सामग्री पर जाएं

बढ़ाने YOLOv8 प्रयोग ट्रैकिंग और विज़ुअलाइज़ेशन के साथ Weights & Biases

ऑब्जेक्ट डिटेक्शन मॉडल जैसे Ultralytics YOLOv8 कई कंप्यूटर दृष्टि अनुप्रयोगों के अभिन्न अंग बन गए हैं। हालांकि, इन जटिल मॉडलों का प्रशिक्षण, मूल्यांकन और तैनाती कई चुनौतियों का परिचय देती है। प्रमुख प्रशिक्षण मेट्रिक्स को ट्रैक करना, मॉडल वेरिएंट की तुलना करना, मॉडल व्यवहार का विश्लेषण करना और मुद्दों का पता लगाने के लिए पर्याप्त इंस्ट्रूमेंटेशन और प्रयोग प्रबंधन की आवश्यकता होती है।

यह मार्गदर्शिका दिखाती है Ultralytics YOLOv8 के साथ एकीकरण Weights & Biases' बढ़ाया प्रयोग ट्रैकिंग, मॉडल-चेकपॉइंटिंग, और मॉडल प्रदर्शन के दृश्य के लिए। इसमें एकीकरण, प्रशिक्षण, फ़ाइन-ट्यूनिंग स्थापित करने और परिणामों का उपयोग करने के निर्देश भी शामिल हैं Weights & Biases' इंटरैक्टिव सुविधाओं.

Weights & Biases

Weights & Biases विहंगावलोकन

Weights & Biases एक अत्याधुनिक MLOps प्लेटफ़ॉर्म है जिसे मशीन लर्निंग प्रयोगों को ट्रैक करने, विज़ुअलाइज़ करने और प्रबंधित करने के लिए डिज़ाइन किया गया है। इसमें पूर्ण प्रयोग प्रजनन क्षमता के लिए प्रशिक्षण मैट्रिक्स की स्वचालित लॉगिंग, सुव्यवस्थित डेटा विश्लेषण के लिए एक इंटरैक्टिव यूआई और विभिन्न वातावरणों में तैनाती के लिए कुशल मॉडल प्रबंधन उपकरण शामिल हैं।

YOLOv8 के साथ प्रशिक्षण Weights & Biases

आप उपयोग कर सकते हैं Weights & Biases अपने लिए दक्षता और स्वचालन लाने के लिए YOLOv8 प्रशिक्षण प्रक्रिया।

संस्थापन

आवश्यक पैकेज स्थापित करने के लिए, चलाएं:

संस्थापन

# Install the required packages for YOLOv8 and Weights & Biases
pip install --upgrade ultralytics==8.0.186 wandb

स्थापना प्रक्रिया से संबंधित विस्तृत निर्देशों और सर्वोत्तम प्रथाओं के लिए, हमारी जाँच करना सुनिश्चित करें YOLOv8 इंस्टालेशन गाइड। के लिए आवश्यक पैकेज स्थापित करते समय YOLOv8, अगर आपको कोई कठिनाई आती है, तो समाधान और सुझावों के लिए हमारी सामान्य समस्याएं मार्गदर्शिका देखें.

कॉन्फ़िगर Weights & Biases

आवश्यक पैकेज स्थापित करने के बाद, अगला कदम अपना सेट अप करना है Weights & Biases पर्यावरण। इसमें एक Weights & Biases खाता और अपने विकास पर्यावरण और डब्ल्यू एंड बी प्लेटफॉर्म के बीच एक सहज संबंध के लिए आवश्यक एपीआई कुंजी प्राप्त करना।

इनरियंटिज़ करके शुरू करें Weights & Biases आपके कार्यक्षेत्र में वातावरण। आप निम्न आदेश चलाकर और संकेत दिए गए निर्देशों का पालन करके ऐसा कर सकते हैं।

प्रारंभिक SDK सेटअप

# Initialize your Weights & Biases environment
import wandb
wandb.login()

पर नेविगेट करें Weights & Biases अपनी एपीआई कुंजी बनाने और पुनर्प्राप्त करने के लिए प्राधिकरण पृष्ठ। W&B के साथ अपने परिवेश को प्रमाणित करने के लिए इस कुंजी का उपयोग करें.

