Meet YOLO26: next-gen vision AI.

Link to this sectionAzureML上のYOLO26 🚀#

Link to this sectionAzureとは？#

Azureは、オンプレミスのデータセンターからクラウドへワークロードを移行するために設計された、マイクロソフトのクラウドコンピューティングプラットフォームです。コンピューティング、データベース、分析、機械学習、ネットワーキングなど、幅広いクラウドサービスを取り揃えており、ユーザーはこれらのサービスを選択して新しいアプリケーションを開発・拡張したり、既存のアプリケーションをパブリッククラウド上で実行したりすることができます。

Link to this sectionAzure Machine Learning (AzureML) とは？#

Azure Machine Learning (AzureML) は、機械学習モデルの構築、トレーニング、デプロイを大規模に行うためのフルマネージドクラウドサービスです。自動機械学習、ドラッグ＆ドロップによるモデルトレーニング、そしてモデルを完全にプログラムで制御するためのPython SDKを提供します。

Link to this sectionAzureMLはYOLOユーザーにどのようなメリットをもたらしますか？#

AzureMLを使用すると、Ultralytics YOLO26モデルをクラウド上でトレーニングおよびデプロイできます。クイックなプロトタイプから大規模な実行まで対応可能です。これにより、以下のことが実現できます。

  • トレーニング用の大規模データセットや計算リソースを簡単に管理できます。
  • データの前処理、特徴選択、モデルトレーニングのための組み込みツールを活用できます。
  • モデルやデータの監視、監査、バージョニングなどを含む（ただしこれらに限定されない）MLOps（機械学習運用）機能により、より効率的にコラボレーションできます。

後続のセクションでは、コンピューティングターミナルまたはノートブックからAzureMLを使用してYOLO26物体検出モデルを実行する方法を詳しく説明するクイックスタートガイドを紹介します。

Link to this section前提条件#

開始する前に、AzureMLワークスペースにアクセスできることを確認してください。もしお持ちでない場合は、Azureの公式ドキュメントに従って新しいAzureMLワークスペースを作成できます。このワークスペースは、すべてのAzureMLリソースを一元管理する場所として機能します。

Link to this sectionコンピュートインスタンスの作成#

AzureMLワークスペースから、「Compute」>「Compute instances」>「New」を選択し、必要なリソースを備えたインスタンスを選択してください。

Create Azure Compute Instance

Link to this sectionターミナルからのクイックスタート#

コンピュートを起動し、ターミナルを開きます。

Open Terminal

Link to this section仮想環境の作成#

conda仮想環境を作成し、その中にpipをインストールします。

conda create --name yolo26env -y python=3.12
conda activate yolo26env
conda install pip -y
Pythonのバージョン

現在、Python 3.13はAzureML上で依存関係の問題が発生するため、代わりにPython 3.12を使用してください。

必要な依存関係をインストールします。

pip install ultralytics onnx

Link to this sectionYOLO26タスクの実行#

Predict:

yolo predict model=yolo26n.pt source='https://ultralytics.com/images/bus.jpg'

Train a detection model for 10 epochs with an initial learning_rate of 0.01:

yolo train data=coco8.yaml model=yolo26n.pt epochs=10 lr0=0.01

Ultralytics CLIの使用に関するその他の手順はこちらをご覧ください。

Link to this sectionノートブックからのクイックスタート#

Link to this section新しいIPythonカーネルの作成#

コンピュートターミナルを開きます。

Open Terminal

コンピュートターミナルから、ノートブックが依存関係を管理するために使用するPython 3.12を使用して、新しいipykernelを作成します。

conda create --name yolo26env -y python=3.12
conda activate yolo26env
conda install pip -y
conda install ipykernel -y
python -m ipykernel install --user --name yolo26env --display-name "yolo26env"

ターミナルを閉じ、新しいノートブックを作成します。ノートブックから、作成したばかりのカーネルを選択してください。

次に、ノートブックセルを開き、必要な依存関係をインストールします。

%%bash
source activate yolo26env
pip install ultralytics onnx
すべてのセルで環境をアクティベートする

Run source activate yolo26env at the top of every %%bash cell so the cell uses the intended environment.

