Optimiser l'entraînement de YOLO26 : Simplifiez votre processus de journalisation avec Comet
La journalisation des principaux détails de l'entraînement, tels que les paramètres, les métriques, les prédictions d'images et les points de contrôle du modèle, est essentielle dans l'apprentissage automatique : elle assure la transparence de votre projet, la mesurabilité de vos progrès et la reproductibilité de vos résultats.
Regarder : Comment utiliser Comet pour les journaux et métriques d'entraînement des modèles Ultralytics YOLO 🚀
Ultralytics YOLO26 s'intègre de manière transparente à Comet (anciennement Comet ML), capturant et optimisant efficacement chaque aspect du processus d'entraînement de votre modèle de détection d'objets YOLO26. Dans ce guide, nous aborderons le processus d'installation, la configuration de Comet, les informations en temps réel, la journalisation personnalisée et l'utilisation hors ligne, garantissant que votre entraînement YOLO26 est entièrement documenté et affiné pour des résultats exceptionnels.
Comet
Comet est une plateforme de suivi, de comparaison, d'explication et d'optimisation des modèles et expériences de machine learning. Elle vous permet d'enregistrer des métriques, des paramètres, des médias et bien plus encore pendant l'entraînement de votre modèle et de surveiller vos 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 de production.
Exploiter la puissance de YOLO26 et Comet
En combinant Ultralytics YOLO26 avec Comet, vous débloquez une série d'avantages. Ceux-ci incluent une gestion simplifiée des expériences, des informations en temps réel pour des ajustements rapides, des options de journalisation flexibles et personnalisées, ainsi que la capacité à enregistrer les expériences hors ligne lorsque l'accès à Internet est limité. Cette intégration vous permet de prendre des décisions basées sur les données, d'analyser les métriques de performance et d'obtenir des résultats exceptionnels.
Installation
Pour installer les packages requis, exécutez :
Installation
# Install the required packages for YOLO26 and Comet
pip install ultralytics comet_ml torch torchvision
Configuration de Comet
Après avoir installé les packages requis, vous devrez vous inscrire, obtenir une clé d'API Comet et la configurer.
Configuration de Comet
# Set your Comet API Key
export COMET_API_KEY=YOUR_API_KEY
Ensuite, vous pouvez initialiser votre projet Comet. Comet détectera automatiquement la clé API et procédera à la configuration.
Initialiser le projet Comet
import comet_ml
comet_ml.login(project_name="comet-example-yolo26-coco128")
Si vous utilisez un notebook Google Colab, le code ci-dessus vous invitera à saisir votre clé API pour l'initialisation.
Utilisation
Avant de vous plonger dans les instructions d'utilisation, assurez-vous de consulter la gamme de modèles YOLO26 offerts par Ultralytics. Cela vous aidera à choisir le modèle le plus approprié pour les exigences de votre projet.
Utilisation
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 l'exécution du code d'entraînement, Comet créera automatiquement une expérience dans votre espace de travail Comet pour suivre l'exécution. Un lien vous sera ensuite fourni pour visualiser la journalisation détaillée du processus d'entraînement de votre modèle YOLO26.
Comet enregistre automatiquement les données suivantes sans configuration supplémentaire : les métriques telles que le mAP et la perte, les hyperparamètres, les points de contrôle du modèle, la matrice de confusion interactive et les prédictions de boîtes englobantes d'images.
Comprendre les performances de votre modèle avec les visualisations Comet
Découvrons ce que vous verrez sur le tableau de bord Comet une fois que votre modèle YOLO26 aura commencé son entraînement. Le tableau de bord est le lieu où tout se passe, présentant une série d'informations journalisées automatiquement à travers des visuels et des statistiques. Voici un rapide aperçu :
Panneaux d'expérimentation
La section des panneaux d'expériences du tableau de bord Comet organise et présente les différentes exécutions et leurs métriques, telles que la perte de masque de segment, la perte de classe, la précision et la précision moyenne.
Métriques
Dans la section des métriques, vous avez également la possibilité d'examiner les métriques sous forme de tableau, qui s'affiche dans un panneau dédié, comme illustré ici.
Matrice de confusion interactive
La matrice de confusion, située dans l'onglet Matrice de confusion, offre un moyen interactif d'évaluer la précision de la classification du modèle. Elle détaille les prédictions correctes et incorrectes, vous permettant de comprendre les forces et les faiblesses du modèle.
Métriques du système
Comet enregistre les métriques système pour aider à identifier les goulots 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.
Personnalisation de la journalisation Comet
Comet offre la flexibilité de personnaliser son comportement de journalisation en définissant des variables d'environnement. Ces configurations vous permettent d'adapter Comet à vos besoins et préférences spécifiques. Voici quelques options de personnalisation utiles :
Journalisation des prédictions d'images
Vous pouvez contrôler le nombre de prédictions d'images que Comet enregistre pendant vos expériences. Par défaut, Comet enregistre 100 prédictions d'images de l'ensemble de validation. Cependant, vous pouvez modifier ce nombre pour mieux répondre à vos besoins. Par exemple, pour enregistrer 200 prédictions d'images, utilisez le code suivant :
import os
os.environ["COMET_MAX_IMAGE_PREDICTIONS"] = "200"
Intervalle de journalisation des lots
Comet vous permet de spécifier la fréquence à laquelle les lots de prédictions d'images sont enregistrés. Le COMET_EVAL_BATCH_LOGGING_INTERVAL variable d'environnement contrôle cette fréquence. Le paramètre par défaut est 1, ce qui enregistre les prédictions de chaque lot de validation. Vous pouvez ajuster cette valeur pour enregistrer les prédictions à un intervalle différent. Par exemple, le réglage à 4 enregistrera les prédictions de chaque quatrième lot.
