AzureML上のYOLO11 🚀
Azure とは何ですか?
Azureは、組織がワークロードをオンプレミスのデータセンターからクラウドに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、およびネットワーキング向けのサービスを含むクラウドサービスの全範囲により、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および拡張したり、パブリッククラウドで既存のアプリケーションを実行したりできます。
Azure Machine Learning (AzureML) とは何ですか?
Azure Machine Learning(一般にAzureMLと呼ばれる)は、データサイエンティストや開発者が予測分析をアプリケーションに効率的に組み込むことができるフルマネージドのクラウドサービスであり、組織が大量のデータセットを使用し、クラウドのすべての利点を機械学習にもたらすのに役立ちます。AzureMLは、機械学習をアクセスしやすく、使いやすく、スケーラブルにすることを目的としたさまざまなサービスと機能を提供します。自動機械学習、ドラッグアンドドロップモデルトレーニング、および堅牢なpython SDKなどの機能を提供するため、開発者は機械学習モデルを最大限に活用できます。
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?
YOLO(You Only Look Once)のユーザーにとって、AzureMLは、機械学習モデルのトレーニングとデプロイの両方を行うための、堅牢でスケーラブルかつ効率的なプラットフォームを提供します。迅速なプロトタイプ作成から、より広範なデータを処理するためのスケールアップまで、AzureMLの柔軟でユーザーフレンドリーな環境は、ニーズに合わせたさまざまなツールとサービスを提供します。AzureMLを活用して、以下のことが可能です。
- トレーニングのために、大規模なデータセットと計算リソースを容易に管理できます。
- データの前処理、特徴量選択、モデル学習のための組み込みツールを活用します。
- モデルとデータの監視、監査、バージョン管理など、MLOps(機械学習オペレーション)の機能により、より効率的に共同作業できます。
次のセクションでは、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YOLO11物体検出モデルを実行する方法について詳しく説明するクイックスタートガイドを紹介します。
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。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リソースを管理するための一元的な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ワークスペースから、[コンピューティング] > [コンピューティング インスタンス] > [新規] を選択し、必要なリソースを持つインスタンスを選択します。
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開始し、ターミナルを開きます。
virtualenvを作成します
お好みのpythonバージョンでconda virtualenvを作成し、pipをインストールします。 Python 3.13.1には、AzureMLの一部の依存関係に問題があります。
conda create --name yolo11env -y python=3.12
conda activate yolo11env
conda install pip -y
必要な依存関係をインストール:
cd ultralytics
pip install -r requirements.txt
pip install ultralytics
pip install onnx
YOLO11タスクの実行
予測:
yolo predict model=yolo11n.pt source='https://ultralytics.com/images/bus.jpg'
初期learning_rateを0.01にして、検出モデルを10エポックトレーニングします。
yolo train data=coco8.yaml model=yolo11n.pt epochs=10 lr0=0.01
Ultralytics CLIの使用方法に関する詳細な手順はこちらをご覧ください。
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
コンピュートターミナルを開きます。
コンピューティングターミナルから、新しいipykernelを作成する必要があります(特定のpythonバージョンを使用 - Python 3.13.1はAzureMLの一部の依存関係で問題が発生するため)。これは、ノートブックが依存関係を管理するために使用されます:
conda create --name yolo11env -y python=3.12
conda activate yolo11env
conda install pip -y
conda install ipykernel -y
python -m ipykernel install --user --name yolo11env --display-name "yolo11env"
ターミナルを閉じて、新しいノートブックを作成します。ノートブックから、新しいカーネルを選択できます。
次に、Notebookセルを開き、必要な依存関係をインストールできます。
%%bash
source activate yolo11env
cd ultralytics
pip install -r requirements.txt
pip install ultralytics
pip install onnx
なお、使用する必要があるのは source activate yolo11env
すべての%%bashセルについて、%%bashセルが目的の環境を使用していることを確認してください。
Ultralytics CLI を使用して予測を実行:
%%bash
source activate yolo11env
