はじめる

AzureMLでのYOLO26

Azure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できるように設計された、Microsoft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、ネットワークなど、幅広いクラウドサービスを提供しており、ユーザーはこれらのサービスを自由に選択して、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で実行したりできます。

Azure Machine Learning(AzureML)とは?#

Azure Machine Learning (AzureML)は、機械学習モデルを大規模に構築、トレーニング、デプロイする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&ドロップ式のモデルのトレーニング、モデルをプログラムで完全に制御するためのPython SDKを提供します。

AzureML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、迅速なプロトタイプ作成から大規模な実行まで、クラウド上でUltralytics YOLO26モデルをトレーニングしてデプロイできます。次のことが可能です。

  • 大規模なデータセットとトレーニング用の計算リソースを管理します。
  • データの前処理、特徴選択、モデルのトレーニングに組み込みツールを使用します。
  • モデルやデータのモニタリング、監査、バージョン管理などのMLOps(機械学習オペレーション)機能を活用して、ML運用を効率化し、より効果的にコラボレーションできます。

以降のセクションでは、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、クイックスタートガイドで説明します。

前提条件#

始める前に、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。まだ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。

コンピューティングインスタンスを作成する#

AzureMLワークスペースで、[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びます。

Create Azure Compute Instance

ターミナルからのクイックスタート#

コンピューティングを起動し、ターミナルを開きます。

Opening a terminal on an AzureML compute instance

仮想環境を作成する#

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

YOLO26タスクを実行する#

推論:

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

10エポックで検出モデルをトレーニングします。

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

ノートブックからのクイックスタート#

新しいIPythonカーネルを作成する#

コンピューティングターミナルを開きます。

Opening a terminal on an AzureML compute instance

コンピューティングターミナルで、ノートブックから依存関係を管理するための新しいipykernelをPython 3.12で作成します。

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"

ターミナルを閉じて新しいノートブックを作成します。ノートブックで、作成したカーネルを選択します。

次に、ノートブックのセルを開き、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
各セルで環境を有効化する

すべての%%bashセルの先頭でsource activate yolo26envを実行し、セルが意図した環境を使用するようにします。

Ultralytics CLIを使用して、予測を実行してみましょう。

%%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、たとえば次のようにモデルをトレーニングできます。

from ultralytics import YOLO

# モデルを読み込む
model = YOLO("yolo26n.pt")  # 公式のYOLO26nモデルを読み込む

# モデルを使用する
model.train(data="coco8.yaml", epochs=3)  # モデルをトレーニングする
metrics = model.val()  # 検証セットでモデルのパフォーマンスを評価する
results = model("https://ultralytics.com/images/bus.jpg")  # 画像に対して予測します
path = model.export(format="onnx")  # モデルをONNX形式にエクスポートする

Ultralytics CLIまたはPythonインターフェースを使用して、YOLO26のタスクを実行できます。上記のPythonの例では、デプロイ用にトレーニング済みモデルをONNX形式にもエクスポートします。

これらの手順に従うと、AzureMLでYOLO26をすばやく実行できます。より高度なワークフローについては、AzureMLのドキュメントをご覧ください。

AzureMLをさらに活用する#

このガイドでは、AzureMLでYOLO26を実行する基本を説明しました。さらに詳しく知るには、次のリソースをご覧ください。

よくある質問#

  • トレーニング用にAzureMLでYOLO26を実行するには、コンピューティングインスタンスを作成し、Conda環境を設定してUltralyticsをインストールした後、トレーニングコマンドを実行します。

    1. コンピューティングインスタンスを作成する:AzureMLワークスペースで[Compute] > [Compute instances] > [New]に移動し、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てターミナルを開き、Python 3.12 を使用する Conda 環境を作成します(Python 3.13 は現在、AzureML で依存関係の問題があります)。

      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
  • AzureMLは、YOLO26モデルのトレーニングに適したマネージド環境を提供します。

    • スケーラビリティ: データやモデルの複雑さの増大に応じて、コンピューティングリソースを拡張できます。
    • MLOpsとの統合: バージョン管理、モニタリング、監査などの機能を活用して、ML運用を効率化できます。
    • 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できます。

    これらの機能により、AzureMLは迅速なプロトタイプ作成から大規模なデプロイまで、幅広いプロジェクトに適しています。

  • AzureML 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こと、Conda 環境が有効になっていること、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: 必要なパッケージがすべて pip install ultralytics onnx で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 環境が正しく有効化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にトレーニングの処理負荷に対応できる十分なリソースがあることを確認してください。

    詳しいガイダンスについては、YOLO の一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とPythonインターフェースの両方を使用できます。

    • CLI: ターミナルから簡単なタスクを実行したり、標準スクリプトを直接実行したり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: カスタムコードやノートブックへの統合が必要な、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ご覧ください。

  • Ultralytics YOLO26には、競合する物体検出モデルに対して、次のような利点があります。

    • 速度: Faster R-CNN や SSD などのモデルと比べて、推論とトレーニングが高速です。
    • 精度: アンカーフリー設計や強化されたデータ拡張戦略などにより、検出タスクで高い精度を実現します。
    • 使いやすさ: 直感的な API と CLI で手早くセットアップできるため、初心者から専門家まで利用できます。

コメント

質問したり、結果を共有したり、ほかの人をサポートしたりできます。