YOLOv5 🚀 AzureML पर

यह मार्गदर्शिका उपयोग करने के लिए एक क्विकस्टार्ट प्रदान करती है YOLOv5 एक AzureML गणना उदाहरण से।

ध्यान दें कि यह मार्गदर्शिका त्वरित परीक्षणों के लिए एक क्विकस्टार्ट है। यदि आप पूर्ण शक्ति AzureML अनलॉक करना चाहते हैं, तो आप इसके लिए दस्तावेज़ीकरण पा सकते हैं:

• डेटा एसेट बनाना
• एक AzureML कार्य बनाएँ
• एक मॉडल पंजीकृत करें

आवश्यकताएँ

आपको एक AzureML कार्यक्षेत्र की आवश्यकता 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 खोलें

अब नोटबुक दृश्य से, एक टर्मिनल खोलें और अपनी गणना चुनें।

सेटअप करें और चलाएं YOLOv5

अब आप कर सकते हैं, एक आभासी वातावरण बनाएँ:

conda create --name yolov5env -y
conda activate yolov5env
conda install pip -y

क्लोन YOLOv5 अपने सबमॉड्यूल के साथ भंडार:

git clone https://github.com/ultralytics/yolov5
cd yolov5
git submodule update --init --recursive # Note that you might have a message asking you to add your folder as a safe.directory just copy the recommended command

आवश्यक निर्भरताएँ स्थापित करें:

pip install -r yolov5/requirements.txt
pip install onnx>=1.10.0

ट्रेन YOLOv5 को गढ़ना:

python train.py

प्रेसिजन, रिकॉल और एमएपी के लिए मॉडल को मान्य करें

python val.py --weights yolov5s.pt

छवियों और वीडियो पर अनुमान चलाएं:

python detect.py --weights yolov5s.pt --source path/to/images

अन्य प्रारूपों में मॉडल निर्यात करें:

python detect.py --weights yolov5s.pt --source path/to/images

किसी नोटबुक का उपयोग करने पर नोट्स

ध्यान दें कि यदि आप इन आदेशों को नोटबुक से चलाना चाहते हैं, तो आपको एक नया कर्नेल बनाने और अपनी नोटबुक के शीर्ष पर अपने नए कर्नेल का चयन करने की आवश्यकता है।

अगर आप Python यह स्वचालित रूप से आपके कस्टम परिवेश का उपयोग करेगा, लेकिन यदि आप bash कोशिकाओं, आपको चलाने की आवश्यकता होगी source activate <your-env> इनमें से प्रत्येक सेल पर यह सुनिश्चित करने के लिए कि यह आपके कस्टम वातावरण का उपयोग करता है।

उदाहरण के लिए:

%%bash
source activate newenv
python val.py --weights yolov5s.pt

टिप्पणियाँ