प्रयोग: प्रशिक्षण YOLOv8 के साथ Weights & Biases

के लिए उपयोग निर्देशों में गोता लगाने से पहले YOLOv8 मॉडल प्रशिक्षण के साथ Weights & Biases, 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।

प्रयोग: प्रशिक्षण YOLOv8 के साथ Weights & Biases

from ultralytics import YOLO
from wandb.integration.ultralytics import add_wandb_callback
import wandb

# Step 1: Initialize a Weights & Biases run
wandb.init(project="ultralytics", job_type="training")

# Step 2: Define the YOLOv8 Model and Dataset
model_name = "yolov8n"
dataset_name = "coco128.yaml"
model = YOLO(f"{model_name}.pt")

# Step 3: Add W&B Callback for Ultralytics
add_wandb_callback(model, enable_model_checkpointing=True)

# Step 4: Train and Fine-Tune the Model
model.train(project="ultralytics", data=dataset_name, epochs=5, imgsz=640)

# Step 5: Validate the Model
model.val()

# Step 6: Perform Inference and Log Results
model(["path/to/image1", "path/to/image2"])

# Step 7: Finalize the W&B Run
wandb.finish()

कोड को समझना

आइए ऊपर उपयोग कोड स्निपेट में दिखाए गए चरणों को समझते हैं।

  • चरण 1: एक प्रारंभ करें Weights & Biases रन: एक प्रारंभ करके प्रारंभ करें Weights & Biases चलाएं, प्रोजेक्ट का नाम और कार्य प्रकार निर्दिष्ट करें। यह रन आपके मॉडल के प्रशिक्षण और सत्यापन प्रक्रियाओं को ट्रैक और प्रबंधित करेगा।

  • चरण 2: परिभाषित करें YOLOv8 मॉडल और डेटासेट: मॉडल संस्करण और वह डेटासेट निर्दिष्ट करें जिसका आप उपयोग करना चाहते हैं। वहीYOLO मॉडल को तब निर्दिष्ट मॉडल फ़ाइल के साथ प्रारंभ किया जाता है।

  • चरण 3: जोड़ें Weights & Biases के लिए कॉलबैक Ultralytics: यह कदम महत्वपूर्ण है क्योंकि यह प्रशिक्षण मेट्रिक्स और सत्यापन परिणामों के स्वचालित लॉगिंग को सक्षम बनाता है Weights & Biases, मॉडल के प्रदर्शन का विस्तृत दृश्य प्रदान करता है।

  • चरण 4: मॉडल को प्रशिक्षित और फ़ाइन-ट्यून करें: निर्दिष्ट डेटासेट, युगों की संख्या और छवि आकार के साथ मॉडल का प्रशिक्षण शुरू करें। प्रशिक्षण प्रक्रिया में प्रत्येक युग के अंत में मैट्रिक्स और भविष्यवाणियों का लॉगिंग शामिल है, जो मॉडल की सीखने की प्रगति का व्यापक दृष्टिकोण पेश करता है।

  • चरण 5: मॉडल को मान्य करें: प्रशिक्षण के बाद, मॉडल मान्य है। यह कदम अनदेखी डेटा पर मॉडल के प्रदर्शन का आकलन करने और इसकी सामान्यता सुनिश्चित करने के लिए महत्वपूर्ण है।

  • चरण 6: अनुमान और लॉग परिणाम करें: मॉडल निर्दिष्ट छवियों पर भविष्यवाणियां करता है। ये भविष्यवाणियां, दृश्य ओवरले और अंतर्दृष्टि के साथ, इंटरैक्टिव अन्वेषण के लिए स्वचालित रूप से W&B तालिका में लॉग इन की जाती हैं।

  • चरण 7: W&B रन को अंतिम रूप दें: यह चरण डेटा लॉगिंग के अंत को चिह्नित करता है और W&B डैशबोर्ड में आपके मॉडल के प्रशिक्षण और सत्यापन प्रक्रिया की अंतिम स्थिति को सहेजता है।

आउटपुट को समझना

ऊपर उपयोग कोड स्निपेट चलाने पर, आप निम्न कुंजी आउटपुट की अपेक्षा कर सकते हैं:

  • अपनी अनूठी आईडी के साथ एक नए रन का सेटअप, प्रशिक्षण प्रक्रिया की शुरुआत का संकेत देता है।
  • मॉडल की संरचना का एक संक्षिप्त सारांश, जिसमें परतों और मापदंडों की संख्या शामिल है।
  • प्रत्येक प्रशिक्षण युग के दौरान बॉक्स हानि, सीएलएस हानि, डीएफएल हानि, सटीक, याद और एमएपी स्कोर जैसे महत्वपूर्ण मैट्रिक्स पर नियमित अपडेट।
  • प्रशिक्षण के अंत में, मॉडल की अनुमान गति और समग्र सटीकता मीट्रिक सहित विस्तृत मीट्रिक प्रदर्शित किए जाते हैं।
  • के लिए लिंक Weights & Biases प्रशिक्षण प्रक्रिया के गहन विश्लेषण और विज़ुअलाइज़ेशन के लिए डैशबोर्ड, स्थानीय लॉग फ़ाइल स्थानों की जानकारी के साथ।

Viewआईएनजी Weights & Biases डैशबोर्ड

उपयोग कोड स्निपेट चलाने के बाद, आप Weights & Biases (डब्ल्यू एंड बी) डैशबोर्ड आउटपुट में दिए गए लिंक के माध्यम से। यह डैशबोर्ड आपके मॉडल की प्रशिक्षण प्रक्रिया का एक व्यापक दृश्य प्रस्तुत करता है YOLOv8.

की मुख्य विशेषताएं Weights & Biases डैशबोर्ड

  • रीयल-टाइम मेट्रिक्स ट्रैकिंग: हानि, सटीकता और सत्यापन स्कोर जैसे मैट्रिक्स का निरीक्षण करें क्योंकि वे प्रशिक्षण के दौरान विकसित होते हैं, मॉडल ट्यूनिंग के लिए तत्काल अंतर्दृष्टि प्रदान करते हैं।

  • हाइपरपैरामीटर अनुकूलन: Weights & Biases सीखने की दर, बैच आकार, और अधिक जैसे महत्वपूर्ण मापदंडों को ठीक करने में सहायता, के प्रदर्शन को बढ़ाने YOLOv8.

  • तुलनात्मक विश्लेषण: प्लेटफ़ॉर्म विभिन्न प्रशिक्षण रनों की साइड-बाय-साइड तुलना की अनुमति देता है, जो विभिन्न मॉडल कॉन्फ़िगरेशन के प्रभाव का आकलन करने के लिए आवश्यक है।

  • प्रशिक्षण प्रगति का विज़ुअलाइज़ेशन: प्रमुख मीट्रिक के चित्रमय प्रतिनिधित्व युगों में मॉडल के प्रदर्शन की सहज समझ प्रदान करते हैं।

  • संसाधन निगरानी: प्रशिक्षण प्रक्रिया की दक्षता को अनुकूलित करने के लिए सीपीयू, जीपीयू और मेमोरी उपयोग पर नज़र रखें।

  • मॉडल कलाकृतियों का प्रबंधन: मॉडल चौकियों तक पहुंचें और साझा करें, आसान तैनाती और सहयोग की सुविधा प्रदान करें।

  • छवि ओवरले के साथ अनुमान परिणाम देखना: में इंटरैक्टिव ओवरले का उपयोग करके छवियों पर पूर्वानुमान परिणामों की कल्पना करेंWeights & Biases, वास्तविक दुनिया के डेटा पर मॉडल प्रदर्शन का एक स्पष्ट और विस्तृत दृश्य प्रदान करना। अधिक विस्तृत जानकारी के लिए Weights & Biases' छवि ओवरले क्षमताओं, बाहर की जाँच करें इस लिंक.

इन सुविधाओं का उपयोग करके, आप अपने को प्रभावी ढंग से ट्रैक, विश्लेषण और अनुकूलित कर सकते हैं YOLOv8 मॉडल का प्रशिक्षण, सर्वोत्तम संभव प्रदर्शन और दक्षता सुनिश्चित करना।

सारांश

इस गाइड ने आपको एक्सप्लोर करने में मदद की Ultralytics' YOLOv8 के साथ एकीकरण Weights & Biases. यह मॉडल प्रशिक्षण और भविष्यवाणी परिणामों को कुशलतापूर्वक ट्रैक और कल्पना करने के लिए इस एकीकरण की क्षमता को दिखाता है।

उपयोग के बारे में अधिक जानकारी के लिए, देखें Weights & Biases' आधिकारिक दस्तावेज

इसके अलावा, चेक आउट करना सुनिश्चित करें Ultralytics एकीकरण गाइड पृष्ठ, विभिन्न रोमांचक एकीकरणों के बारे में अधिक जानने के लिए।



2023-12-28 बनाया गया, अपडेट किया गया 2024-01-15
लेखक: ग्लेन-जोचर (3), अबिरामी-वीना (1)

टिप्पणियाँ