Roboflow डेटासेट

अब आप उपयोग कर सकते हैं Roboflow प्रशिक्षण के लिए अपने डेटासेट को व्यवस्थित, लेबल, तैयार, संस्करण और होस्ट करने के लिए YOLOv5 🚀 मॉडल। Roboflow के साथ उपयोग करने के लिए स्वतंत्र है YOLOv5 यदि आप अपने कार्यक्षेत्र को सार्वजनिक करते हैं।

अपलोड

आप अपना डेटा अपलोड कर सकते हैं Roboflow द्वारे web UI, REST API, किंवाPython.

लेबल

डेटा अपलोड करने के बाद Roboflow, आप अपने डेटा को लेबल कर सकते हैं और पिछले लेबल की समीक्षा कर सकते हैं.

वर्जनिंग

आप विभिन्न प्रीप्रोसेसिंग और ऑफ़लाइन वृद्धि विकल्पों के साथ अपने डेटासेट के संस्करण बना सकते हैं। YOLOv5 मूल रूप से ऑनलाइन वृद्धि करता है, इसलिए लेयरिंग करते समय जानबूझकर रहें Roboflowशीर्ष पर ऑफ़लाइन वृद्धि।

डेटा निर्यात करना

आप अपना डेटा डाउनलोड कर सकते हैं YOLOv5 जल्दी से प्रशिक्षण शुरू करने के लिए प्रारूप।

from roboflow import Roboflow
rf = Roboflow(api_key="YOUR API KEY HERE")
project = rf.workspace().project("YOUR PROJECT")
dataset = project.version("YOUR VERSION").download("yolov5")

कस्टम प्रशिक्षण

हमने उपरोक्त सभी क्षमताओं का प्रदर्शन करते हुए एक कस्टम प्रशिक्षण ट्यूटोरियल जारी किया है। आप यहां कोड का उपयोग कर सकते हैं:

सक्रिय शिक्षण

वास्तविक दुनिया गड़बड़ है और आपका मॉडल हमेशा उन स्थितियों का सामना करेगा जिनका आपके डेटासेट ने अनुमान नहीं लगाया था। सक्रिय शिक्षण का उपयोग करना आपके डेटासेट और मॉडल को पुनरावृत्त रूप से बेहतर बनाने के लिए एक महत्वपूर्ण रणनीति है। के साथ Roboflow और YOLOv5 एकीकरण, आप युद्ध परीक्षण मशीन लर्निंग पाइपलाइन का उपयोग करके अपने मॉडल परिनियोजन में जल्दी से सुधार कर सकते हैं।

समर्थित वातावरण

Ultralytics उपयोग के लिए तैयार वातावरण की एक श्रृंखला प्रदान करता है, प्रत्येक आवश्यक निर्भरताओं के साथ पूर्व-स्थापित होता है जैसे कि CUDA, सीयूडीएनएन, Pythonऔर PyTorch, अपनी परियोजनाओं को किकस्टार्ट करने के लिए।

• उचित GPU नोटबुक:
• Google बादल: जीसीपी क्विकस्टार्ट गाइड
• Amazon: AWS क्विकस्टार्ट गाइड
• Azure: AzureML क्विकस्टार्ट गाइड
• बंदरगाह-मज़दूर: डॉकर क्विकस्टार्ट गाइड

परियोजना की स्थिति

यह बैज इंगित करता है कि सभी YOLOv5 GitHub क्रियाएँ सतत एकीकरण (CI) परीक्षण सफलतापूर्वक पास हो रहे हैं। ये सीआई परीक्षण सख्ती से कार्यक्षमता और प्रदर्शन की जांच करते हैं YOLOv5 विभिन्न प्रमुख पहलुओं के पार: प्रशिक्षण, सत्यापन, अनुमान, निर्यात और बेंचमार्क। वे macOS, Windows और Ubuntu पर लगातार और विश्वसनीय संचालन सुनिश्चित करते हैं, हर 24 घंटे में और प्रत्येक नई प्रतिबद्धता पर परीक्षण किए जाते हैं।

अक्सर पूछे जाने वाले प्रश्न

मैं इस पर डेटा कैसे अपलोड करूं Roboflow प्रशिक्षण के लिए YOLOv5 मॉडल?

