YOLOv8 🚀 AzureML पर

Azure क्या है?

Azure है Microsoftक्लाउड कंप्यूटिंग प्लेटफ़ॉर्म, जिसे संगठनों को ऑन-प्रिमाइसेस डेटा केंद्रों से अपने कार्यभार को क्लाउड पर ले जाने में मदद करने के लिए डिज़ाइन किया गया है। कंप्यूटिंग, डेटाबेस, एनालिटिक्स, मशीन लर्निंग और नेटवर्किंग सहित क्लाउड सेवाओं के पूर्ण स्पेक्ट्रम के साथ, उपयोगकर्ता सार्वजनिक क्लाउड में नए अनुप्रयोगों को विकसित करने और स्केल करने, या मौजूदा एप्लिकेशन चलाने के लिए इन सेवाओं से चुन सकते हैं और चुन सकते हैं।

Azure Machine Learning (AzureML) क्या है?

Azure मशीन लर्निंग, जिसे आमतौर पर AzureML के रूप में जाना जाता है, एक पूरी तरह से प्रबंधित क्लाउड सेवा है जो डेटा वैज्ञानिकों और डेवलपर्स को अपने अनुप्रयोगों में भविष्य कहनेवाला विश्लेषण को कुशलतापूर्वक एम्बेड करने में सक्षम बनाती है, जिससे संगठनों को बड़े पैमाने पर डेटा सेट का उपयोग करने और क्लाउड के सभी लाभों को मशीन लर्निंग में लाने में मदद मिलती है। AzureML मशीन लर्निंग को सुलभ, उपयोग में आसान और स्केलेबल बनाने के उद्देश्य से विभिन्न प्रकार की सेवाएं और क्षमताएं प्रदान करता है। यह स्वचालित मशीन लर्निंग, ड्रैग-एंड-ड्रॉप मॉडल प्रशिक्षण के साथ-साथ एक मजबूत क्षमता प्रदान करता है Python एसडीके ताकि डेवलपर्स अपने मशीन लर्निंग मॉडल का अधिकतम लाभ उठा सकें।

AzureML को कैसे लाभ होता है YOLO उपयोगकर्ताओं?

के उपयोगकर्ताओं के लिए YOLO (आप केवल एक बार देखते हैं), AzureML मशीन लर्निंग मॉडल को प्रशिक्षित और तैनात करने दोनों के लिए एक मजबूत, स्केलेबल और कुशल मंच प्रदान करता है। चाहे आप त्वरित प्रोटोटाइप चलाना चाहते हों या अधिक व्यापक डेटा को संभालने के लिए स्केल अप करना चाहते हों, AzureML का लचीला और उपयोगकर्ता के अनुकूल वातावरण आपकी आवश्यकताओं को पूरा करने के लिए विभिन्न उपकरण और सेवाएं प्रदान करता है। आप AzureML का लाभ उठा सकते हैं:

• प्रशिक्षण के लिए बड़े डेटासेट और कम्प्यूटेशनल संसाधनों को आसानी से प्रबंधित करें।
• डेटा प्रीप्रोसेसिंग, फीचर चयन और मॉडल प्रशिक्षण के लिए अंतर्निहित टूल का उपयोग करें।
• MLOps (मशीन लर्निंग ऑपरेशंस) के लिए क्षमताओं के साथ अधिक कुशलता से सहयोग करें, जिसमें मॉडल और डेटा की निगरानी, ऑडिटिंग और संस्करण शामिल हैं, लेकिन इन्हीं तक सीमित नहीं हैं।

बाद के अनुभागों में, आपको एक क्विकस्टार्ट गाइड मिलेगा जिसमें बताया जाएगा कि कैसे चलाना है YOLOv8 AzureML का उपयोग करके ऑब्जेक्ट डिटेक्शन मॉडल, या तो कंप्यूट टर्मिनल या नोटबुक से।

