l'ensemble de validation. Cependant, tu peux changer ce nombre pour mieux répondre à tes exigences. Par exemple, pour journaliser 200 prédictions d'images, utilise le code suivant :

import os

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

Intervalle de journalisation par lots

Comet te permet de spécifier la fréquence à laquelle les lots de prédictions d'images sont journalisés. La variable d'environnement COMET_EVAL_BATCH_LOGGING_INTERVAL contrôle cette fréquence. Le réglage par défaut est 1, ce qui journalise les prédictions de chaque lot de validation. Tu peux ajuster cette valeur pour journaliser les prédictions à un intervalle différent. Par exemple, la régler sur 4 journalisera les prédictions de chaque quatrième lot.

import os

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

Désactiver la journalisation de la matrice de confusion

Dans certains cas, tu peux ne pas vouloir journaliser la matrice de confusion de ton ensemble de validation après chaque époque. Tu peux désactiver cette fonctionnalité en réglant la variable d'environnement COMET_EVAL_LOG_CONFUSION_MATRIX sur "false". La matrice de confusion ne sera journalisée qu'une seule fois, une fois l'entraînement terminé.

import os

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

Journalisation hors ligne

Si tu te trouves dans une situation où l'accès à internet est limité, Comet fournit une option de journalisation hors ligne. Tu peux régler la variable d'environnement COMET_MODE sur "offline" pour activer cette fonctionnalité. Les données de ton expérience seront enregistrées localement dans un répertoire que tu pourras télécharger ultérieurement vers Comet lorsque la connexion internet sera disponible.

import os

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

Résumé

Ce guide t'a accompagné dans l'intégration de Comet avec YOLO26 d'Ultralytics. De l'installation à la personnalisation, tu as appris à rationaliser la gestion des expériences, à obtenir des insights en temps réel et à adapter la journalisation aux besoins de ton projet.

Explore la documentation officielle de l'intégration YOLOv8 de Comet, qui s'applique également aux projets YOLO26.

De plus, si tu cherches à approfondir les applications pratiques de YOLO26, spécifiquement pour les tâches de segmentation d'image, ce guide détaillé sur le fine-tuning de YOLO26 avec Comet offre des perspectives précieuses et des instructions étape par étape pour améliorer les performances de ton modèle.

Par ailleurs, pour explorer d'autres intégrations passionnantes avec Ultralytics, consulte la page du guide d'intégration, qui offre une mine de ressources et d'informations.

FAQ

Comment intégrer Comet avec Ultralytics YOLO26 pour l'entraînement ?

Pour intégrer Comet avec Ultralytics YOLO26, suis ces étapes :

1. Installe les packages requis :

   pip install ultralytics comet_ml torch torchvision

2. Configure ta clé API Comet :

   export COMET_API_KEY=YOUR_API_KEY

3. Initialise ton projet Comet dans ton code Python :

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

4. Entraîne ton modèle YOLO26 et journalise les métriques :

   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,
   )

Pour des instructions plus détaillées, reporte-toi à la section de configuration de Comet.

Quels sont les avantages d'utiliser Comet avec YOLO26 ?

En intégrant Ultralytics YOLO26 avec Comet, tu peux :

• Surveiller les insights en temps réel : Obtiens un retour instantané sur tes résultats d'entraînement, permettant des ajustements rapides.
• Journaliser des métriques étendues : Capture automatiquement des métriques essentielles telles que le mAP, la perte, les hyperparamètres et les points de contrôle du modèle.
• Suivre les expériences hors ligne : Journalise tes exécutions d'entraînement localement lorsque l'accès à internet n'est pas disponible.
• Comparer différentes exécutions d'entraînement : Utilise le tableau de bord interactif de Comet pour analyser et comparer plusieurs expériences.

En tirant parti de ces fonctionnalités, tu peux optimiser tes flux de travail de machine learning pour une meilleure performance et reproductibilité. Pour plus d'informations, visite le guide d'intégration de Comet.

Comment personnaliser le comportement de journalisation de Comet pendant l'entraînement de YOLO26 ?

Comet permet une personnalisation étendue de son comportement de journalisation en utilisant des variables d'environnement :

• Change le nombre de prédictions d'images journalisées :

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

• Ajuste l'intervalle de journalisation par lots :

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

• Désactive la journalisation de la matrice de confusion :

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

Reporte-toi à la section Personnaliser la journalisation Comet pour plus d'options de personnalisation.

Comment consulter des métriques et des visualisations détaillées de mon entraînement YOLO26 sur Comet ?

Une fois que ton modèle YOLO26 commence à s'entraîner, tu peux accéder à une large gamme de métriques et de visualisations sur le tableau de bord Comet. Les fonctionnalités clés incluent :

• Panneaux d'expérience : Visualise différentes exécutions et leurs métriques, y compris la perte du masque de segmentation, la perte de classe et la précision moyenne.
• Métriques : Examine les métriques sous format tabulaire pour une analyse détaillée.
• Matrice de confusion interactive : Évalue la précision de classification avec une matrice de confusion interactive.
• Métriques système : Surveille l'utilisation du GPU et du CPU, l'utilisation de la mémoire et d'autres métriques système.

Pour un aperçu détaillé de ces fonctionnalités, visite la section Comprendre les performances de ton modèle avec les visualisations de Comet.

Puis-je utiliser Comet pour la journalisation hors ligne lors de l'entraînement de modèles YOLO26 ?

Oui, tu peux activer la journalisation hors ligne dans Comet en réglant la variable d'environnement COMET_MODE sur "offline" :

import os

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

Cette fonctionnalité te permet de journaliser tes données d'expérience localement, qui peuvent ensuite être téléchargées vers Comet lorsque la connexion internet est disponible. C'est particulièrement utile lorsque tu travailles dans des environnements avec un accès internet limité. Pour plus de détails, reporte-toi à la section Journalisation hors ligne.