import os
os.environ["COMET_EVAL_BATCH_LOGGING_INTERVAL"] = "4"
Désactivation de la journalisation de la matrice de confusion
Dans certains cas, vous ne voudrez peut-être pas enregistrer la matrice de confusion de votre ensemble de validation après chaque époque. Vous pouvez désactiver cette fonctionnalité en définissant le COMET_EVAL_LOG_CONFUSION_MATRIX variable d'environnement sur "false". La matrice de confusion ne sera enregistrée qu'une seule fois, une fois l'entraînement terminé.
import os
os.environ["COMET_EVAL_LOG_CONFUSION_MATRIX"] = "false"
Journalisation hors ligne
Si vous vous trouvez dans une situation où l'accès à Internet est limité, Comet propose une option de journalisation hors ligne. Vous pouvez définir la COMET_MODE variable d'environnement sur "offline" pour activer cette fonctionnalité. Vos données d'expérience seront enregistrées localement dans un répertoire que vous pourrez ensuite télécharger sur Comet lorsque la connectivité Internet sera disponible.
import os
os.environ["COMET_MODE"] = "offline"
Résumé
Ce guide vous a accompagné dans l'intégration de Comet avec YOLO26 d'Ultralytics. De l'installation à la personnalisation, vous avez appris à rationaliser la gestion des expériences, à obtenir des informations en temps réel et à adapter la journalisation aux besoins de votre projet.
Explorez la documentation officielle d'intégration de YOLOv8 de Comet, qui s'applique également aux projets YOLO26.
De plus, si vous souhaitez approfondir les applications pratiques de YOLO26, spécifiquement pour les tâches de segmentation d'images, ce guide détaillé sur le réglage fin de YOLO26 avec Comet offre des informations précieuses et des instructions étape par étape pour améliorer les performances de votre modèle.
De plus, pour explorer d'autres intégrations intéressantes avec Ultralytics, consultez la page du guide d'intégration, qui offre une multitude de ressources et d'informations.
FAQ
Comment intégrer Comet à Ultralytics YOLO26 pour l'entraînement ?
Pour intégrer Comet à Ultralytics YOLO26, suivez ces étapes :
Installer les paquets requis :
pip install ultralytics comet_ml torch torchvisionConfigurer votre clé API Comet :
export COMET_API_KEY=YOUR_API_KEYInitialisez votre projet Comet dans votre code python :
import comet_ml comet_ml.login(project_name="comet-example-yolo26-coco128")Entraînez votre modèle YOLO26 et journalisez 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, consultez la section de configuration de Comet.
Quels sont les avantages d'utiliser Comet avec YOLO26 ?
En intégrant Ultralytics YOLO26 à Comet, vous pouvez :
- Surveiller les informations en temps réel : Obtenez une rétroaction instantanée sur vos résultats d’entraînement, ce qui permet des ajustements rapides.
- Enregistrez des métriques complètes : Capturez automatiquement les métriques essentielles telles que la mAP, la perte, les hyperparamètres et les points de contrôle du modèle.
- Suivre les expériences hors ligne : Enregistrez vos séries d’entraînements localement lorsque l’accès à Internet n’est pas disponible.
- Comparer différentes exécutions d'entraînement : Utilisez le tableau de bord interactif de Comet pour analyser et comparer plusieurs expériences.
En tirant parti de ces fonctionnalités, vous pouvez optimiser vos flux de travail d'apprentissage automatique pour de meilleures performances et une meilleure reproductibilité. Pour plus d'informations, consultez 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 à l'aide de variables d'environnement :
Modifier le nombre de prédictions d'images enregistrées:
import os os.environ["COMET_MAX_IMAGE_PREDICTIONS"] = "200"Ajuster l’intervalle de journalisation des lots :
import os os.environ["COMET_EVAL_BATCH_LOGGING_INTERVAL"] = "4"Désactiver la journalisation de la matrice de confusion :
import os os.environ["COMET_EVAL_LOG_CONFUSION_MATRIX"] = "false"
Reportez-vous à la section Personnalisation de la journalisation Comet pour plus d'options de personnalisation.
Comment visualiser les métriques et visualisations détaillées de mon entraînement YOLO26 sur Comet ?
Une fois que votre modèle YOLO26 commence son entraînement, vous pouvez accéder à un large éventail de métriques et de visualisations sur le tableau de bord Comet. Les fonctionnalités clés incluent :
- Panneaux d’expérimentation : Affichez différentes exécutions et leurs métriques, y compris la perte de masque de segment, la perte de classe et la précision moyenne.
- Métriques: Examinez les métriques sous forme de tableau pour une analyse détaillée.
- Matrice de confusion interactive : Évaluez la précision de la classification avec une matrice de confusion interactive.
- Métriques système : Surveillez l’utilisation du GPU et du CPU, l’utilisation de la mémoire et d’autres métriques système.
Pour un aperçu détaillé de ces fonctionnalités, visitez la section Comprendre les performances de votre modèle avec les visualisations Comet.
Puis-je utiliser Comet pour la journalisation hors ligne lors de l'entraînement de modèles YOLO26 ?
Oui, vous pouvez activer la journalisation hors ligne dans Comet en définissant le COMET_MODE variable d'environnement sur "offline" :
import os
os.environ["COMET_MODE"] = "offline"
Cette fonctionnalité vous permet d'enregistrer localement les données de votre expérience, qui pourront ensuite être téléchargées sur Comet lorsque la connectivité Internet sera disponible. Ceci est particulièrement utile lorsque vous travaillez dans des environnements avec un accès Internet limité. Pour plus de détails, reportez-vous à la section Journalisation hors ligne.
