ऊंचाई YOLOv8 प्रशिक्षण: अपनी लॉगिंग प्रक्रिया को सरल बनाएं Comet मिलिलिटर

मशीन लर्निंग में पैरामीटर, मेट्रिक्स, इमेज प्रेडिक्शन और मॉडल चेकपॉइंट जैसे प्रमुख प्रशिक्षण विवरण लॉग करना आवश्यक है - यह आपकी परियोजना को पारदर्शी, आपकी प्रगति को मापने योग्य और आपके परिणामों को दोहराने योग्य रखता है।

Ultralytics YOLOv8 मूल रूप से एकीकृत करता है Comet एमएल, आपके हर पहलू को कुशलतापूर्वक कैप्चर और अनुकूलित करना YOLOv8 ऑब्जेक्ट डिटेक्शन मॉडल की प्रशिक्षण प्रक्रिया। इस गाइड में, हम स्थापना प्रक्रिया को कवर करेंगे, Comet एमएल सेटअप, रीयल-टाइम अंतर्दृष्टि, कस्टम लॉगिंग और ऑफ़लाइन उपयोग, यह सुनिश्चित करना कि आपका YOLOv8 उत्कृष्ट परिणामों के लिए प्रशिक्षण पूरी तरह से प्रलेखित और ठीक-ठाक है।

Comet मिलिलिटर

Comet एमएल मशीन लर्निंग मॉडल और प्रयोगों को ट्रैक करने, तुलना करने, समझाने और अनुकूलित करने का एक मंच है। यह आपको अपने मॉडल प्रशिक्षण के दौरान मीट्रिक्स, पैरामीटर, मीडिया और बहुत कुछ लॉग करने और सौंदर्य की दृष्टि से मनभावन वेब इंटरफ़ेस के माध्यम से अपने प्रयोगों की निगरानी करने की अनुमति देता है। Comet एमएल डेटा वैज्ञानिकों को अधिक तेजी से पुनरावृति करने में मदद करता है, पारदर्शिता और प्रजनन क्षमता को बढ़ाता है, और उत्पादन मॉडल के विकास में सहायता करता है।

की शक्ति का उपयोग YOLOv8 और Comet मिलिलिटर

संयोजन द्वारा Ultralytics YOLOv8 के साथ Comet एमएल, आप कई प्रकार के लाभों को अनलॉक करते हैं। इनमें सरलीकृत प्रयोग प्रबंधन, त्वरित समायोजन के लिए वास्तविक समय अंतर्दृष्टि, लचीले और अनुरूप लॉगिंग विकल्प और इंटरनेट का उपयोग सीमित होने पर प्रयोगों को ऑफ़लाइन लॉग करने की क्षमता शामिल है। यह एकीकरण आपको डेटा-संचालित निर्णय लेने, प्रदर्शन मीट्रिक का विश्लेषण करने और असाधारण परिणाम प्राप्त करने का अधिकार देता है।

संस्थापन

आवश्यक पैकेज स्थापित करने के लिए, चलाएं:

# Install the required packages for YOLOv8 and Comet ML
pip install ultralytics comet_ml torch torchvision

कॉन्फ़िगर Comet मिलिलिटर

आवश्यक पैकेज स्थापित करने के बाद, आपको साइन अप करना होगा, एक Comet एपीआई कुंजी, और इसे कॉन्फ़िगर करें।

# Set your Comet Api Key
export COMET_API_KEY=<Your API Key>

फिर, आप अपना इनिशियलाइज़ कर सकते हैं Comet परियोजना। Comet स्वचालित रूप से एपीआई कुंजी का पता लगाएगा और सेटअप के साथ आगे बढ़ेगा।

import comet_ml

comet_ml.init(project_name="comet-example-yolov8-coco128")

अगर आप Google Colab नोटबुक का इस्तेमाल कर रहे हैं, तो ऊपर दिया गया कोड आपको आरंभीकरण के लिए अपनी API कुंजी डालने के लिए कहेगा.

