GitHubでページを編集 (EN)

JupyterLabを使用してYOLO26モデルを学習する方法ガイド

ディープラーニングモデルの構築は、適切なツールや作業環境が揃っていない場合、困難になることがあります。この問題に直面しているなら、JupyterLabが最適な解決策かもしれません。JupyterLabはユーザーフレンドリーなウェブベースのプラットフォームで、コーディングをより柔軟かつインタラクティブにします。これを使用すれば、大規模なデータセットの処理、複雑なモデルの作成、さらには他者との共同作業まで、すべてを一か所で行うことができます。

You can use JupyterLab to work on projects related to Ultralytics YOLO26 models. JupyterLab is a great option for efficient model development and experimentation. It makes it easy to start experimenting with and training YOLO26 models right from your computer. Let's dive deeper into JupyterLab, its key features, and how you can use it to train YOLO26 models.

JupyterLabとは何ですか？

JupyterLabは、Jupyterノートブック、コード、データを扱うために設計されたオープンソースのウェブベースのプラットフォームです。従来のJupyter Notebookインターフェースからアップグレードされており、より多機能で強力なユーザーエクスペリエンスを提供します。

JupyterLabでは、ノートブック、テキストエディタ、ターミナル、その他のツールをすべて一か所で操作できます。その柔軟な設計により、ニーズに合わせてワークスペースを整理でき、データ分析、可視化、機械学習などのタスクを簡単に実行できます。JupyterLabはリアルタイムの共同作業もサポートしているため、研究やデータサイエンスにおけるチームプロジェクトに最適です。

JupyterLabの主な機能

モデルの開発と実験においてJupyterLabが優れた選択肢となる主な機能のいくつかを以下に紹介します。

  • オールインワンワークスペース: JupyterLabは、データサイエンスのあらゆるニーズに対応するワンストップショップです。テキスト編集、ターミナルアクセス、ノートブック用のインターフェースが別々だった従来のJupyter Notebookとは異なり、JupyterLabはこれらすべての機能を単一の統合された環境にまとめています。JPEG、PDF、CSVなど、さまざまなファイル形式をJupyterLab内で直接表示および編集できます。オールインワンのワークスペースにより、必要なすべてに指先でアクセスでき、ワークフローが効率化され、時間を節約できます。
  • 柔軟なレイアウト: JupyterLabの際立った機能の一つが、その柔軟なレイアウトです。タブをドラッグ＆ドロップしてサイズを変更し、作業効率を高めるパーソナライズされたレイアウトを作成できます。折りたたみ可能な左サイドバーにより、ファイルブラウザ、実行中のカーネル、コマンドパレットなどの重要なタブに簡単にアクセスできます。複数のウィンドウを同時に開くことができるため、マルチタスクを行い、プロジェクトをより効果的に管理できます。
  • インタラクティブなコードコンソール: JupyterLabのコードコンソールは、コードスニペットや関数をテストするためのインタラクティブなスペースを提供します。これらは、ノートブック内で行われた計算のログとしても機能します。ノートブック用に新しいコンソールを作成し、すべてのカーネルアクティビティを表示するのは簡単です。この機能は、新しいアイデアを実験したり、コード内の問題をトラブルシューティングしたりする際に特に役立ちます。
  • Markdownプレビュー: Markdownファイルの操作は、同時プレビュー機能のおかげでJupyterLabではより効率的です。Markdownファイルを作成または編集しながら、フォーマットされた出力をリアルタイムで確認できます。これにより、ドキュメントの見た目が完璧であることを簡単に再確認でき、編集モードとプレビューモードの間を行き来する必要がなくなります。
  • テキストファイルからのコード実行: コードを含むテキストファイルを共有している場合、JupyterLabを使用すると、プラットフォーム内で直接簡単に実行できます。コードをハイライトしてShift + Enterキーを押すだけで実行可能です。コードスニペットを素早く検証するのに最適であり、共有するコードが機能的でエラーがないことを保証するのに役立ちます。

YOLO26プロジェクトにJupyterLabを使用すべき理由

機械学習モデルの開発や評価を行うプラットフォームは複数ありますが、なぜJupyterLabが優れているのでしょうか？JupyterLabがあなたの機械学習プロジェクトにもたらすユニークな側面のいくつかを掘り下げてみましょう。

  • 簡単なセル管理: JupyterLabでのセル管理は非常に簡単です。面倒なカット＆ペーストの手法ではなく、セルをドラッグ＆ドロップするだけで簡単に再配置できます。
  • ノートブック間でのセルコピー: JupyterLabでは、ノートブック間でのセルコピーが簡単に行えます。あるノートブックから別のノートブックへセルをドラッグ＆ドロップするだけです。
  • クラシックノートブックビューへの簡単な切り替え: 従来のJupyter Notebookインターフェースが恋しい人のために、JupyterLabは簡単に元に戻す機能を提供しています。URL内の /lab を /tree に置き換えるだけで、使い慣れたノートブックビューに戻ることができます。
  • マルチビュー: JupyterLabは同じノートブックの複数のビューをサポートしており、これは長いノートブックで特に便利です。異なるセクションを並べて開いて比較や探索を行うことができ、一つのビューで行った変更はもう一方のビューにも反映されます。
  • カスタマイズ可能なテーマ: JupyterLabには、深夜のコーディングセッションに最適なノートブック用のダークテーマが組み込まれています。テキストエディタやターミナル用のテーマも用意されており、ワークスペース全体の見た目をカスタマイズできます。

