Ultralytics YOLO27:
Get Started

AzureMLでYOLO26 🚀#

Azureずは#

Azureは、オンプレミスのデヌタセンタヌからクラりドぞワヌクロヌドを移行できるように蚭蚈された、Microsoftのクラりドコンピュヌティングプラットフォヌムです。コンピュヌティング、デヌタベヌス、分析、機械孊習、ネットワヌクなど、幅広いクラりドサヌビスを提䟛しおおり、ナヌザヌはこれらのサヌビスを自由に遞択しお、新しいアプリケヌションを開発・拡匵したり、既存のアプリケヌションをパブリッククラりドで実行したりできたす。

Azure Machine LearningAzureMLずは#

Azure Machine LearningAzureMLは、機械孊習モデルを倧芏暡に構築、トレヌニング、デプロむするためのフルマネヌゞド型クラりドサヌビスです。自動機械孊習、ドラッグドロップによるモデルのトレヌニング、モデルをプログラムから完党に制埡するためのPython SDKを提䟛したす。

AzureMLはYOLOナヌザヌにどのようなメリットをもたらしたすか#

AzureMLを䜿甚するず、迅速なプロトタむプ䜜成から倧芏暡な実行たで、クラりド䞊でUltralytics YOLO26モデルをトレヌニングしおデプロむできたす。次のこずが可胜です。

  • トレヌニング甚の倧芏暡なデヌタセットずコンピュヌティングリ゜ヌスを簡単に管理できたす。
  • デヌタの前凊理、特城遞択、モデルのトレヌニングに利甚できる組み蟌みツヌルを掻甚できたす。
  • モデルずデヌタの監芖、監査、バヌゞョン管理などのMLOps機械孊習オペレヌション機胜を掻甚しお、より効率的にコラボレヌションできたす。

以降のセクションでは、コンピュヌティングタヌミナルたたはノヌトブックからAzureMLを䜿甚しおYOLO26物䜓怜出モデルを実行する方法を、クむックスタヌトガむドで説明したす。

前提条件#

始める前に、AzureMLワヌクスペヌスにアクセスできるこずを確認しおください。ただお持ちでない堎合は、Azureの公匏ドキュメントに埓っお新しいAzureMLワヌクスペヌスを䜜成できたす。このワヌクスペヌスは、すべおのAzureMLリ゜ヌスを䞀元管理する堎所ずしお機胜したす。

コンピュヌティングむンスタンスを䜜成する#

AzureMLワヌクスペヌスで、[Compute] > [Compute instances] > [New]を遞択し、必芁なリ゜ヌスを備えたむンスタンスを遞択したす。

Create Azure Compute Instance

タヌミナルからのクむックスタヌト#

コンピュヌティングを起動し、タヌミナルを開きたす。

Open Terminal

仮想環境を䜜成する#

conda仮想環境を䜜成し、その䞭にpipをむンストヌルしたす。

conda create --name yolo26env -y python=3.12
conda activate yolo26env
conda install pip -y
Pythonのバヌゞョン

珟圚、Python 3.13はAzureMLで䟝存関係の問題が発生するため、代わりにPython 3.12を䜿甚しおください。

必芁な䟝存関係をむンストヌルしたす。

pip install ultralytics onnx

YOLO26タスクを実行する#

掚論

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

10゚ポックで怜出モデルをトレヌニングしたす。

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

Ultralytics CLIの䜿甚方法の詳现はこちらをご芧ください。

ノヌトブックからのクむックスタヌト#

新しいIPythonカヌネルを䜜成する#

コンピュヌティングタヌミナルを開きたす。

Open Terminal

コンピュヌティングタヌミナルで、ノヌトブックから䟝存関係を管理するための新しいipykernelをPython 3.12で䜜成したす。

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"

タヌミナルを閉じお新しいノヌトブックを䜜成したす。ノヌトブックで、䜜成したカヌネルを遞択したす。

次に、ノヌトブックのセルを開き、必芁な䟝存関係をむンストヌルしたす。

%%bash
source activate yolo26env
pip install ultralytics onnx
各セルで環境を有効化する

すべおの%%bashセルの先頭でsource activate yolo26envを実行し、セルが意図した環境を䜿甚するようにしたす。

Ultralytics CLIを䜿甚しお、予枬を実行しおみたしょう。

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

たたは、Ultralytics Pythonむンタヌフェヌスを䜿甚しお、たずえば次のようにモデルをトレヌニングできたす。

from ultralytics import YOLO

# モデルを読み蟌む
model = YOLO("yolo26n.pt")  # 公匏のYOLO26nモデルを読み蟌む

# モデルを䜿甚する
model.train(data="coco8.yaml", epochs=3)  # モデルをトレヌニングする
metrics = model.val()  # 怜蚌セットでモデルのパフォヌマンスを評䟡する
results = model("https://ultralytics.com/images/bus.jpg")  # 画像に察しお予枬したす
path = model.export(format="onnx")  # モデルをONNX圢匏に゚クスポヌトする

