Mastering YOLOv5 🚀 Distribuzione su Google Cloud Platform (GCP) Deep Learning Virtual Machine (VM) ⭐
Embarking on the journey of artificial intelligence and machine learning can be exhilarating, especially when you leverage the power and flexibility of a cloud platform. Google Cloud Platform (GCP) offers robust tools tailored for machine learning enthusiasts and professionals alike. One such tool is the Deep Learning VM that is preconfigured for data science and ML tasks. In this tutorial, we will navigate through the process of setting up YOLOv5 on a GCP Deep Learning VM. Whether you're taking your first steps in ML or you're a seasoned practitioner, this guide is designed to provide you with a clear pathway to implementing object detection models powered by YOLOv5.
Inoltre, se sei un nuovo utente di GCP, sei fortunato grazie all'offerta di 300 dollari di credito gratuito per dare il via ai tuoi progetti.
Oltre a GCP, esplora altre opzioni accessibili di avvio rapido per YOLOv5, come il nostro Taccuino Colab per un'esperienza basata su browser, o la scalabilità di Amazon AWS. Inoltre, gli appassionati di container possono utilizzare la nostra immagine Docker ufficiale all'indirizzo Hub Docker per un ambiente incapsulato.
Step 1: Create and Configure Your Deep Learning VM
Iniziamo creando una macchina virtuale ottimizzata per il deep learning:
- Vai sul mercato GCP e seleziona la VM Deep Learning.
- Opta per un'istanza n1-standard-8; offre un equilibrio di 8 vCPU e 30 GB di memoria, ideale per le nostre esigenze.
- Next, select a GPU. This depends on your workload; even a basic one like the T4 will markedly accelerate your model training.
- Spunta la casella "Installa automaticamente il driver di NVIDIA GPU al primo avvio?" per un'installazione senza problemi.
- Alloca un disco persistente SSD da 300 GB per evitare che si verifichino colli di bottiglia nelle operazioni di I/O.
- Premi "Deploy" e lascia che GCP faccia la sua magia nel provisioning della tua VM personalizzata per il Deep Learning.
Questa macchina virtuale viene fornita con un tesoro di strumenti e framework preinstallati, tra cui la distribuzione Anaconda Python , che contiene tutte le dipendenze necessarie per YOLOv5.
Passo 2: Preparare la macchina virtuale per YOLOv5
Dopo aver configurato l'ambiente, vediamo di mettere in funzione YOLOv5 :
# Clone the YOLOv5 repository
git clone https://github.com/ultralytics/yolov5
# Change the directory to the cloned repository
cd yolov5
# Install the necessary Python packages from requirements.txt
pip install -r requirements.txt
This setup process ensures you're working with a Python environment version 3.8.0 or newer and PyTorch 1.8 or above. Our scripts smoothly download models and datasets rending from the latest YOLOv5 release, making it hassle-free to start model training.
Passo 3: Addestrare e distribuire i modelli di YOLOv5 🌐
Una volta completata la configurazione, sei pronto per iniziare la formazione e l'inferenza con YOLOv5 sulla tua VM GCP:
# Train a model on your data
python train.py
# Validate the trained model for Precision, Recall, and mAP
python val.py --weights yolov5s.pt
# Run inference using the trained model on your images or videos
python detect.py --weights yolov5s.pt --source path/to/images
# Export the trained model to other formats for deployment
python export.py --weights yolov5s.pt --include onnx coreml tflite
With just a few commands, YOLOv5 allows you to train custom object detection models tailored to your specific needs or utilize pre-trained weights for quick results on a variety of tasks.
Allocare lo spazio di swap (opzionale)
Per chi ha a che fare con set di dati molto pesanti, considera la possibilità di ampliare la tua istanza GCP con 64 GB aggiuntivi di memoria di swap:
sudo fallocate -l 64G /swapfile
sudo chmod 600 /swapfile
sudo mkswap /swapfile
sudo swapon /swapfile
free -h # confirm the memory increment
Pensieri conclusivi
Congratulations! You are now empowered to harness the capabilities of YOLOv5 with the computational prowess of Google Cloud Platform. This combination provides scalability, efficiency, and versatility for your object detection tasks. Whether for personal projects, academic research, or industrial applications, you have taken a pivotal step into the world of AI and machine learning on the cloud.
Ricordati di documentare il tuo percorso, di condividere le intuizioni con la comunità di Ultralytics e di sfruttare le arene di collaborazione come le discussioni su GitHub per crescere ulteriormente. Ora, vai avanti e innova con YOLOv5 e GCP! 🌟
Vuoi continuare a migliorare le tue competenze e conoscenze di ML? Scopri la nostra documentazione e i nostri tutorial per ulteriori risorse. Che la tua avventura nell'intelligenza artificiale continui!