Inizia

Semplifica l'addestramento dei modelli YOLO26 con Paperspace Gradient

Addestrare modelli di computer vision come YOLO26 può essere complicato. Il processo comporta la gestione di grandi dataset, l'uso di diversi tipi di hardware, come GPU, TPU e CPU, e la necessità di garantire un flusso regolare dei dati durante l'addestramento. Spesso gli sviluppatori trascorrono molto tempo a gestire sistemi e ambienti informatici invece di sviluppare modelli.

Paperspace Gradient semplifica tutto questo. È una piattaforma MLOps che ti permette di creare, addestrare e distribuire modelli di machine learning in un unico posto. Con Gradient, gli sviluppatori possono concentrarsi sull'addestramento dei modelli YOLO26 senza gestire infrastruttura e ambienti.

Paperspace#

Paperspace GPU cloud computing for ML training

Paperspace, lanciata nel 2014 da laureati dell'Università del Michigan e acquisita da DigitalOcean nel 2023, è una piattaforma cloud progettata specificamente per il machine learning. Offre agli utenti GPU, notebook Jupyter collaborativi, un servizio container per le distribuzioni, flussi di lavoro automatizzati per le attività di machine learning e macchine virtuali ad alte prestazioni. Queste funzionalità mirano a semplificare l'intero processo di sviluppo del machine learning, dalla scrittura del codice alla distribuzione.

Paperspace Gradient#

Paperspace Gradient cloud ML platform

Paperspace Gradient è una suite di strumenti progettata per rendere più rapido e semplice il lavoro con AI e machine learning nel cloud. Gradient copre l'intero ciclo di vita del machine learning, dalla creazione e dall'addestramento dei modelli fino alla loro distribuzione.

Il toolkit include un supporto completo per notebook Jupyter e container, oltre a nuove integrazioni con linguaggi di programmazione. Queste integrazioni consentono agli utenti di adattare i progetti Python esistenti per eseguirli su infrastrutture GPU moderne.

Addestrare YOLO26 con Paperspace Gradient#

Paperspace Gradient consente di addestrare un modello YOLO26 con pochi clic. Grazie all'integrazione, puoi accedere alla console Paperspace e iniziare subito ad addestrare il modello. Per comprendere nel dettaglio il processo di addestramento e le migliori pratiche, consulta la nostra guida all'addestramento dei modelli YOLO26.

Accedi e fai clic sul pulsante "Start Machine" mostrato nell'immagine qui sotto. In pochi secondi si avvierà un ambiente GPU gestito e potrai eseguire le celle del notebook.

Console Paperspace con il pulsante Start Machine per il notebook Ultralytics YOLO26

Scopri altre funzionalità di Ultralytics YOLO e Paperspace Gradient in una conversazione con Glenn Jocher, fondatore di Ultralytics, e James Skelton di Paperspace. Guarda la conversazione qui sotto.



Guarda: Sessione live Ultralytics 7: tutto ruota intorno all'ambiente: ottimizzare l'addestramento YOLO con Gradient

Funzionalità principali di Paperspace Gradient#

Esplorando la console Paperspace, vedrai come viene supportato ogni passaggio del flusso di lavoro di machine learning. Ecco alcuni aspetti a cui prestare attenzione:

  • Notebook con un clic: Gradient offre notebook Jupyter preconfigurati e personalizzati per YOLO26, eliminando la necessità di configurare gli ambienti e gestire le dipendenze. Scegli il notebook desiderato e inizia subito a sperimentare.

  • Flessibilità hardware: scegli tra diversi tipi di macchine con configurazioni CPU e GPU differenti, in base alle tue esigenze di addestramento e al tuo budget. Gradient gestisce tutta la configurazione del backend, così puoi concentrarti sullo sviluppo del modello.

  • Tracciamento degli esperimenti: Gradient tiene traccia automaticamente dei tuoi esperimenti, inclusi iperparametri, metriche e modifiche al codice. Puoi così confrontare diverse esecuzioni di addestramento, individuare le configurazioni ottimali e riprodurre i risultati ottenuti.