उपयोग

उपयोग निर्देशों में गोता लगाने से पहले, की सीमा की जांच करना सुनिश्चित करें YOLOv8 द्वारा पेश किए गए मॉडल Ultralytics. इससे आपको अपनी परियोजना आवश्यकताओं के लिए सबसे उपयुक्त मॉडल चुनने में मदद मिलेगी।

from ultralytics import YOLO

# Load a model
model = YOLO("yolov8n.pt")

# train the model
results = model.train(
    data="coco8.yaml",
    project="comet-example-yolov8-coco128",
    batch=32,
    save_period=1,
    save_json=True,
    epochs=3,
)

प्रशिक्षण कोड चलाने के बाद, Comet एमएल आपके में एक प्रयोग बनाएगा Comet स्वचालित रूप से रन को ट्रैक करने के लिए कार्यक्षेत्र। फिर आपको अपने विस्तृत लॉगिंग को देखने के लिए एक लिंक प्रदान किया जाएगा YOLOv8 मॉडल की प्रशिक्षण प्रक्रिया।

Comet स्वचालित रूप से बिना किसी अतिरिक्त कॉन्फ़िगरेशन के निम्न डेटा लॉग करता है: मीट्रिक जैसे mAP और हानि, हाइपरपैरामीटर, मॉडल चेकपॉइंट, इंटरैक्टिव भ्रम मैट्रिक्स और छवि बाउंडिंग बॉक्स भविष्यवाणियां।

के साथ अपने मॉडल के प्रदर्शन को समझना Comet एमएल विज़ुअलाइज़ेशन

आइए देखें कि आप पर क्या देखेंगे Comet एमएल डैशबोर्ड एक बार अपने YOLOv8 मॉडल प्रशिक्षण शुरू करता है। डैशबोर्ड वह जगह है जहां सभी कार्रवाई होती है, दृश्यों और आंकड़ों के माध्यम से स्वचालित रूप से लॉग इन जानकारी की एक श्रृंखला प्रस्तुत करती है। यहाँ एक त्वरित दौरा है:

प्रयोग पैनलों

प्रयोग पैनल अनुभाग Comet एमएल डैशबोर्ड विभिन्न रनों और उनके मैट्रिक्स को व्यवस्थित और प्रस्तुत करता है, जैसे सेगमेंट मास्क लॉस, क्लास लॉस, सटीकता और औसत औसत परिशुद्धता।

मैट्रिक्स

मीट्रिक अनुभाग में, आपके पास एक सारणीबद्ध प्रारूप में मीट्रिक की जांच करने का विकल्प होता है, जो एक समर्पित फलक में प्रदर्शित होता है जैसा कि यहां दिखाया गया है।

इंटरएक्टिव भ्रम मैट्रिक्स

भ्रम मैट्रिक्स में पाया भ्रम मैट्रिक्स, मॉडल के वर्गीकरण सटीकता का आकलन करने के लिए एक इंटरैक्टिव तरीका प्रदान करता है। यह सही और गलत भविष्यवाणियों का विवरण देता है, जिससे आप मॉडल की ताकत और कमजोरियों को समझ सकते हैं।

सिस्टम मेट्रिक्स

Comet एमएल प्रशिक्षण प्रक्रिया में किसी भी बाधा की पहचान करने में मदद करने के लिए सिस्टम मेट्रिक्स लॉग करता है। इसमें GPU उपयोग, GPU मेमोरी उपयोग, CPU उपयोग और RAM उपयोग जैसे मैट्रिक्स शामिल हैं। मॉडल प्रशिक्षण के दौरान संसाधन उपयोग की दक्षता की निगरानी के लिए ये आवश्यक हैं।

अनुरूपण Comet एमएल लॉगिंग

Comet एमएल पर्यावरण चर सेट करके अपने लॉगिंग व्यवहार को अनुकूलित करने के लिए लचीलापन प्रदान करता है। ये कॉन्फ़िगरेशन आपको दर्जी करने की अनुमति देते हैं Comet एमएल आपकी विशिष्ट आवश्यकताओं और वरीयताओं के लिए। यहां कुछ उपयोगी अनुकूलन विकल्प दिए गए हैं:

लॉगिंग छवि भविष्यवाणियां

आप छवि पूर्वानुमानों की संख्या को नियंत्रित कर सकते हैं Comet एमएल आपके प्रयोगों के दौरान लॉग करता है। डिफ़ॉल्ट रूप से, Comet ML सत्यापन सेट से 100 छवि पूर्वानुमान लॉग करता है। हालाँकि, आप अपनी आवश्यकताओं के अनुरूप बेहतर तरीके से इस नंबर को बदल सकते हैं। उदाहरण के लिए, 200 छवि पूर्वानुमान लॉग करने के लिए, निम्न कोड का उपयोग करें:

import os

os.environ["COMET_MAX_IMAGE_PREDICTIONS"] = "200"

बैच लॉगिंग अंतराल

Comet एमएल आपको यह निर्दिष्ट करने की अनुमति देता है कि छवि भविष्यवाणियों के बैच कितनी बार लॉग किए जाते हैं। वही COMET_EVAL_BATCH_LOGGING_INTERVAL पर्यावरण चर इस आवृत्ति को नियंत्रित करता है। डिफ़ॉल्ट सेटिंग 1 है, जो प्रत्येक सत्यापन बैच से पूर्वानुमान लॉग करती है। आप इस मान को किसी भिन्न अंतराल पर पूर्वानुमानों को लॉग करने के लिए समायोजित कर सकते हैं. उदाहरण के लिए, इसे 4 पर सेट करने से हर चौथे बैच से भविष्यवाणियां लॉग हो जाएंगी।

import os

os.environ["COMET_EVAL_BATCH_LOGGING_INTERVAL"] = "4"

भ्रम मैट्रिक्स लॉगिंग को अक्षम करना

कुछ मामलों में, आप प्रत्येक युग के बाद अपने सत्यापन सेट से भ्रम मैट्रिक्स को लॉग इन नहीं करना चाह सकते हैं। आप सेट करके इस सुविधा को अक्षम कर सकते हैं COMET_EVAL_LOG_CONFUSION_MATRIX पर्यावरण चर को "false." प्रशिक्षण पूरा होने के बाद भ्रम मैट्रिक्स केवल एक बार लॉग किया जाएगा।

import os

os.environ["COMET_EVAL_LOG_CONFUSION_MATRIX"] = "false"

ऑफ़लाइन लॉगिंग

यदि आप अपने आप को ऐसी स्थिति में पाते हैं जहां इंटरनेट का उपयोग सीमित है, Comet एमएल एक ऑफ़लाइन लॉगिंग विकल्प प्रदान करता है। आप सेट कर सकते हैं COMET_MODE इस सुविधा को सक्षम करने के लिए "ऑफ़लाइन" के लिए पर्यावरण चर। आपका प्रयोग डेटा स्थानीय रूप से उस निर्देशिका में सहेजा जाएगा जिस पर आप बाद में अपलोड कर सकते हैं Comet एमएल जब इंटरनेट कनेक्टिविटी उपलब्ध है।

import os

os.environ["COMET_MODE"] = "offline"

सारांश

इस गाइड ने आपको एकीकृत करने के माध्यम से चलाया है Comet एमएल के साथ Ultralytics' YOLOv8. स्थापना से अनुकूलन तक, आपने प्रयोग प्रबंधन को सुव्यवस्थित करना, रीयल-टाइम अंतर्दृष्टि प्राप्त करना और लॉगिंग को अपनी परियोजना की आवश्यकताओं के अनुसार अनुकूलित करना सीख लिया है।

पता लगाना Comet के साथ एकीकृत करने पर अधिक अंतर्दृष्टि के लिए एमएल का आधिकारिक दस्तावेज YOLOv8.

इसके अलावा, यदि आप व्यावहारिक अनुप्रयोगों में गहराई से गोता लगाना चाहते हैं YOLOv8, विशेष रूप से छवि विभाजन कार्यों के लिए, इस विस्तृत गाइड पर फ़ाइन-ट्यूनिंग YOLOv8 के साथ Comet एमएल आपके मॉडल के प्रदर्शन को बढ़ाने के लिए मूल्यवान अंतर्दृष्टि और चरण-दर-चरण निर्देश प्रदान करता है।

इसके अतिरिक्त, अन्य रोमांचक एकीकरणों का पता लगाने के लिए Ultralytics, एकीकरण गाइड पृष्ठ देखें, जो संसाधनों और सूचनाओं का खजाना प्रदान करता है।

टिप्पणियाँ