Ultralytics CLIを使用して予測を実行します。

%%bash
source activate yolo26env
yolo predict model=yolo26n.pt source='https://ultralytics.com/images/bus.jpg'

または、Ultralytics Pythonインターフェースを使用して、例えばモデルをトレーニングします。

from ultralytics import YOLO

# Load a model
model = YOLO("yolo26n.pt")  # load an official YOLO26n model

# Use the model
model.train(data="coco8.yaml", epochs=3)  # train the model
metrics = model.val()  # evaluate model performance on the validation set
results = model("https://ultralytics.com/images/bus.jpg")  # predict on an image
path = model.export(format="onnx")  # export the model to ONNX format

Ultralytics CLIまたはPythonインターフェースのいずれかを使用して、YOLO26タスクを実行できます。上記のPythonの例では、トレーニング済みのモデルをデプロイ用にONNXへエクスポートしています。

これらの手順に従うことで、AzureML上でYOLO26を迅速に実行できます。より高度なワークフローについては、AzureMLドキュメントを参照してください。

Link to this sectionAzureMLでさらに活用する#

このガイドでは、AzureML上でYOLO26を実行するための基礎を説明しています。さらに学習するには、以下のリソースを確認してください。

Link to this sectionよくある質問 (FAQ)#

Link to this sectionモデルトレーニングのためにAzureML上でYOLO26を実行するにはどうすればよいですか？#

AzureML上でトレーニングのためにYOLO26を実行するには、コンピュートインスタンスを作成し、Conda環境をセットアップし、Ultralyticsをインストールして、トレーニングコマンドを実行します。

  1. コンピュートインスタンスの作成: AzureMLワークスペースから、「Compute」>「Compute instances」>「New」へ移動し、必要なインスタンスを選択します。

  2. 環境のセットアップ: コンピュートインスタンスを起動し、ターミナルを開いて、Python 3.12でConda環境を作成します（現在、Python 3.13はAzureML上で依存関係の問題が発生します）。

    conda create --name yolo26env -y python=3.12
conda activate yolo26env
conda install pip -y
pip install ultralytics onnx

  3. YOLO26タスクの実行: Ultralytics CLIを使用してモデルをトレーニングします。

    yolo train data=coco8.yaml model=yolo26n.pt epochs=10 lr0=0.01

詳細については、Ultralytics CLIの使用手順を参照してください。

Link to this sectionYOLO26のトレーニングにAzureMLを使用するメリットは何ですか？#

AzureMLは、YOLO26モデルのトレーニングに堅牢で効率的なエコシステムを提供します。

  • スケーラビリティ: データやモデルの複雑さが増すにつれて、計算リソースを簡単に拡張できます。
  • MLOpsの統合: バージョニング、監視、監査などの機能を活用して、ML運用を効率化します。
  • コラボレーション: チーム内でリソースを共有および管理し、共同作業のワークフローを強化します。

これらの利点により、AzureMLはクイックなプロトタイプから大規模なデプロイまで、さまざまなプロジェクトに理想的なプラットフォームとなります。その他のヒントについては、AzureML Jobsを確認してください。

Link to this sectionAzureML上でYOLO26を実行する際の一般的なトラブルシューティングはどうすればよいですか？#

AzureML上でYOLO26のトラブルシューティングを行うには、依存関係がインストールされているか確認し、Conda環境がアクティベートされていることを確認し、コンピュートインスタンスに十分なリソースがあることを確認してください。

  • 依存関係の問題: pip install ultralytics onnx を使用して、必要なパッケージがすべてインストールされていることを確認してください。
  • 環境のセットアップ: コマンドを実行する前に、conda環境が正しくアクティベートされていることを確認してください。
  • リソースの割り当て: コンピュートインスタンスがトレーニングワークロードを処理するのに十分なリソースを持っていることを確認してください。

追加のガイダンスについては、YOLO一般的な問題ドキュメントを参照してください。

Link to this sectionAzureML上でUltralytics CLIとPythonインターフェースの両方を使用できますか？#

はい、AzureMLではUltralytics CLIとPythonインターフェースの両方をシームレスに使用できます。

  • CLI: クイックなタスクや、ターミナルから直接標準スクリプトを実行するのに適しています。

    yolo predict model=yolo26n.pt source='https://ultralytics.com/images/bus.jpg'

  • Pythonインターフェース: カスタムコーディングやノートブック内での統合が必要な、より複雑なタスクに役立ちます。

    from ultralytics import YOLO

model = YOLO("yolo26n.pt")
model.train(data="coco8.yaml", epochs=3)

手順については、CLIクイックスタートガイドとPythonクイックスタートガイドを参照してください。

Link to this section他の物体検出モデルと比較した際の、Ultralytics YOLO26を使用するメリットは何ですか？#

Ultralytics YOLO26は、競合する物体検出モデルと比較して、いくつかの独自の利点を提供します。

  • 速度: Faster R-CNNやSSDなどのモデルと比較して、推論およびトレーニング時間が高速です。
  • 精度: アンカーフリー設計や拡張された拡張戦略などの機能により、検出タスクにおいて高い精度を誇ります。
  • 使いやすさ: 直感的なAPIとCLIにより迅速なセットアップが可能で、初心者から専門家まで利用しやすいです。

YOLO26の機能の詳細については、Ultralytics YOLOページで詳細な洞察をご覧ください。

貢献者
GLglenn-jocher12RAraimbekovm2PDpderrenger1Y-Y-T-G1LULucashygi1RIRizwanMunawar1

コメント