  • Gestione dei dataset: gestisci i tuoi dataset direttamente in Gradient. Carica, versiona e preelabora i dati durante la fase di preparazione dei dati del progetto.

  • Model serving: distribuisci i tuoi modelli YOLO26 addestrati come API REST in pochi clic. Gradient gestisce l'infrastruttura, così puoi integrare i tuoi modelli di rilevamento degli oggetti nelle tue applicazioni.

  • Monitoraggio in tempo reale: monitora le prestazioni e lo stato dei modelli distribuiti tramite la dashboard di Gradient. Ottieni informazioni sulla velocità di inferenza, sull'utilizzo delle risorse e su potenziali errori.

Perché usare Gradient per i tuoi progetti YOLO26?#

Sono disponibili molte opzioni per addestrare, distribuire e valutare i modelli YOLO26. L'integrazione con Paperspace Gradient offre i seguenti vantaggi:

  • Collaborazione migliorata: gli spazi di lavoro condivisi e il controllo delle versioni favoriscono il lavoro di squadra e la riproducibilità, consentendo al team di collaborare in modo efficace e di mantenere una cronologia chiara del progetto.

  • GPU a basso costo: Gradient offre accesso a GPU ad alte prestazioni a prezzi competitivi rispetto ai principali provider cloud o all'hardware on-premises.

  • Costi prevedibili: I prezzi on-demand di Gradient garantiscono trasparenza e prevedibilità dei costi. Puoi aumentare o ridurre le risorse in base alle necessità e pagare solo per il tempo effettivo di utilizzo, evitando spese inutili.

  • Nessun vincolo: puoi modificare i tipi di istanza in qualsiasi momento per adattarti ai cambiamenti dei requisiti del progetto e ottimizzare il rapporto tra costi e prestazioni. Non ci sono periodi di vincolo né impegni.

Riepilogo#

Gradient fornisce gli strumenti e l'infrastruttura per l'addestramento, la valutazione e la distribuzione dei modelli.

Per approfondire, consulta la documentazione ufficiale di Paperspace.

Domande frequenti#

  • Addestrare un modello YOLO26 con Paperspace Gradient è semplice. Per prima cosa, accedi alla console Paperspace. Poi, fai clic sul pulsante "Start Machine" per avviare un ambiente GPU gestito. Quando l'ambiente è pronto, puoi eseguire le celle del notebook per iniziare ad addestrare il tuo modello YOLO26.

  • Paperspace Gradient offre diversi vantaggi per l'addestramento e la distribuzione dei modelli YOLO26:

    • Flessibilità hardware: scegli tra diverse configurazioni di CPU e GPU.
    • Notebook con un clic: Usa notebook Jupyter preconfigurati per YOLO26 senza preoccuparti della configurazione dell'ambiente.
    • Tracciamento degli esperimenti: Tracciamento automatico di iperparametri, metriche e modifiche al codice.
    • Gestione dei dataset: gestisci i tuoi dataset in Gradient.
    • Model serving: distribuisci i modelli come API REST.
    • Monitoraggio in tempo reale: Monitora le prestazioni dei modelli e l'utilizzo delle risorse tramite una dashboard.
  • Ultralytics YOLO26 combina il rilevamento degli oggetti in tempo reale con un'elevata accuratezza. La sua integrazione con piattaforme come Paperspace Gradient semplifica l'addestramento e la distribuzione. YOLO26 supporta diversi casi d'uso, dai sistemi di sicurezza alla gestione dell'inventario nel commercio al dettaglio.

  • Sì. Dopo aver addestrato il modello su Gradient, esportalo con Ultralytics in un formato ottimizzato per l'edge, come LiteRT o Edge TPU, quindi distribuiscilo sui tuoi dispositivi edge.

  • Il tracciamento degli esperimenti in Paperspace Gradient registra automaticamente iperparametri, metriche e modifiche al codice. Puoi così confrontare diverse esecuzioni di addestramento, individuare le configurazioni ottimali e riprodurre gli esperimenti riusciti. Funzionalità simili sono disponibili in altri strumenti di tracciamento degli esperimenti integrabili con Ultralytics YOLO26.

Commenti

Fai una domanda, condividi i tuoi risultati o aiuta qualcun altro.