आप अपना डेटा इस पते पर अपलोड कर सकते हैं Roboflow तीन अलग-अलग तरीकों का उपयोग करना: वेबसाइट के माध्यम से, आरईएसटी एपीआई, या के माध्यम से Python. ये विकल्प आपकी तकनीकी पसंद या परियोजना आवश्यकताओं के आधार पर लचीलापन प्रदान करते हैं। एक बार आपका डेटा अपलोड हो जाने के बाद, आप प्रशिक्षण की तैयारी के लिए इसे व्यवस्थित, लेबल और संस्करण कर सकते हैं Ultralytics YOLOv5 मॉडल। अधिक जानकारी के लिए, दस्तावेज़ के अपलोड अनुभाग पर जाएं।

उपयोग करने के क्या फायदे हैं Roboflow डेटा लेबलिंग और वर्जनिंग के लिए?

Roboflow डेटा संगठन, लेबलिंग और संस्करण के लिए एक व्यापक मंच प्रदान करता है जो कुशल मशीन लर्निंग वर्कफ़्लोज़ के लिए आवश्यक है। का उपयोग करके Roboflow के साथ YOLOv5, आप डेटासेट तैयार करने की प्रक्रिया को सुव्यवस्थित कर सकते हैं, यह सुनिश्चित करते हुए कि आपका डेटा सटीक रूप से एनोटेट किया गया है और लगातार संस्करण किया गया है। प्लेटफ़ॉर्म आपके डेटासेट की गुणवत्ता बढ़ाने के लिए विभिन्न प्रीप्रोसेसिंग और ऑफ़लाइन वृद्धि विकल्पों का भी समर्थन करता है। इन सुविधाओं में गहराई से गोता लगाने के लिए, दस्तावेज़ीकरण के लेबलिंग और वर्ज़निंग अनुभाग देखें।

मैं अपने डेटासेट को कैसे निर्यात कर सकता हूं Roboflow तक YOLOv5 प्रारूप?

अपने डेटासेट को यहां से निर्यात करना Roboflow तक YOLOv5 प्रारूप सीधा है। आप का उपयोग कर सकते हैं Python दस्तावेज़ में दिए गए कोड स्निपेट:

from roboflow import Roboflow

rf = Roboflow(api_key="YOUR API KEY HERE")
project = rf.workspace().project("YOUR PROJECT")
dataset = project.version("YOUR VERSION").download("yolov5")

यह कोड आपके डेटासेट को संगत प्रारूप में डाउनलोड करेगा YOLOv5, जिससे आप जल्दी से अपने मॉडल को प्रशिक्षित करना शुरू कर सकते हैं। अधिक विवरण के लिए, निर्यात डेटा अनुभाग देखें.

सक्रिय शिक्षण क्या है और यह कैसे काम करता है YOLOv5 और Roboflow?

सक्रिय शिक्षण एक मशीन सीखने की रणनीति है जो लेबल के लिए सबसे अधिक जानकारीपूर्ण डेटा बिंदुओं का बुद्धिमानी से चयन करके एक मॉडल को पुनरावृत्त रूप से सुधारती है। के साथ Roboflow और YOLOv5 एकीकरण, आप अपने मॉडल के प्रदर्शन को लगातार बढ़ाने के लिए सक्रिय शिक्षण को लागू कर सकते हैं। इसमें एक मॉडल को तैनात करना, नए डेटा को कैप्चर करना, भविष्यवाणियां करने के लिए मॉडल का उपयोग करना और फिर मॉडल को आगे प्रशिक्षित करने के लिए उन भविष्यवाणियों को मैन्युअल रूप से सत्यापित या सही करना शामिल है। सक्रिय शिक्षण के बारे में अधिक जानकारी के लिए, ऊपर सक्रिय शिक्षण अनुभाग देखें.

मैं कैसे उपयोग कर सकता हूं Ultralytics प्रशिक्षण के लिए वातावरण YOLOv5 विभिन्न प्लेटफार्मों पर मॉडल?

Ultralytics पूर्व-स्थापित निर्भरताओं के साथ उपयोग के लिए तैयार वातावरण प्रदान करता है जैसे CUDA, सीयूडीएनएन, Pythonऔर PyTorch, जिससे आपकी प्रशिक्षण परियोजनाओं को किकस्टार्ट करना आसान हो जाता है। ये वातावरण विभिन्न प्लेटफार्मों पर उपलब्ध हैं जैसे कि Google क्लाउड, AWS, Azure और डॉकर। आप मुफ्त में भी एक्सेस कर सकते हैं GPU के माध्यम से नोटबुक Paperspace, Google कोलाब, और कागल। विशिष्ट सेटअप निर्देशों के लिए, दस्तावेज़ के समर्थित परिवेश अनुभाग पर जाएँ.

टिप्पणियाँ