कॉलबैक

कॉलबैक

Ultralytics फ्रेमवर्क ट्रेन, वैल, निर्यात और भविष्यवाणी मोड के रणनीतिक चरणों में प्रवेश बिंदुओं के रूप में कॉलबैक का समर्थन करता है। प्रत्येक कॉलबैक एक स्वीकार करता है Trainer, Validatorनहीं तो Predictor ऑपरेशन प्रकार के आधार पर ऑब्जेक्ट। इन वस्तुओं के सभी गुण डॉक्स के संदर्भ अनुभाग में पाए जा सकते हैं।

सतर्कता: माहिर Ultralytics YOLOv8: कॉलबैक

उदाहरण

भविष्यवाणी के साथ अतिरिक्त जानकारी लौटाना

इस उदाहरण में, हम प्रत्येक परिणाम ऑब्जेक्ट के साथ मूल फ्रेम वापस करना चाहते हैं। यहां बताया गया है कि हम ऐसा कैसे कर सकते हैं

from ultralytics import YOLO


def on_predict_batch_end(predictor):
    """Handle prediction batch end by combining results with corresponding frames; modifies predictor results."""
    _, image, _, _ = predictor.batch

    # Ensure that image is a list
    image = image if isinstance(image, list) else [image]

    # Combine the prediction results with the corresponding frames
    predictor.results = zip(predictor.results, image)


# Create a YOLO model instance
model = YOLO("yolov8n.pt")

# Add the custom callback to the model
model.add_callback("on_predict_batch_end", on_predict_batch_end)

# Iterate through the results and frames
for result, frame in model.predict():  # or model.track()
    pass

सभी कॉलबैक

यहां सभी समर्थित कॉलबैक हैं। अतिरिक्त विवरण के लिए कॉलबैक स्रोत कोड देखें।

ट्रेनर कॉलबैक

सत्यापनकर्ता कॉलबैक

प्रेडिक्टर कॉलबैक

निर्यातक कॉलबैक

अक्सर पूछे जाने वाले प्रश्न

क्या हैं Ultralytics कॉलबैक और मैं उनका उपयोग कैसे कर सकता हूं?

Ultralytics कॉलबैक प्रशिक्षण, सत्यापन, निर्यात और भविष्यवाणी जैसे मॉडल संचालन के प्रमुख चरणों के दौरान ट्रिगर किए गए विशेष प्रवेश बिंदु हैं। ये कॉलबैक प्रक्रिया में विशिष्ट बिंदुओं पर कस्टम कार्यक्षमता की अनुमति देते हैं, वर्कफ़्लो में एन्हांसमेंट और संशोधन सक्षम करते हैं। प्रत्येक कॉलबैक एक स्वीकार करता है Trainer, Validatorनहीं तो Predictor ऑब्जेक्ट, ऑपरेशन प्रकार के आधार पर। इन वस्तुओं के विस्तृत गुणों के लिए, देखें संदर्भ अनुभाग.

कॉलबैक का उपयोग करने के लिए, आप एक फ़ंक्शन को परिभाषित कर सकते हैं और फिर इसे मॉडल में जोड़ सकते हैं add_callback विधि। पूर्वानुमान के दौरान अतिरिक्त जानकारी वापस करने का तरीका यहां दिया गया है:

from ultralytics import YOLO


def on_predict_batch_end(predictor):
    """Handle prediction batch end by combining results with corresponding frames; modifies predictor results."""
    _, image, _, _ = predictor.batch
    image = image if isinstance(image, list) else [image]
    predictor.results = zip(predictor.results, image)


model = YOLO("yolov8n.pt")
model.add_callback("on_predict_batch_end", on_predict_batch_end)
for result, frame in model.predict():
    pass

मैं कैसे अनुकूलित कर सकता हूं Ultralytics कॉलबैक का उपयोग करके प्रशिक्षण दिनचर्या?

अपने को अनुकूलित करने के लिए Ultralytics कॉलबैक का उपयोग करके प्रशिक्षण दिनचर्या, आप प्रशिक्षण प्रक्रिया के विशिष्ट चरणों में अपने तर्क को इंजेक्ट कर सकते हैं। Ultralytics YOLO विभिन्न प्रकार के प्रशिक्षण कॉलबैक प्रदान करता है जैसे कि on_train_start, on_train_endऔर on_train_batch_end. ये आपको कस्टम मेट्रिक्स, प्रोसेसिंग या लॉगिंग जोड़ने की अनुमति देते हैं।

यहां प्रत्येक प्रशिक्षण युग के अंत में अतिरिक्त मीट्रिक लॉग करने का एक उदाहरण दिया गया है:

from ultralytics import YOLO


def on_train_epoch_end(trainer):
    """Custom logic for additional metrics logging at the end of each training epoch."""
    additional_metric = compute_additional_metric(trainer)
    trainer.log({"additional_metric": additional_metric})


model = YOLO("yolov8n.pt")
model.add_callback("on_train_epoch_end", on_train_epoch_end)
model.train(data="coco.yaml", epochs=10)

प्रशिक्षण कॉलबैक का प्रभावी ढंग से उपयोग करने के तरीके के बारे में अधिक जानकारी के लिए प्रशिक्षण मार्गदर्शिका देखें।

मुझे सत्यापन के दौरान कॉलबैक का उपयोग क्यों करना चाहिए Ultralytics YOLO?