आवश्यकताएँ

आरंभ करने से पहले, सुनिश्चित करें कि आपके पास AzureML कार्यक्षेत्र तक पहुंच है। यदि आपके पास एक नहीं है, तो आप Azure के आधिकारिक दस्तावेज़ का पालन करके एक नया AzureML कार्यक्षेत्र बना सकते हैं। यह कार्यक्षेत्र सभी AzureML संसाधनों को प्रबंधित करने के लिए एक केंद्रीकृत स्थान के रूप में कार्य करता है।

एक गणना आवृत्ति बनाएँ

अपने AzureML कार्यक्षेत्र से, कंप्यूट > कंप्यूट इंस्टेंस > न्यू का चयन करें, उन संसाधनों के साथ इंस्टेंस चुनें जिनकी आपको आवश्यकता है।

टर्मिनल से क्विकस्टार्ट

अपनी गणना शुरू करें और एक टर्मिनल खोलें:

वर्चुअलएन्व बनाएँ

अपना conda virtualenv बनाएं और उसमें pip इंस्टॉल करें:

conda create --name yolov8env -y
conda activate yolov8env
conda install pip -y

आवश्यक निर्भरताएँ स्थापित करें:

cd ultralytics
pip install -r requirements.txt
pip install ultralytics
pip install onnx>=1.12.0

पालन करना YOLOv8 कार्य

भविष्‍यवाणी करना:

yolo predict model=yolov8n.pt source='https://ultralytics.com/images/bus.jpg'

0.01 की प्रारंभिक learning_rate के साथ 10 युगों के लिए एक पहचान मॉडल को प्रशिक्षित करें:

yolo train data=coco8.yaml model=yolov8n.pt epochs=10 lr0=0.01

आप और अधिक पा सकते हैं उपयोग करने के निर्देश Ultralytics CLI यहां।

नोटबुक से क्विकस्टार्ट

एक नया IPython कर्नेल बनाएँ

कंप्यूट टर्मिनल खोलें।

अपने कंप्यूट टर्मिनल से, आपको एक नया ipykernel बनाने की आवश्यकता है जिसका उपयोग आपकी नोटबुक द्वारा आपकी निर्भरताओं को प्रबंधित करने के लिए किया जाएगा:

conda create --name yolov8env -y
conda activate yolov8env
conda install pip -y
conda install ipykernel -y
python -m ipykernel install --user --name yolov8env --display-name "yolov8env"

अपना टर्मिनल बंद करें और एक नई नोटबुक बनाएँ। अपनी नोटबुक से, आप नए कर्नेल का चयन कर सकते हैं।

फिर आप एक नोटबुक सेल खोल सकते हैं और आवश्यक निर्भरताएँ स्थापित कर सकते हैं:

%%bash
source activate yolov8env
cd ultralytics
pip install -r requirements.txt
pip install ultralytics
pip install onnx>=1.12.0

ध्यान दें कि हमें source activate yolov8env सभी %% बैश कोशिकाओं के लिए, यह सुनिश्चित करने के लिए कि %%बैश सेल हमारे इच्छित वातावरण का उपयोग करता है।

का उपयोग करके कुछ भविष्यवाणियां चलाएं Ultralytics CLI:

%%bash
source activate yolov8env
yolo predict model=yolov8n.pt source='https://ultralytics.com/images/bus.jpg'

या के साथ Ultralytics Python इंटरफ़ेस, उदाहरण के लिए मॉडल को प्रशिक्षित करने के लिए:

from ultralytics import YOLO

# Load a model
model = YOLO("yolov8n.pt")  # load an official YOLOv8n model

# Use the model
model.train(data="coco8.yaml", epochs=3)  # train the model
metrics = model.val()  # evaluate model performance on the validation set
results = model("https://ultralytics.com/images/bus.jpg")  # predict on an image
path = model.export(format="onnx")  # export the model to ONNX format