yolo predict model=yolo11n.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("yolo11n.pt") # load an official YOLO11n 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
上記のターミナルセクションで説明されているように、Ultralytics CLIまたはPythonインターフェースを使用してYOLO11タスクを実行できます。
これらの手順に従うことで、YOLO11をAzureML上で迅速に実行し、簡単な試用を行うことができるはずです。より高度な使用法については、このガイドの冒頭にリンクされているAzureMLの完全なドキュメントを参照してください。
AzureMLでさらに詳しく見ていきましょう
このガイドは、AzureMLでYOLO11を起動して実行するための入門として役立ちます。ただし、AzureMLが提供できることの表面をなぞったにすぎません。機械学習プロジェクトでAzureMLの可能性を最大限に引き出すには、次のリソースを検討してください。
- データアセットの作成:AzureML環境内でデータアセットを効果的に設定および管理する方法を学びます。
- AzureMLジョブを開始する:AzureMLで機械学習トレーニングジョブを開始する方法を包括的に理解します。
- モデルの登録:登録、バージョン管理、デプロイメントなど、モデル管理の実践について理解を深めます。
- AzureML Python SDKでYOLO11を学習: AzureML Python SDKを使用してYOLO11モデルを学習するためのステップバイステップガイドをご覧ください。
- AzureML CLIでYOLO11を学習: コマンドラインインターフェースを利用して、AzureML上でYOLO11モデルの学習と管理を効率化する方法をご紹介します。
よくある質問
モデルトレーニングのために AzureML で YOLO11 を実行するにはどうすればよいですか?
AzureMLでYOLO11をモデルトレーニングのために実行するには、いくつかのステップが必要です。
-
コンピューティングインスタンスの作成:AzureMLワークスペースから、[コンピューティング] > [コンピューティングインスタンス] > [新規]に移動し、必要なインスタンスを選択します。
-
環境設定: コンピューティングインスタンスを起動し、ターミナルを開き、conda環境を作成し、pythonのバージョンを設定することを忘れないでください(python 3.13.1はまだサポートされていません)。
conda create --name yolo11env -y python=3.12 conda activate yolo11env conda install pip -y pip install ultralytics onnx
-
YOLO11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=yolo11n.pt epochs=10 lr0=0.01
詳細については、Ultralytics CLIの使用方法に関する説明をご覧ください。
YOLO11 のトレーニングに AzureML を使用する利点は何ですか?
AzureMLは、YOLO11モデルをトレーニングするための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: データとモデルの複雑さが増すにつれて、コンピューティングリソースを簡単に拡張できます。
- MLOps統合:バージョニング、監視、監査などの機能を利用して、ML運用を合理化します。
- 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、迅速なプロトタイプ作成から大規模なデプロイメントまで、幅広いプロジェクトに最適なプラットフォームとなります。詳細については、AzureML Jobs を参照してください。
AzureMLでYOLO11を実行する際によくある問題のトラブルシューティング方法を教えてください。
AzureML 上の YOLO11 に関する一般的な問題のトラブルシューティングには、以下の手順が含まれる場合があります。
- 依存関係の問題: 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。以下を参照してください
requirements.txt
依存関係のファイル。 - 環境設定: コマンドを実行する前に、conda環境が正しくアクティブ化されていることを確認してください。
- リソース配分: コンピューティングインスタンスに、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があ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のよくある問題ドキュメントを確認してください。
AzureML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: ターミナルから直接、簡単なタスクや標準スクリプトを実行するのに最適です。
yolo predict model=yolo11n.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を必要とする、より複雑なタスクに役立ちます。
from ultralytics import YOLO model = YOLO("yolo11n.pt") model.train(data="coco8.yaml", epochs=3)
ステップごとの手順については、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。
Ultralytics YOLO11を他の物体検出モデルと比較した場合の利点は何ですか?
Ultralytics YOLO11 は、競合する物体検出モデルに比べて、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、より高速な推論と学習時間。
- 精度: アンカーフリー設計や高度なデータ拡張戦略などの機能を備え、検出タスクにおいて高い精度を実現します。
- 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アクセスできます。
YOLO11の機能についてさらに詳しく知りたい場合は、Ultralytics YOLOのページで詳細な情報をご覧ください。