का उपयोग करके सत्यापन के दौरान कॉलबैक में Ultralytics YOLO कस्टम प्रोसेसिंग, लॉगिंग या मेट्रिक्स गणना की अनुमति देकर मॉडल मूल्यांकन बढ़ा सकते हैं। कॉलबैक जैसे on_val_start, on_val_batch_endऔर on_val_end कस्टम तर्क इंजेक्ट करने के लिए प्रवेश बिंदु प्रदान करें, विस्तृत और व्यापक सत्यापन प्रक्रियाओं को सुनिश्चित करें।

उदाहरण के लिए, हो सकता है कि आप अतिरिक्त सत्यापन मीट्रिक लॉग करना चाहें या आगे के विश्लेषण के लिए मध्यवर्ती परिणामों को सहेजना चाहें. सत्यापन के अंत में कस्टम मीट्रिक लॉग करने का तरीका यहां दिया गया है:

from ultralytics import YOLO


def on_val_end(validator):
    """Log custom metrics at end of validation."""
    custom_metric = compute_custom_metric(validator)
    validator.log({"custom_metric": custom_metric})


model = YOLO("yolov8n.pt")
model.add_callback("on_val_end", on_val_end)
model.val(data="coco.yaml")

अपनी सत्यापन प्रक्रिया में कॉलबैक को शामिल करने के बारे में अधिक जानकारी के लिए सत्यापन मार्गदर्शिका देखें।

मैं पूर्वानुमान मोड के लिए एक कस्टम कॉलबैक कैसे संलग्न करूं Ultralytics YOLO?

के लिए एक कस्टम कॉलबैक संलग्न करने के लिए भविष्यवाणी मोड में Ultralytics YOLO, आप एक कॉलबैक फ़ंक्शन को परिभाषित करते हैं और इसे भविष्यवाणी प्रक्रिया के साथ पंजीकृत करते हैं। सामान्य भविष्यवाणी कॉलबैक में शामिल हैं on_predict_start, on_predict_batch_endऔर on_predict_end. ये भविष्यवाणी आउटपुट के संशोधन और डेटा लॉगिंग या परिणाम परिवर्तन जैसी अतिरिक्त कार्यक्षमताओं के एकीकरण की अनुमति देते हैं।

यहां एक उदाहरण दिया गया है जहां पूर्वानुमान लॉग करने के लिए कस्टम कॉलबैक का उपयोग किया जाता है:

from ultralytics import YOLO


def on_predict_end(predictor):
    """Log predictions at the end of prediction."""
    for result in predictor.results:
        log_prediction(result)


model = YOLO("yolov8n.pt")
model.add_callback("on_predict_end", on_predict_end)
results = model.predict(source="image.jpg")

अधिक व्यापक उपयोग के लिए, भविष्यवाणी गाइड देखें जिसमें विस्तृत निर्देश और अतिरिक्त अनुकूलन विकल्प शामिल हैं।

कॉलबैक का उपयोग करने के कुछ व्यावहारिक उदाहरण क्या हैं Ultralytics YOLO?

Ultralytics YOLO प्रशिक्षण, सत्यापन और भविष्यवाणी जैसे विभिन्न चरणों को बढ़ाने और अनुकूलित करने के लिए कॉलबैक के विभिन्न व्यावहारिक कार्यान्वयन का समर्थन करता है। कुछ व्यावहारिक उदाहरणों में शामिल हैं:

1. लॉगिंग कस्टम मीट्रिक: विभिन्न चरणों में अतिरिक्त मीट्रिक लॉग करें, जैसे प्रशिक्षण का अंत या सत्यापन युग।
2. डेटा वृद्धि: भविष्यवाणी या प्रशिक्षण बैचों के दौरान कस्टम डेटा परिवर्तन या वृद्धि लागू करें।
3. मध्यवर्ती परिणाम: आगे के विश्लेषण या विज़ुअलाइज़ेशन के लिए भविष्यवाणियों या फ़्रेमों जैसे मध्यवर्ती परिणामों को सहेजें।

उदाहरण: फ़्रेम को पूर्वानुमान परिणामों के साथ संयोजित करना on_predict_batch_end:

from ultralytics import YOLO


def on_predict_batch_end(predictor):
    """Combine prediction results with frames."""
    _, image, _, _ = predictor.batch
    image = image if isinstance(image, list) else [image]
    predictor.results = zip(predictor.results, image)


model = YOLO("yolov8n.pt")
model.add_callback("on_predict_batch_end", on_predict_batch_end)
for result, frame in model.predict():
    pass

अधिक विकल्प और उदाहरण खोजने के लिए पूर्ण कॉलबैक संदर्भ का अन्वेषण करें।

टिप्पणियाँ