Suivi et visualisation des expériences YOLO avec Weights & Biases

Les modèles de détection d'objets comme Ultralytics YOLO26 font désormais partie intégrante de nombreuses applications de vision par ordinateur. Cependant, l'entraînement, l'évaluation et le déploiement de ces modèles complexes présentent plusieurs défis. Le suivi des métriques clés d'entraînement, la comparaison des variantes de modèles, l'analyse du comportement du modèle et la détection des problèmes nécessitent une instrumentation et une gestion des expériences importantes.

Ce guide présente l'intégration d'Ultralytics YOLO26 avec Weights & Biases pour un suivi amélioré des expériences, la sauvegarde des points de contrôle des modèles et la visualisation des performances des modèles. Il comprend également des instructions pour configurer l'intégration, entraîner, affiner et visualiser les résultats en utilisant les fonctionnalités interactives de Weights & Biases.

Weights & Biases

Weights & Biases est une plateforme MLOps de pointe conçue pour suivre, visualiser et gérer les expériences de machine learning. Elle propose la journalisation automatique des métriques d'entraînement pour une reproductibilité totale des expériences, une interface utilisateur interactive pour une analyse de données simplifiée, et des outils de gestion de modèles efficaces pour un déploiement dans divers environnements.

Entraînement YOLO26 avec Weights & Biases

Tu peux utiliser Weights & Biases pour apporter efficacité et automatisation à ton processus d'entraînement YOLO26. L'intégration te permet de suivre tes expériences, de comparer tes modèles et de prendre des décisions basées sur les données pour améliorer tes projets de vision par ordinateur.

Installation

Pour installer les packages requis, exécute :

# Install the required packages for Ultralytics YOLO and Weights & Biases
pip install -U ultralytics wandb

# Enable W&B logging for Ultralytics
yolo settings wandb=True

Pour des instructions détaillées et les meilleures pratiques liées au processus d'installation, assure-toi de consulter notre guide d'installation de YOLO26. Si tu rencontres des difficultés lors de l'installation des packages requis pour YOLO26, consulte notre guide des problèmes courants pour obtenir des solutions et des conseils.

Configuration de Weights & Biases

Après avoir installé les paquets nécessaires, l'étape suivante consiste à configurer ton environnement Weights & Biases. Cela inclut la création d'un compte Weights & Biases et l'obtention de la clé API nécessaire pour une connexion fluide entre ton environnement de développement et la plateforme W&B.

Commence par initialiser l'environnement Weights & Biases dans ton espace de travail. Tu peux le faire en exécutant la commande suivante et en suivant les instructions affichées.

import wandb

# Initialize your Weights & Biases environment
wandb.login(key="YOUR_API_KEY")

Accède à la page d'autorisation Weights & Biases pour créer et récupérer ta clé API. Utilise cette clé lorsque tu y es invité pour authentifier ton environnement auprès de W&B.

Utilisation : Entraînement de YOLO26 avec Weights & Biases

Avant de te plonger dans les instructions d'utilisation pour l'entraînement des modèles YOLO26 avec Weights & Biases, assure-toi de consulter la gamme de modèles YOLO26 proposés par Ultralytics. Cela t'aidera à choisir le modèle le plus approprié pour les besoins de ton projet.

from ultralytics import YOLO

# Load a YOLO model
model = YOLO("yolo26n.pt")

# Train and Fine-Tune the Model
model.train(data="coco8.yaml", epochs=5, project="ultralytics", name="yolo26n")

Arguments W&B

# Enable Weights & Biases logging
yolo settings wandb=True

# Disable Weights & Biases logging
yolo settings wandb=False

Comprendre la sortie

Après avoir exécuté l'extrait de code d'utilisation ci-dessus, tu peux t'attendre aux résultats clés suivants :

• La configuration d'une nouvelle exécution avec son ID unique, indiquant le début du processus d'entraînement.
• Un résumé concis de la structure du modèle, incluant le nombre de couches et de paramètres.
• Des mises à jour régulières sur les métriques importantes telles que la perte de boîte, la perte cls, la perte dfl, la précision, le rappel et les scores mAP pendant chaque époque d'entraînement.
• À la fin de l'entraînement, des métriques détaillées, incluant la vitesse d'inférence du modèle et les métriques de précision globales, sont affichées.
• Des liens vers le tableau de bord Weights & Biases pour une analyse approfondie et une visualisation du processus d'entraînement, ainsi que des informations sur les emplacements des fichiers journaux locaux.

Visualisation du tableau de bord Weights & Biases

Après avoir exécuté l'extrait de code d'utilisation, tu peux accéder au tableau de bord Weights & Biases (W&B) via le lien fourni dans la sortie. Ce tableau de bord offre une vue complète du processus d'entraînement de ton modèle avec YOLO26.

Fonctionnalités clés du tableau de bord Weights & Biases

• Suivi des métriques en temps réel : Observe les métriques comme la perte, la précision et les scores de validation au fur et à mesure de leur évolution pendant l'entraînement, offrant des informations immédiates pour le réglage du modèle. Découvre comment les expériences sont suivies en utilisant Weights & Biases.

• Optimisation des hyperparamètres : Weights & Biases aide à l'ajustement précis des paramètres critiques tels que le taux d'apprentissage, la taille de lot, et plus encore, améliorant les performances de YOLO26. Cela t'aide à trouver la configuration optimale pour ton jeu de données et ta tâche spécifiques.

