Migliora YOLO11 : semplifica il processo di registrazione con Comet

La registrazione dei dettagli chiave dell'addestramento, come parametri, metriche, previsioni delle immagini e checkpoint del modello, è essenziale nel machine learning: mantiene il tuo progetto trasparente, i tuoi progressi misurabili e i tuoi risultati ripetibili.

Guarda: Come utilizzare Comet i log e le metriche di addestramentoYOLO Ultralytics 🚀

Ultralytics YOLO11 si integra perfettamente con Comet precedentemente Comet ), acquisendo e ottimizzando in modo efficiente ogni aspetto del processo di addestramento del modellodi rilevamento oggetti YOLO11 . In questa guida tratteremo il processo di installazione, Comet , le informazioni in tempo reale, la registrazione personalizzata e l'utilizzo offline, assicurando che YOLO11 sia documentato in modo completo e ottimizzato per ottenere risultati eccezionali.

Comet

Comet è una piattaforma per tracciare, confrontare, spiegare e ottimizzare modelli e esperimenti di machine learning. Consente di registrare metriche, parametri, media e altro durante l'addestramento dei modelli e di monitorare gli esperimenti attraverso un'interfaccia web esteticamente gradevole. Comet i data scientist a iterare più rapidamente, migliora la trasparenza e la riproducibilità e facilita lo sviluppo di modelli di produzione.

Sfruttare la potenza di YOLO11 Comet

Combinando Ultralytics YOLO11 Comet, potrai usufruire di una serie di vantaggi. Tra questi figurano una gestione semplificata degli esperimenti, approfondimenti in tempo reale per adeguamenti rapidi, opzioni di registrazione flessibili e personalizzate e la possibilità di registrare gli esperimenti offline quando l'accesso a Internet è limitato. Questa integrazione ti consente di prendere decisioni basate sui dati, analizzare le metriche delle prestazioni e ottenere risultati eccezionali.

Installazione

Per installare i pacchetti richiesti, esegui:

# Install the required packages for YOLO11 and Comet
pip install ultralytics comet_ml torch torchvision

Configurazione Comet

Dopo aver installato i pacchetti richiesti, dovrai registrarti, ottenere una Comet API Key e configurarla.

# Set your Comet API Key
export COMET_API_KEY=YOUR_API_KEY

Quindi, puoi inizializzare il tuo progetto Comet. Comet rileverà automaticamente la chiave API e procederà con la configurazione.

import comet_ml

comet_ml.login(project_name="comet-example-yolo11-coco128")

Se si utilizza un notebook di Google Colab, il codice qui sopra richiederà di inserire la chiave API per l'inizializzazione.

Utilizzo

Prima di immergerti nelle istruzioni per l'uso, assicurati di controllare la gamma di modelli YOLO11 offerti da Ultralytics. Questo ti aiuterà a scegliere il modello più appropriato per le esigenze del tuo progetto.

from ultralytics import YOLO

# Load a model
model = YOLO("yolo11n.pt")

# Train the model
results = model.train(
    data="coco8.yaml",
    project="comet-example-yolo11-coco128",
    batch=32,
    save_period=1,
    save_json=True,
    epochs=3,
)

Dopo aver eseguito il codice di addestramento, Comet un esperimento nel tuo Comet per track automaticamente track . Ti verrà quindi fornito un link per visualizzare la registrazione dettagliata del processo di addestramentoYOLO11 tuo YOLO11 .

Comet registra automaticamente i seguenti dati senza alcuna configurazione aggiuntiva: metriche come mAP e loss, iperparametri, checkpoint del modello, matrice di confusione interattiva e previsioni di bounding box delle immagini.

