YOLO26 🚀をAzureMLで実行#

Azureとは何ですか？#

Azureは、組織がオンプレミスのデータセンターからワークロードをクラウドに移行できるよう設計された、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、ネットワーキングなど、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組み合わせて、新しいアプリケーションの開発とスケーリングや、既存のアプリケーションのパブリッククラウド上での実行を行えます。

Azure Machine Learning（AzureML）とは何ですか？#

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、ドラッグアンドドロップによるモデルのトレーニング、モデルをプログラムから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およびデプロイできます。次のことが可能です。

• トレーニング用の大規模なデータセットとコンピューティングリソースを簡単に管理できます。
• データの前処理、特徴量選択、モデルのトレーニングに対応した組み込みツールを利用できます。
• モデルとデータの監視、監査、バージョン管理など、MLOps（機械学習運用）機能を活用して、より効率的に共同作業できます。

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詳しく説明した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。まだない場合は、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一元化された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。

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

必要な依存関係をインストールします。

pip install ultralytics onnx

YOLO26のタスクを実行する#

予測：

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

初期learning_rateを0.01に設定し、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 lr0=0.01

Ultralytics CLIの使用手順はこちらで確認できます。

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。

コンピューティングターミナルから、Python 3.12を使用する新しいipykernelを作成します。このカーネルは、ノートブックで依存関係を管理するために使用します。

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、作成したばかりの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

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、たと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どちらでも、YOLO26のタスクを実行できます。上記のPython例では、デプロイ用にトレーニング済みモデルをONNXへエクスポートすることもできます。

これらの手順に従うことで、AzureML上ですぐにYOLO26を実行できます。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。

AzureMLをさらに活用する#

このガイドでは、AzureML上でYOLO26を実行する基本的な方法を説明しました。さらに活用するには、次のリソースを確認してください。

• データアセットを作成する：AzureML環境内でデータアセットを設定および管理します。
• 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します。
• モデルを登録する：モデルの登録、バージョン管理、デプロイを管理します。
• Modalクイックスタート：AzureMLの代替として、ModalのサーバーレスGPUクラウド上でYOLO26を実行します。

FAQ#