• Analyse comparative : La plateforme permet des comparaisons côte à côte de différentes exécutions d'entraînement, essentielles pour évaluer l'impact de diverses configurations de modèles et comprendre quels changements améliorent les performances.

• Visualisation de la progression de l'entraînement : Les représentations graphiques des métriques clés fournissent une compréhension intuitive des performances du modèle à travers les époques. Découvre comment Weights & Biases t'aide à visualiser les résultats de validation.

• Surveillance des ressources : Suis l'utilisation du CPU, du GPU et de la mémoire pour optimiser l'efficacité du processus d'entraînement et identifier les goulots d'étranglement potentiels dans ton flux de travail.

• Gestion des artefacts de modèle : Accède aux points de contrôle des modèles et partage-les, facilitant ainsi le déploiement et la collaboration avec les membres de ton équipe sur des projets complexes.

• Visualisation des résultats d'inférence avec superposition d'image : Visualise les résultats de prédiction sur des images en utilisant des superpositions interactives dans Weights & Biases, offrant une vue claire et détaillée des performances du modèle sur des données réelles. Pour plus d'informations détaillées, consulte les capacités de superposition d'image de Weights & Biases.

En utilisant ces fonctionnalités, tu peux suivre, analyser et optimiser efficacement l'entraînement de ton modèle YOLO26, garantissant la meilleure performance et efficacité possible pour tes tâches de détection d'objets.

Résumé

Ce guide t'a aidé à explorer l'intégration d'Ultralytics YOLO avec Weights & Biases. Il illustre la capacité de cette intégration à suivre et visualiser efficacement les résultats d'entraînement et de prédiction du modèle. En tirant parti des fonctionnalités puissantes de W&B, tu peux rationaliser ton flux de travail de machine learning, prendre des décisions basées sur les données et améliorer les performances de ton modèle.

Pour plus de détails sur l'utilisation, visite la documentation officielle de Weights & Biases ou explore la présentation de Soumik Rakshit de YOLO VISION 2023 sur cette intégration.

Assure-toi également de consulter la page du guide d'intégration d'Ultralytics pour en savoir plus sur d'autres intégrations passionnantes comme MLflow et Comet ML.

FAQ

Comment intégrer Weights & Biases avec Ultralytics YOLO26 ?

Pour intégrer Weights & Biases avec Ultralytics YOLO26 :

1. Installe les paquets requis :

   pip install -U ultralytics wandb
   yolo settings wandb=True

2. Connecte-toi à ton compte Weights & Biases :

   import wandb
   
   wandb.login(key="YOUR_API_KEY")

3. Entraîne ton modèle YOLO26 avec la journalisation W&B activée :

   from ultralytics import YOLO
   
   model = YOLO("yolo26n.pt")
   model.train(data="coco8.yaml", epochs=5, project="ultralytics", name="yolo26n")

Cela enregistrera automatiquement les métriques, les hyperparamètres et les artefacts de modèle dans ton projet W&B.

Quelles sont les fonctionnalités clés de l'intégration de Weights & Biases avec YOLO26 ?

Les fonctionnalités clés incluent :

• Suivi des métriques en temps réel pendant l'entraînement
• Outils d'optimisation des hyperparamètres
• Analyse comparative des différentes exécutions d'entraînement
• Visualisation de la progression de l'entraînement par des graphiques
• Surveillance des ressources (CPU, GPU, utilisation de la mémoire)
• Gestion et partage des artefacts de modèle
• Visualisation des résultats d'inférence avec des superpositions d'images

Ces fonctionnalités aident à suivre les expériences, à optimiser les modèles et à collaborer plus efficacement sur les projets YOLO26.

Comment puis-je voir le tableau de bord Weights & Biases pour mon entraînement YOLO26 ?

Après avoir exécuté ton script d'entraînement avec l'intégration W&B :

1. Un lien vers ton tableau de bord W&B sera fourni dans la sortie de la console.
2. Clique sur le lien ou va sur wandb.ai et connecte-toi à ton compte.
3. Accède à ton projet pour voir des métriques détaillées, des visualisations et les données de performance du modèle.

Le tableau de bord offre des informations sur le processus d'entraînement de ton modèle, te permettant d'analyser et d'améliorer efficacement tes modèles YOLO26.

Puis-je désactiver la journalisation Weights & Biases pour l'entraînement YOLO26 ?

Oui, tu peux désactiver la journalisation W&B en utilisant la commande suivante :

yolo settings wandb=False

Pour réactiver la journalisation, utilise :

yolo settings wandb=True

Cela te permet de contrôler quand tu souhaites utiliser la journalisation W&B sans modifier tes scripts d'entraînement.

Comment Weights & Biases aide-t-il à optimiser les modèles YOLO26 ?

Weights & Biases aide à optimiser les modèles YOLO26 en :

1. Fournissant des visualisations détaillées des métriques d'entraînement
2. Permettant une comparaison facile entre différentes versions de modèles
3. Offrant des outils pour le réglage des hyperparamètres
4. Permettant une analyse collaborative des performances du modèle
5. Facilitant le partage facile des artefacts de modèle et des résultats

Ces fonctionnalités aident les chercheurs et les développeurs à itérer plus rapidement et à prendre des décisions basées sur les données pour améliorer leurs modèles YOLO26.