Comprendere le prestazioni del proprio modello con Comet

Vediamo cosa vedrai sulla Comet una volta che YOLO11 tuo YOLO11 avrà iniziato l'addestramento. La dashboard è il luogo in cui si svolge tutta l'azione e presenta una serie di informazioni registrate automaticamente attraverso immagini e statistiche. Ecco una breve panoramica:

Pannelli degli esperimenti

La sezione dei pannelli sperimentali della Comet organizza e presenta le diverse esecuzioni e le relative metriche, quali perdita segment , perdita di classe, precisione e precisione media.

Metriche

Nella sezione delle metriche, hai anche la possibilità di esaminare le metriche in formato tabellare, visualizzate in un pannello dedicato come illustrato qui.

Matrice di Confusione interattiva

La matrice di confusione, che si trova nella scheda Matrice di confusione, offre un modo interattivo per valutare l'accuratezza della classificazione del modello. Fornisce dettagli sulle previsioni corrette e errate, consentendo di comprendere i punti di forza e di debolezza del modello.

Metriche di sistema

Comet le metriche di sistema per aiutare a identificare eventuali colli di bottiglia nel processo di addestramento. Include metriche quali GPU , l'utilizzo GPU , CPU e l'utilizzo della RAM. Queste sono essenziali per monitorare l'efficienza dell'utilizzo delle risorse durante l'addestramento del modello.

Personalizzazione Comet

Comet la flessibilità di personalizzare il proprio comportamento di registrazione impostando variabili di ambiente. Queste configurazioni consentono di adattare Comet proprie esigenze e preferenze specifiche. Ecco alcune utili opzioni di personalizzazione:

Registrazione delle previsioni delle immagini

È possibile controllare il numero di previsioni di immagini che Comet durante gli esperimenti. Per impostazione predefinita, Comet 100 previsioni di immagini dal set di convalida. Tuttavia, è possibile modificare questo numero per adattarlo meglio alle proprie esigenze. Ad esempio, per registrare 200 previsioni di immagini, utilizzare il codice seguente:

import os

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

Intervallo di logging del batch

Comet di specificare la frequenza con cui vengono registrati i batch di previsioni delle immagini. Il COMET_EVAL_BATCH_LOGGING_INTERVAL variabile d'ambiente controlla questa frequenza. L'impostazione predefinita è 1, che registra le previsioni da ogni batch di convalida. Puoi modificare questo valore per registrare le previsioni a un intervallo diverso. Ad esempio, impostandolo su 4 verranno registrate le previsioni da ogni quarto batch.

import os

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

Disabilitazione della registrazione della matrice di confusione

In alcuni casi, potresti non voler registrare la matrice di confusione dal tuo set di validazione dopo ogni epoca. Puoi disabilitare questa funzionalità impostando il COMET_EVAL_LOG_CONFUSION_MATRIX variabile d'ambiente su "false"." La matrice di confusione verrà registrata solo una volta, al termine del training.

import os

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

Registrazione offline

Se ti trovi in una situazione in cui l'accesso a Internet è limitato, Comet un'opzione di registrazione offline. Puoi impostare il COMET_MODE variabile di ambiente su "offline" per abilitare questa funzione. I dati dell'esperimento verranno salvati localmente in una directory che potrai successivamente caricare su Comet sarà disponibile una connessione Internet.

import os

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

Riepilogo

Questa guida ti ha illustrato come integrare Comet YOLO11 Ultralytics. Dall'installazione alla personalizzazione, hai imparato a semplificare la gestione degli esperimenti, ottenere informazioni in tempo reale e adattare la registrazione alle esigenze del tuo progetto.

Esplora la documentazione ufficialeComet YOLOv8 , che si applica anche ai YOLO11 .

Inoltre, se desideri approfondire le applicazioni pratiche di YOLO11, in particolare per le attività di segmentazione delle immagini, questa guida dettagliata sulla messa a punto YOLO11 Comet offre preziose informazioni e istruzioni dettagliate per migliorare le prestazioni del tuo modello.

Inoltre, per esplorare altre entusiasmanti integrazioni con Ultralytics, consulta la pagina della guida all'integrazione, che offre una vasta gamma di risorse e informazioni.

