Roboflow Jeux de données
Tu peux maintenant utiliser Roboflow pour organiser, étiqueter, préparer, versionner et héberger tes jeux de données pour l'entraînement des modèles YOLOv5 🚀. Roboflow peut être utilisé gratuitement avec YOLOv5 si tu rends ton espace de travail public.
Licence
Ultralytics propose deux options de licence :
- La licenceAGPL-3.0 , une licence open-source approuvée par l'OSI, idéale pour les étudiants et les passionnés.
- La licence Entreprise pour les entreprises qui cherchent à intégrer nos modèles d'IA dans leurs produits et services.
Pour plus de détails, voir Ultralytics Licences.
Télécharger
Tu peux télécharger tes données sur Roboflow via l'interface web, l'API REST ou... Python.
Étiquetage
Après avoir téléchargé des données sur Roboflow, tu peux étiqueter tes données et revoir les étiquettes précédentes.
Versionnement
Tu peux créer des versions de ton jeu de données avec différentes options de prétraitement et d'augmentation hors ligne. YOLOv5 effectue des augmentations en ligne de façon native, alors fais preuve d'attention lorsque tu superposes les augmentations hors ligne de Roboflow.
Exporter des données
Tu peux télécharger tes données au format YOLOv5 pour commencer rapidement la formation.
from roboflow import Roboflow
rf = Roboflow(api_key="YOUR API KEY HERE")
project = rf.workspace().project("YOUR PROJECT")
dataset = project.version("YOUR VERSION").download("yolov5")
Formation sur mesure
Nous avons publié un tutoriel de formation personnalisé qui démontre toutes les capacités ci-dessus. Tu peux accéder au code ici :
Apprentissage actif
Le monde réel est désordonné et ton modèle rencontrera invariablement des situations que ton ensemble de données n'a pas anticipées. L'utilisation de l'apprentissage actif est une stratégie importante pour améliorer de façon itérative ton ensemble de données et ton modèle. Avec l'intégration de Roboflow et YOLOv5 , tu peux rapidement apporter des améliorations à tes déploiements de modèles en utilisant un pipeline d'apprentissage automatique qui a fait ses preuves.
Environnements pris en charge
Ultralytics fournit une gamme d'environnements prêts à l'emploi, chacun préinstallé avec des dépendances essentielles telles que CUDA, CUDNN, Pythonet PyTorchpour lancer tes projets.
- Cahiers de notes gratuits sur les GPU:
- Google Cloud: Guide de démarrage rapide de GCP
- Amazon: Guide de démarrage rapide AWS
- Azure: Guide de démarrage rapide d'AzureML
- Docker: Guide de démarrage rapide de Docker
Statut du projet
Ce badge indique que tous les tests d'intégration continue (CI) de YOLOv5 GitHub Actions sont passés avec succès. Ces tests CI vérifient rigoureusement la fonctionnalité et les performances de YOLOv5 sur différents aspects clés : entraînement, validation, inférence, exportation et benchmarks. Ils garantissent un fonctionnement cohérent et fiable sur macOS, Windows et Ubuntu, avec des tests effectués toutes les 24 heures et à chaque nouveau commit.