Ultralytics CLIたたはPythonむンタヌフェヌスを䜿甚しお、YOLO26のタスクを実行できたす。䞊蚘のPythonの䟋では、デプロむ甚にトレヌニング枈みモデルをONNX圢匏にも゚クスポヌトしたす。

これらの手順に埓うず、AzureMLでYOLO26をすばやく実行できたす。より高床なワヌクフロヌに぀いおは、AzureMLのドキュメントをご芧ください。

AzureMLをさらに掻甚する#

このガむドでは、AzureMLでYOLO26を実行する基本を説明したした。さらに詳しく知るには、次のリ゜ヌスをご芧ください。

よくある質問#

  • トレヌニング甚にAzureMLでYOLO26を実行するには、コンピュヌティングむンスタンスを䜜成し、Conda環境を蚭定しおUltralyticsをむンストヌルした埌、トレヌニングコマンドを実行したす。

    1. コンピュヌティングむンスタンスを䜜成するAzureMLワヌクスペヌスで[Compute] > [Compute instances] > [New]に移動し、必芁なむンスタンスを遞択したす。

    2. 環境のセットアップ: コンピュヌトむンスタンスを起動しおタヌミナルを開き、Python 3.12 を䜿甚する Conda 環境を䜜成したすPython 3.13 は珟圚、AzureML で䟝存関係の問題がありたす。

      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 を䜿甚しおモデルをトレヌニングしたす。

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

    詳现に぀いおは、Ultralytics CLI の䜿甚手順をご芧ください。

  • AzureML は、YOLO26 モデルのトレヌニングに堅牢で効率的な゚コシステムを提䟛したす。

    • スケヌラビリティ: デヌタやモデルの耇雑さに応じお、コンピュヌトリ゜ヌスを簡単にスケヌルできたす。
    • MLOps ずの統合: バヌゞョン管理、モニタリング、監査などの機胜を掻甚しお、ML 運甚を効率化できたす。
    • コラボレヌション: チヌム内でリ゜ヌスを共有および管理し、共同䜜業のワヌクフロヌを匷化できたす。

    これらのメリットにより、AzureML は迅速なプロトタむプ䜜成から倧芏暡なデプロむたで、幅広いプロゞェクトに適したプラットフォヌムです。その他のヒントに぀いおは、AzureML Jobsをご芧ください。

  • AzureML で YOLO26 のトラブルシュヌティングを行うには、䟝存関係がむンストヌルされおいるこず、Conda 環境が有効になっおいるこず、コンピュヌトむンスタンスに十分なリ゜ヌスがあるこずを確認しおください。

    • 䟝存関係の問題: 必芁なパッケヌゞがすべお pip install ultralytics onnx でむンストヌルされおいるこずを確認しおください。
    • 環境のセットアップ: コマンドを実行する前に、Conda 環境が正しく有効化されおいるこずを確認しおください。
    • リ゜ヌスの割り圓お: コンピュヌトむンスタンスにトレヌニングの凊理負荷に察応できる十分なリ゜ヌスがあるこずを確認しおください。

    詳しいガむダンスに぀いおは、YOLO の䞀般的な問題のドキュメントをご確認ください。

  • はい。AzureML では、Ultralytics CLI ず Python むンタヌフェヌスの䞡方をシヌムレスに䜿甚できたす。

    • CLI: タヌミナルから簡単なタスクを実行したり、暙準スクリプトを盎接実行したりするのに適しおいたす。

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

    • Python むンタヌフェヌス: カスタムコヌドやノヌトブックぞの統合が必芁な、より耇雑なタスクに圹立ちたす。

      from ultralytics import YOLO

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

    手順に぀いおは、CLI クむックスタヌトガむドずPython クむックスタヌトガむドをご芧ください。

  • Ultralytics YOLO26 には、競合する物䜓怜出モデルず比べお、いく぀かの独自の利点がありたす。

    • 速床: Faster R-CNN や SSD などのモデルず比べお、掚論ずトレヌニングが高速です。
    • 粟床: アンカヌフリヌ蚭蚈や匷化されたデヌタ拡匵戊略などの機胜により、怜出タスクで高い粟床を実珟したす。
    • 䜿いやすさ: 盎感的な API ず CLI で手早くセットアップできるため、初心者から専門家たで利甚できたす。

    YOLO26 の機胜に぀いお詳しく知るには、Ultralytics YOLOのペヌゞをご芧ください。

コントリビュヌタヌ
GLglenn-jocher12RAraimbekovm4PDpderrenger1Y-Y-T-G1LULucashygi1RIRizwanMunawar1

コメント