FAQ

Come posso integrare Comet Ultralytics YOLO11 la formazione?

Per integrare Comet Ultralytics YOLO11, procedi come segue:

1. Installa i pacchetti necessari:

   pip install ultralytics comet_ml torch torchvision
   

2. Configura la tua chiave API Comet:

   export COMET_API_KEY=YOUR_API_KEY
   

3. Inizializza il tuo progetto Comet nel tuo codice Python:

   import comet_ml
   
   comet_ml.login(project_name="comet-example-yolo11-coco128")
   

4. Addestra il tuo modello YOLO11 e registra le metriche:

   from ultralytics import YOLO
   
   model = YOLO("yolo11n.pt")
   results = model.train(
       data="coco8.yaml",
       project="comet-example-yolo11-coco128",
       batch=32,
       save_period=1,
       save_json=True,
       epochs=3,
   )
   

Per istruzioni più dettagliate, consultare la sezione relativa Comet .

Quali sono i vantaggi dell'utilizzo Comet YOLO11?

Integrando Ultralytics YOLO11 Comet, è possibile:

• Monitorare gli insight in tempo reale: Ottieni feedback immediato sui risultati del tuo addestramento, consentendo rapidi aggiustamenti.
• Registra metriche estensive: Acquisisci automaticamente metriche essenziali come mAP, loss, iperparametri e checkpoint del modello.
• Traccia gli esperimenti offline: Registra le tue esecuzioni di addestramento localmente quando l'accesso a Internet non è disponibile.
• Confronta diverse sessioni di addestramento: utilizza il Comet interattivo Comet per analizzare e confrontare più esperimenti.

Sfruttando queste funzionalità, è possibile ottimizzare i flussi di lavoro di machine learning per ottenere prestazioni e riproducibilità migliori. Per ulteriori informazioni, consultare la guidaComet .

Come posso personalizzare il comportamento di registrazione di Comet YOLO11 ?

Comet un'ampia personalizzazione del proprio comportamento di registrazione utilizzando variabili di ambiente:

• Modifica il numero di previsioni di immagini registrate:

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

• Regola l'intervallo di registrazione batch:

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

• Disabilita la registrazione della matrice di confusione:

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

Per ulteriori opzioni di personalizzazione, consultare la sezione Personalizzazione Comet .

Come posso visualizzare metriche dettagliate e visualizzazioni del mio YOLO11 su Comet?

Una volta avviato l'addestramento YOLO11 , è possibile accedere a un'ampia gamma di metriche e visualizzazioni sulla Comet . Le caratteristiche principali includono:

• Pannelli degli Esperimenti: Visualizza diverse esecuzioni e le loro metriche, tra cui la perdita della maschera di segment, la perdita di classe e la precisione media.
• Metriche: Esamina le metriche in formato tabellare per un'analisi dettagliata.
• Matrice di Confusione Interattiva: Valuta l'accuratezza della classificazione con una matrice di confusione interattiva.
• Metriche di sistema: Monitora l'utilizzo di GPU e CPU, l'utilizzo della memoria e altre metriche di sistema.

Per una panoramica dettagliata di queste funzionalità, visita la sezione Comprendere le prestazioni del tuo modello con Comet .

Posso usare Comet la registrazione offline durante l'addestramento YOLO11 ?

Sì, è possibile abilitare la registrazione offline in Comet il parametro COMET_MODE variabile d'ambiente su "offline":

import os

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

Questa funzione consente di registrare i dati dell'esperimento in locale, che potranno poi essere caricati su Comet sarà disponibile una connessione Internet. Ciò è particolarmente utile quando si lavora in ambienti con accesso limitato a Internet. Per ulteriori dettagli, consultare la sezione Registrazione offline.

📅 Creato 2 anni fa ✏️ Aggiornato 18 giorni fa

Commenti