आप या तो उपयोग कर सकते हैं Ultralytics CLI नहीं तो Python चलाने के लिए इंटरफ़ेस YOLOv8 कार्य, जैसा कि ऊपर टर्मिनल अनुभाग में वर्णित है।

इन चरणों का पालन करके, आपको प्राप्त करने में सक्षम होना चाहिए YOLOv8 त्वरित परीक्षणों के लिए AzureML पर जल्दी से चल रहा है। अधिक उन्नत उपयोगों के लिए, आप इस गाइड की शुरुआत में लिंक किए गए पूर्ण AzureML दस्तावेज़ का उल्लेख कर सकते हैं।

AzureML के साथ और अधिक एक्सप्लोर करें

यह मार्गदर्शिका आपको उठने और चलाने के लिए एक परिचय के रूप में कार्य करती है YOLOv8 AzureML पर। हालाँकि, यह केवल AzureML की पेशकश की सतह को खरोंचता है। गहराई से जाने और अपनी मशीन लर्निंग परियोजनाओं के लिए AzureML की पूरी क्षमता को अनलॉक करने के लिए, निम्नलिखित संसाधनों की खोज करने पर विचार करें:

• डेटा एसेट बनाएँ: AzureML परिवेश में अपनी डेटा एसेट को प्रभावी ढंग से सेट अप और प्रबंधित करने का तरीका जानें।
• AzureML जॉब शुरू करें: AzureML पर अपनी मशीन लर्निंग ट्रेनिंग जॉब्स को किकस्टार्ट करने के तरीके की व्यापक समझ प्राप्त करें।
• एक मॉडल पंजीकृत करें: पंजीकरण, संस्करण और परिनियोजन सहित मॉडल प्रबंधन प्रथाओं से खुद को परिचित करें।
• रेलगाड़ी YOLOv8 AzureML के साथ Python SDK: AzureML का उपयोग करने पर चरण-दर-चरण मार्गदर्शिका का अन्वेषण करें Python एसडीके अपने प्रशिक्षित करने के लिए YOLOv8 मॉडल।
• रेलगाड़ी YOLOv8 AzureML के साथ CLI: सुव्यवस्थित प्रशिक्षण और प्रबंधन के लिए कमांड-लाइन इंटरफ़ेस का उपयोग करने का तरीका जानें YOLOv8 AzureML पर मॉडल।

अक्सर पूछे जाने वाले प्रश्न

मैं कैसे चलाऊँ YOLOv8 मॉडल प्रशिक्षण के लिए AzureML पर?

भागना YOLOv8 मॉडल प्रशिक्षण के लिए AzureML पर कई चरण शामिल हैं:

1. एक कंप्यूट इंस्टेंस बनाएँ: अपने AzureML कार्यस्थान से, नए इंस्टेंस > कंप्यूट इंस्टेंस > कंप्यूट करें पर नेविगेट करें और आवश्यक इंस्टेंस चुनें।

2. सेटअप पर्यावरण: अपना कंप्यूट इंस्टेंस शुरू करें, एक टर्मिनल खोलें, और एक कोंडा वातावरण बनाएं:

   conda create --name yolov8env -y
   conda activate yolov8env
   conda install pip -y
   pip install ultralytics onnx>=1.12.0
   

3. चलाना YOLOv8 Tasks: Ultralytics CLI अपने मॉडल को प्रशिक्षित करने के लिए:

   yolo train data=coco8.yaml model=yolov8n.pt epochs=10 lr0=0.01
   

अधिक जानकारी के लिए, आप इसका उल्लेख कर सकते हैं उपयोग करने के निर्देश Ultralytics CLI.

AzureML का उपयोग करने के क्या लाभ हैं YOLOv8 प्रशिक्षण?

