Suivi des expériences avec Neptune

Neptune est un magasin de métadonnées pour MLOps, conçu pour les équipes qui mènent de nombreuses expériences. Il vous offre un emplacement unique pour enregistrer, stocker, afficher, organiser, comparer et interroger toutes vos métadonnées de création de modèles.

Ultralytics YOLO11 à Neptune rationaliser le suivi des expériences. Cette intégration vous permet d'enregistrer automatiquement les métriques d'entraînement, de visualiser les prédictions du modèle et de stocker les artefacts du modèle sans avoir à écrire de code de journalisation personnalisé.

Principales caractéristiques

• Enregistrement automatisé: enregistrez automatiquement les indicateurs clés de formation tels que la perte de boîte, la perte de classification et mAP.
• Visualisation des images: consultez les mosaïques d'entraînement et les prédictions de validation directement dans le Neptune .
• Modèle de vérification: Téléchargez et contrôlez les versions des poids de votre modèle entraîné (best.pt) automatiquement à la fin de la formation.
• Suivi des hyperparamètres: enregistrez tous les paramètres de configuration afin de garantir la reproductibilité totale de vos expériences.
• Graphiques interactifs: visualisez les matrices de confusion et les courbes précision-rappel pour analyser les performances du modèle.

Installation

Pour utiliser Neptune Ultralytics, vous devrez installer le neptune forfait client avec ultralytics.

# Install the required packages
pip install ultralytics neptune

# Enable Neptune integration in Ultralytics settings
yolo settings neptune=True

Configuration

Avant de commencer la formation, vous devez connecter votre environnement local à votre Neptune . Vous aurez besoin de votre jeton API et du nom de votre projet, que vous trouverez dans votre Neptune .

1. Obtenez vos identifiants

1. Connectez-vous à Neptune.ai.
2. Créez un nouveau projet (ou sélectionnez-en un existant).
3. Accédez à votre menu utilisateur et récupérez votre jeton API.

2. Définir les variables d'environnement

La manière la plus sûre de gérer les identifiants est d'utiliser des variables d'environnement. Notez que laNeptune Ultralytics Neptune lit le fichier YOLO. project argument et n'utilise pas NEPTUNE_PROJECT. Transmettez l'intégralité Neptune (par exemple, workspace/name) via project= dans votre commande de formation ; sinon Neptune d'utiliser la valeur par défaut littérale. "Ultralytics" et l'exécution échouera.

export NEPTUNE_API_TOKEN="your_long_api_token_here" # required

$Env:NEPTUNE_API_TOKEN = "your_long_api_token_here"  # required

import os

os.environ["NEPTUNE_API_TOKEN"] = "your_long_api_token_here"
os.environ["NEPTUNE_PROJECT"] = "your_workspace/your_project"

Utilisation

Une fois configuré, vous pouvez commencer à entraîner vos YOLO11 . Neptune fonctionne automatiquement lorsque le neptune Le package est installé et l'intégration est activée dans les paramètres.

Exemple de formation

from ultralytics import YOLO

# Load a model
model = YOLO("yolo11n.pt")

# Train the model
# Pass the Neptune project slug as the 'project' argument (workspace/name)
results = model.train(data="coco8.yaml", epochs=10, project="my-workspace/my-project", name="experiment-1")

# Train via CLI
# project must be the Neptune slug (workspace/name); otherwise run creation will fail
yolo train data=coco8.yaml epochs=10 project=my-workspace/my-project name=experiment-1

Comprendre l'intégration

Le diagramme suivant illustre comment le pipeline Ultralytics interagit avec Neptune enregistrer divers artefacts et métriques.

graph LR
    A[YOLO Training Loop] --> B{Neptune Callback}
    B -->|Log Scalars| C[Loss, mAP, LR]
    B -->|Log Images| D[Mosaics, Preds]
    B -->|Log Artifacts| E[Model Weights]
    B -->|Log Metadata| F[Hyperparameters]

    C --> G[Neptune Server]
    D --> G
    E --> G
    F --> G

    G --> H[Neptune Web Dashboard]

Qu'est-ce qui est enregistré ?

Lorsque vous exécutez la commande de formation, Neptune capture automatiquement la structure de données suivante dans votre exécution :

1. Configuration/Hyperparamètres: tous les arguments d'entraînement (époches, lr0, optimiseur, etc.) sont consignés dans la section Configuration.
2. Configuration/Modèle: architecture et définition du modèle.
3. Métriques:
   • Entraîner: box_loss, cls_loss, dfl_loss, lr (taux d'apprentissage).
   • Métriques: precision, recall, mAP50, mAP50-95.
4. Images:
   • Mosaic: Lots d'entraînement montrant l'augmentation des données.
   • Validation: Étiquettes de vérité terrain et prédictions du modèle sur les données de validation.
   • Plots: Matrices de confusion, courbes précision-rappel.
5. Poids: Le modèle final entraîné (best.pt) est téléchargé vers le weights dossier dans l'Neptune .

Utilisation avancée

Organisation des courses

Vous pouvez utiliser la norme Ultralytics. project et name arguments pour organiser vos courses dans Neptune.

• project: Doit être le slug Neptune workspace/name; c'est ce que le rappel transmet à neptune.init_run.
• name: Sert d'identifiant pour l'exécution spécifique.

Journalisation personnalisée

Si vous avez besoin d'enregistrer des métriques personnalisées supplémentaires en plus de l'enregistrement automatique, vous pouvez accéder à l'instance Neptune . Notez que vous devrez modifier la logique du formateur ou créer un rappel personnalisé pour accéder à l'objet d'exécution spécifique, car Ultralytics gère le cycle de vie de l'exécution en interne.

FAQ

Comment désactiver Neptune ?

Si vous avez installé neptune mais souhaitez désactiver la journalisation pour une session spécifique ou globalement, vous pouvez modifier les YOLO .

# Disable Neptune integration
yolo settings neptune=False

Mes images ne se téléchargent pas. Que se passe-t-il ?

Assurez-vous que votre réseau autorise les connexions aux serveurs Neptune. De plus, l'enregistrement des images se fait généralement à des intervalles spécifiques (par exemple, à la fin d'une période ou à la fin d'un entraînement). Si vous interrompez l'entraînement prématurément à l'aide de Ctrl+C, certains artefacts finaux tels que les matrices de confusion ou les meilleurs poids du modèle pourraient ne pas être téléchargés.

Puis-je me connecter à un identifiant Neptune spécifique ?

L'intégration actuelle crée automatiquement une nouvelle exécution pour chaque session de formation. Pour reprendre l'enregistrement d'une exécution existante, vous devez généralement gérer manuellement Neptune dans Python , ce qui n'entre pas dans le cadre de l'intégration automatique. Cependant, Ultralytics la reprise de la formation en local, ce qui créera une nouvelle exécution dans Neptune track époques reprises.

Où puis-je trouver les poids des modèles dans Neptune?

Dans votre Neptune , accédez à la section Artefacts ou Toutes les métadonnées section. Vous trouverez un weights dossier contenant votre best.pt fichier, que vous pouvez télécharger pour le déploiement.

📅 Créé il y a 0 jour ✏️ Mis à jour il y a 0 jour

Commentaires