JupyterLab使用時の一般的な問題

JupyterLabを使用していると、いくつかの一般的な問題に遭遇するかもしれません。プラットフォームを円滑に操作するためのヒントをいくつか紹介します。

  • カーネルの管理: カーネルは、JupyterLabで記述したコードとそれが実行される環境との接続を管理するため、非常に重要です。また、ノートブック間でデータにアクセスして共有することもできます。Jupyter Notebookを閉じても、他のノートブックが使用している可能性があるため、カーネルが実行されたままになることがあります。カーネルを完全にシャットダウンしたい場合は、それを選択して右クリックし、ポップアップメニューから「Shut Down Kernel（カーネルのシャットダウン）」を選択してください。
  • Pythonパッケージのインストール: サーバーにプリインストールされていないPythonパッケージが必要になることがあります。その場合は、python -m pip install package-nameコマンドを使用して、ホームディレクトリや仮想環境に簡単にインストールできます。インストールされているすべてのパッケージを確認するには、python -m pip listを使用してください。
  • Flask/FastAPI APIのPosit Connectへのデプロイ: ターミナルから rsconnect-python パッケージを使用して、FlaskやFastAPI APIをPosit Connectにデプロイできます。これにより、ウェブアプリケーションをJupyterLabと統合し、他者と共有することが容易になります。
  • JupyterLab拡張機能のインストール: JupyterLabは、機能を強化するためのさまざまな拡張機能をサポートしています。ニーズに合わせてこれらの拡張機能をインストールおよびカスタマイズできます。詳細な手順については、JupyterLab Extensions Guideを参照してください。
  • 複数のPythonバージョンの使用: 異なるバージョンのPythonで作業する必要がある場合は、異なるPythonバージョンで設定されたJupyterカーネルを使用できます。

JupyterLabを使用してYOLO26を試す方法

JupyterLabを使用すれば、YOLO26を簡単に試すことができます。始めるには、以下の簡単な手順に従ってください。

ステップ1: JupyterLabをインストールする

まず、JupyterLabをインストールする必要があります。ターミナルを開き、以下のコマンドを実行してください。

インストール
# Install the required package for JupyterLab
pip install jupyterlab

ステップ2: YOLO26チュートリアルノートブックをダウンロードする

次に、Ultralytics GitHubリポジトリから tutorial.ipynb ファイルをダウンロードします。このファイルをローカルマシンの任意のディレクトリに保存してください。

ステップ3: JupyterLabを起動する

ターミナルを使用して、ノートブックファイルを保存したディレクトリに移動します。次に、以下のコマンドを実行してJupyterLabを起動します。

使用方法
jupyter lab

このコマンドを実行すると、以下のようにデフォルトのウェブブラウザでJupyterLabが開きます。

ブラウザでJupyterLabが開く様子を示す画像

ステップ4: 実験を開始する

JupyterLabで tutorial.ipynb ノートブックを開きます。これで、セルを実行してYOLO26の探索と実験を開始できます。

JupyterLabで開かれたYOLO26ノートブックを示す画像

JupyterLabのインタラクティブな環境では、コードの変更、出力の可視化、調査結果の文書化を一か所で行うことができます。さまざまな構成を試し、YOLO26の仕組みを理解できます。

モデル学習プロセスの詳細な理解とベストプラクティスについては、YOLO26モデル学習ガイドを参照してください。このガイドは、実験を最大限に活用し、YOLO26を効果的に使用するのに役立ちます。

JupyterLabについてさらに学ぶ

JupyterLabについてさらに詳しく知りたい場合は、以下のリソースから始めてみてください。

  • JupyterLabドキュメント: 公式のJupyterLabドキュメントに飛び込んで、その機能や性能を探ってみましょう。この強力なツールを最大限に活用する方法を理解するのに最適な方法です。
  • Binderで試す: Binderを使用して、インストールなしでJupyterLabを試せます。ブラウザ内で直接ライブのJupyterLabインスタンスを起動できます。すぐに実験を始めるのに最適です。
  • インストールガイド: ローカルマシンへのJupyterLabインストールに関するステップバイステップガイドについては、インストールガイドを確認してください。
  • JupyterLabを使用してUltralytics YOLO26を学習する: この詳細なブログ記事で、YOLO26モデルでJupyterLabを使用する実用的な応用例についてさらに学びましょう。