AzureML प्रशिक्षण के लिए एक मजबूत और कुशल पारिस्थितिकी तंत्र प्रदान करता है YOLOv8 मॉडल:

• अनुमापकता: अपने डेटा और मॉडल की जटिलता बढ़ने पर अपने गणना संसाधनों को आसानी से स्केल करें।
• MLOps एकीकरण: ML संचालन को सुव्यवस्थित करने के लिए संस्करण, निगरानी और ऑडिटिंग जैसी सुविधाओं का उपयोग करें।
• सहयोग: टीमों के भीतर संसाधनों को साझा और प्रबंधित करें, सहयोगी वर्कफ़्लो को बढ़ाएं।

ये फायदे AzureML को त्वरित प्रोटोटाइप से लेकर बड़े पैमाने पर तैनाती तक की परियोजनाओं के लिए एक आदर्श मंच बनाते हैं। अधिक युक्तियों के लिए, AzureML नौकरियां देखें।

मैं चलाते समय सामान्य समस्याओं का निवारण कैसे करूँ YOLOv8 AzureML पर?

के साथ सामान्य समस्याओं का निवारण YOLOv8 AzureML पर निम्न चरणों को शामिल कर सकते हैं:

• निर्भरता के मुद्दे: सुनिश्चित करें कि सभी आवश्यक पैकेज स्थापित हैं। का संदर्भ लें requirements.txt निर्भरता के लिए फ़ाइल।
• परिवेश सेटअप: सत्यापित करें कि आदेश चलाने से पहले आपका conda परिवेश सही रूप से सक्रिय है।
• संसाधन आवंटन: सुनिश्चित करें कि आपके गणना उदाहरणों में प्रशिक्षण कार्यभार को संभालने के लिए पर्याप्त संसाधन हैं।

अतिरिक्त मार्गदर्शन के लिए, हमारी समीक्षा करें YOLO सामान्य समस्याओं के दस्तावेज़ीकरण.

क्या मैं दोनों का उपयोग कर सकता हूं Ultralytics CLI और Python AzureML पर इंटरफ़ेस?

हां, AzureML आपको दोनों का उपयोग करने की अनुमति देता है Ultralytics CLI और यह Python इंटरफ़ेस मूल रूप से:

• CLI: त्वरित कार्यों और टर्मिनल से सीधे मानक स्क्रिप्ट चलाने के लिए आदर्श।

  yolo predict model=yolov8n.pt source='https://ultralytics.com/images/bus.jpg'
  

• Python इंटरफ़ेस: नोटबुक के भीतर कस्टम कोडिंग और एकीकरण की आवश्यकता वाले अधिक जटिल कार्यों के लिए उपयोगी।

  from ultralytics import YOLO
  
  model = YOLO("yolov8n.pt")
  model.train(data="coco8.yaml", epochs=3)
  

अधिक विस्तृत निर्देशों के लिए क्विकस्टार्ट गाइड देखें यहाँ तथा यहाँ.

उपयोग करने का क्या फायदा है Ultralytics YOLOv8 अन्य ऑब्जेक्ट डिटेक्शन मॉडल पर?

Ultralytics YOLOv8 प्रतिस्पर्धी ऑब्जेक्ट डिटेक्शन मॉडल पर कई अद्वितीय लाभ प्रदान करता है:

• गति: तेज़ आर-सीएनएन और एसएसडी जैसे मॉडलों की तुलना में तेज़ अनुमान और प्रशिक्षण समय।
• सटीकता: एंकर-मुक्त डिज़ाइन और उन्नत वृद्धि रणनीतियों जैसी सुविधाओं के साथ पता लगाने के कार्यों में उच्च सटीकता।
• उपयोग में आसानी: सहज ज्ञान युक्त एपीआई और CLI त्वरित सेटअप के लिए, इसे शुरुआती और विशेषज्ञों दोनों के लिए सुलभ बनाना।

के बारे में अधिक जानने के लिए YOLOv8की विशेषताएं, पर जाएँ Ultralytics YOLO विस्तृत जानकारी के लिए पृष्ठ।

टिप्पणियाँ