Améliorez YOLO11 : 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 les journaux et les métriques de formationYOLO Ultralytics 🚀
Ultralytics YOLO11 s'intègre parfaitement à Comet anciennement Comet ), capturant et optimisant efficacement chaque aspect du processus d'entraînement de votre modèlede détection d'objets YOLO11 . Dans ce guide, nous aborderons le processus d'installation, Comet , les informations en temps réel, la journalisation personnalisée et l'utilisation hors ligne, afin de garantir que votre YOLO11 soit entièrement documenté et ajusté pour obtenir des résultats exceptionnels.
Comet
Comet est une plateforme permettant de suivre, comparer, expliquer et optimiser les modèles et expériences d'apprentissage automatique. 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 les scientifiques des données Comet itérer plus rapidement, améliore la transparence et la reproductibilité, et facilite le développement de modèles de production.
Exploiter la puissance de YOLO11 Comet
En combinant Ultralytics YOLO11 Comet, vous bénéficiez d'une multitude d'avantages. Parmi ceux-ci, citons la simplification de la gestion des expériences, des informations en temps réel pour des ajustements rapides, des options de journalisation flexibles et personnalisées, ainsi que la possibilité de journaliser 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 indicateurs de performance et d'obtenir des résultats exceptionnels.
Installation
Pour installer les packages requis, exécutez :
Installation
# Install the required packages for YOLO11 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-yolo11-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 plonger dans les instructions d'utilisation, assurez-vous de consulter la gamme de modèles YOLO11 proposés 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("yolo11n.pt")
# Train the model
results = model.train(
data="coco8.yaml",
project="comet-example-yolo11-coco128",
batch=32,
save_period=1,
save_json=True,
epochs=3,
)
Après avoir exécuté le code d'entraînement, Comet une expérience dans votre Comet afin de track automatiquement track . Vous recevrez ensuite un lien vous permettant de consulter le journal détaillé du processus d'entraînementYOLO11 votre YOLO11 .
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 grâce Comet
Voyons ce que vous verrez sur le Comet une fois que votre YOLO11 aura commencé à s'entraîner. Le tableau de bord est le centre névralgique de l'action. Il présente toute une série d'informations enregistrées automatiquement sous forme de graphiques et de statistiques. En voici un aperçu rapide :
Panneaux d'expérimentation
La section « Panneaux d'expérimentation » du Comet organise et présente les différents essais et leurs métriques, telles que la perte 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 les métriques système afin d'aider à identifier les goulots d'étranglement dans le processus d'entraînement. Il inclut des métriques telles que GPU , l'utilisation GPU , CPU et l'utilisation de la RAM. Ces métriques sont essentielles pour surveiller l'efficacité de l'utilisation des ressources pendant l'entraînement du modèle.
Personnalisation de Comet
Comet la possibilité de personnaliser son comportement de journalisation en définissant des variables d'environnement. Ces configurations vous permettent d'adapter Comet 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 pendant vos expériences. Par défaut, Comet 100 prédictions d'images à partir de l'ensemble de validation. Cependant, vous pouvez modifier ce nombre pour mieux l'adapter 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 Comet 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 une option de connexion hors ligne. Vous pouvez définir le COMET_MODE variable d'environnement sur « hors ligne » pour activer cette fonctionnalité. Vos données d'expérience seront enregistrées localement dans un répertoire que vous pourrez ensuite télécharger sur Comet vous disposerez d'une connexion Internet.
import os
os.environ["COMET_MODE"] = "offline"
Résumé
Ce guide vous a guidé tout au long du processus d'intégration Comet YOLO11 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.
Consultez la documentation officielleComet YOLOv8 , qui s'applique également aux YOLO11 .
De plus, si vous souhaitez approfondir vos connaissances sur les applications pratiques de YOLO11, en particulier pour les tâches de segmentation d'images, ce guide détaillé sur le réglage fin YOLO11 Comet vous 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 Ultralytics YOLO11 la formation ?
Pour intégrer Comet Ultralytics YOLO11, procédez comme suit :
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-yolo11-coco128")Entraînez votre modèle YOLO11 et enregistrez les métriques :
from ultralytics import YOLO model = YOLO("yolo11n.pt") results = model.train( data="coco8.yaml", project="comet-example-yolo11-coco128", batch=32, save_period=1, save_json=True, epochs=3, )
Pour obtenir des instructions plus détaillées, consultez la sectionComet de Comet .
Quels sont les avantages d'utiliser Comet YOLO11?
En intégrant Ultralytics YOLO11 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.
- Comparez différents cycles d'entraînement: utilisez le Comet interactif Comet pour analyser et comparer plusieurs expériences.
En tirant parti de ces fonctionnalités, vous pouvez optimiser vos workflows d'apprentissage automatique pour améliorer les performances et la reproductibilité. Pour plus d'informations, consultez le guideComet .
Comment personnaliser le comportement de journalisation de Comet YOLO11 ?
Comet une personnalisation poussée 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 Comet pour plus d'options de personnalisation.
Comment puis-je consulter les mesures détaillées et les visualisations de ma YOLO11 sur Comet?
Une fois que votre YOLO11 commence l'entraînement, vous pouvez accéder à un large éventail de mesures et de visualisations sur le Comet . Les principales fonctionnalités sont les suivantes :
- 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 obtenir un aperçu détaillé de ces fonctionnalités, consultez la section Comprendre les performances de votre modèle grâce Comet .
Puis-je utiliser Comet la journalisation hors ligne lors de l'entraînement YOLO11 ?
Oui, vous pouvez activer la connexion hors ligne dans Comet définissant le paramètre 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 vers Comet une connexion Internet sera disponible. Cela s'avère particulièrement utile lorsque vous travaillez dans des environnements où l'accès à Internet est limité. Pour plus d'informations, consultez la section Enregistrement hors ligne.