まとめ

JupyterLabがUltralytics YOLO26モデルの実験にどれほど強力なツールになり得るかを探ってきました。柔軟でインタラクティブな環境を使用して、ローカルマシンにJupyterLabを簡単にセットアップし、YOLO26での作業を開始できます。JupyterLabを使用すると、モデルの トレーニング と 評価、出力の可視化、そして 調査結果の文書化 がすべて一か所で簡単に行えます。

Google Colab などの他のプラットフォームとは異なり、JupyterLabはローカルマシン上で実行されるため、計算環境をより細かく制御できると同時に、インタラクティブなノートブック体験を提供します。これは、クラウド・リソースに依存せずに開発環境への一貫したアクセスが必要な開発者にとって特に価値があります。

詳細については、JupyterLab FAQページをご覧ください。

他のYOLO26統合に興味がありますか？Ultralytics統合ガイドをチェックして、機械学習プロジェクト向けの追加ツールや機能を探ってみてください。

FAQ

JupyterLabを使ってYOLO26モデルを学習するにはどうすればよいですか？

JupyterLabを使用してYOLO26モデルを学習するには：

  1. JupyterLabとUltralyticsパッケージをインストールします：

    pip install jupyterlab ultralytics

  2. JupyterLabを起動し、新しいノートブックを開きます。

  3. YOLOモデルをインポートし、事前学習済みモデルを読み込みます：

    from ultralytics import YOLO

model = YOLO("yolo26n.pt")

  4. カスタムデータセットでモデルを学習します：

    results = model.train(data="path/to/your/data.yaml", epochs=100, imgsz=640)

  5. JupyterLabの組み込みプロット機能を使用して学習結果を可視化します：

    import matplotlib

from ultralytics.utils.plotting import plot_results

matplotlib.use("inline")  # or 'notebook' for interactive
plot_results(results)

JupyterLabのインタラクティブな環境により、パラメータの変更、結果の可視化、モデル学習プロセスの繰り返しが簡単に行えます。

YOLO26プロジェクトに適したJupyterLabの主な機能は何ですか？

JupyterLabはYOLO26プロジェクトに最適な以下の機能を提供します：

  1. インタラクティブなコード実行：YOLO26のコードスニペットをリアルタイムでテストおよびデバッグできます。
  2. 統合ファイルブラウザ：データセット、モデルの重み、設定ファイルを簡単に管理できます。
  3. 柔軟なレイアウト：複数のノートブック、ターミナル、出力ウィンドウを並べて配置し、効率的なワークフローを実現します。
  4. リッチな出力表示：YOLO26の検出結果、学習曲線、モデルの性能メトリクスをインラインで可視化します。
  5. Markdownサポート：リッチテキストや画像を使用して、YOLO26の実験や調査結果を文書化できます。
  6. 拡張エコシステム：バージョン管理、リモートコンピューティングなどの拡張機能で機能を強化できます。

これらの機能により、データ準備から モデルデプロイ まで、YOLO26モデルを扱う際にシームレスな開発体験が可能になります。

JupyterLabを使用してYOLO26モデルの性能を最適化するにはどうすればよいですか？

JupyterLabでYOLO26モデルの性能を最適化するには：

  1. オートバッチ機能を使用して最適なバッチサイズを決定します：

    from ultralytics.utils.autobatch import autobatch

optimal_batch_size = autobatch(model)

  2. Ray Tuneのようなライブラリを使用して ハイパーパラメータチューニング を実装します：

    from ultralytics.utils.tuner import run_ray_tune

best_results = run_ray_tune(model, data="path/to/data.yaml")

  3. JupyterLabのプロット機能を使用して、モデルのメトリクスを可視化および分析します：

    from ultralytics.utils.plotting import plot_results

plot_results(results.results_dict)

  4. 異なるモデルアーキテクチャや エクスポート形式 を試して、特定のユースケースにおける速度と 精度 の最適なバランスを見つけます。

JupyterLabのインタラクティブな環境により、迅速な反復とリアルタイムのフィードバックが可能になり、YOLO26モデルを効率的に最適化しやすくなります。

JupyterLabとYOLO26を扱う際の一般的な問題にはどのように対処すればよいですか？

JupyterLabとYOLO26を扱う際、いくつかの一般的な問題に遭遇するかもしれません。対処方法は以下の通りです：

  1. GPUメモリの問題：

    • torch.cuda.empty_cache() を使用して、実行の合間にGPUメモリをクリアします。
    • バッチサイズ または画像サイズを調整してGPUメモリに合わせます。

  2. パッケージの競合：

    • 競合を避けるために、YOLO26プロジェクト用に個別のconda環境を作成します。
    • ノートブックセル内で !pip install package_name を使用して、不足しているパッケージをインストールします。

  3. カーネルのクラッシュ：

    • カーネルを再起動し、セルを一つずつ実行して問題のあるコードを特定します。
    • 特に大規模なデータセットを処理する際は、コード内のメモリリークを確認します。
Contributors
GitHubでページを編集 (EN)
GLglenn-jocher8RIRizwanMunawar2LALaughing-q2Y-Y-T-G1WIWillie Maddox1MAMatthewNoyce1AMambitious-octopus1ABabirami-vina1

コメント