Neptuneによる実験追跡

Neptune は、多くの実験を実行するチーム向けに構築されたMLOps向けメタデータストアです。モデル構築の全メタデータを記録、保存、表示、整理、比較、クエリする単一の場所を提供します。

Ultralytics YOLO11 Neptune とYOLO11 Neptune 実験追跡を Neptune この連携により、カスタムロギングコードを記述することなく、トレーニングメトリクスの自動記録、モデル予測の可視化、モデルアーティファクトの保存が可能になります。

主な特徴

• 自動ログ記録：ボックス損失、分類損失、mAPなどの主要な学習指標を自動的に記録します。 mAPなどの主要なトレーニング指標を自動的に記録します。
• 画像可視化：トレーニング用モザイク画像と検証予測結果をNeptuneダNeptune ボードで直接確認できます。
• モデルチェックポイント: 学習済みモデルの重みをアップロードし、バージョン管理するbest.ptトレーニング終了時に自動的に。
• ハイパーパラメータ追跡：実験の完全な再現性を確保するため、すべての設定パラメータを記録します。
• インタラクティブプロット：モデル性能を分析するため、混同行列と精度-再現率曲線を可視化します。

インストール

Ultralytics、以下のインストールが必要です： neptune クライアントパッケージとともに ultralytics.

# Install the required packages
pip install ultralytics neptune

# Enable Neptune integration in Ultralytics settings
yolo settings neptune=True

構成

トレーニングを開始する前に、ローカル環境をNeptune 接続する必要があります。Neptune APIトークンと プロジェクト名を取得してください。

1. 資格を取得する

1. Neptune.ai にログインしてください。
2. 新しいプロジェクトを作成する（または既存のプロジェクトを選択する）。
3. ユーザーメニューに移動し、APIトークンを取得してください。

2. 環境変数の設定

認証情報を扱う最も安全な方法は環境変数経由です。Neptune YOLOを読み取る点に注意してください。 project 引数を使用せず NEPTUNE_PROJECT.Neptune （例： workspace/name経由 project= トレーニングコマンド内で指定してください。さもないと、Neptune なNeptune 。 "Ultralytics" そして実行は失敗する。

export NEPTUNE_API_TOKEN="your_long_api_token_here" # required

$Env:NEPTUNE_API_TOKEN = "your_long_api_token_here"  # required

import os

os.environ["NEPTUNE_API_TOKEN"] = "your_long_api_token_here"
os.environ["NEPTUNE_PROJECT"] = "your_workspace/your_project"

使用法

設定が完了したら、YOLO11 トレーニングを開始できます。Neptune 、 neptune パッケージがインストールされ、設定で統合が有効化されています。

トレーニング例

from ultralytics import YOLO

# Load a model
model = YOLO("yolo11n.pt")

# Train the model
# Pass the Neptune project slug as the 'project' argument (workspace/name)
results = model.train(data="coco8.yaml", epochs=10, project="my-workspace/my-project", name="experiment-1")

# Train via CLI
# project must be the Neptune slug (workspace/name); otherwise run creation will fail
yolo train data=coco8.yaml epochs=10 project=my-workspace/my-project name=experiment-1

統合の理解

以下の図は、Ultralytics パイプラインがNeptune と連携して様々なアーティファクトやメトリクNeptune 方法を示しています。

graph LR
    A[YOLO Training Loop] --> B{Neptune Callback}
    B -->|Log Scalars| C[Loss, mAP, LR]
    B -->|Log Images| D[Mosaics, Preds]
    B -->|Log Artifacts| E[Model Weights]
    B -->|Log Metadata| F[Hyperparameters]

    C --> G[Neptune Server]
    D --> G
    E --> G
    F --> G

    G --> H[Neptune Web Dashboard]

何が記録されるのか？

トレーニングコマンドを実行すると、Neptune は自動的に実行中の以下のデータ構造をキャプチャします：

1. 設定/ハイパーパラメータ: すべてのトレーニング引数（エポック数、学習率0、オプティマイザなど）は設定セクションに記録されます。
2. 構成/モデル：モデルのアーキテクチャと定義。
3. メトリクス:
   • トレーニング: box_loss, cls_loss, dfl_loss, lr (学習率)
   • メトリクス: precision, recall, mAP50, mAP50-95.
4. 画像:
   • Mosaicデータ拡張を示すトレーニングバッチ
   • Validation検証データにおける真値ラベルとモデル予測値。
   • Plots混同行列、精度-再現率曲線。
5. 重量最終的な学習済みモデル（best.pt) がアップロードされる weights Neptune 実行中のフォルダ

高度な使用方法

ランニングの計画

標準Ultralyticsを使用できます project および name Neptuneで実行を整理するための引数。

• project: 必ずNeptune スラグでなければならない workspace/name; これがコールバックが渡すものです neptune.init_run.
• name特定の実行の識別子として機能します。

カスタムロギング

自動ログ記録に加えて追加のカスタムメトリクスを記録する必要がある場合は、Neptune インスタンスにアクセスできます。Ultralytics 実行ライフサイクルを内部で処理するため、特定の実行オブジェクトにアクセスするにはトレーナーロジックの変更またはカスタムコールバックの作成が必要となります。

よくある質問

Neptune 無効にするにはどうすればよいですか？

インストール済みの場合 neptune 特定のセッションまたはグローバルにログ記録を無効にしたい場合は、YOLO を変更できます。

# Disable Neptune integration
yolo settings neptune=False

画像がアップロードされません。どうしたのでしょうか？

ネットワークNeptuneへの接続を許可していることを確認してください。また、画像のログ記録は通常、特定の間隔（例：エポック終了時やトレーニング終了時）で行われます。 Ctrl+C最終的な出力結果（混同行列や最適モデルの重みなど）がアップロードされない場合があります。

Neptune にログインできますか？

現在の統合では、各トレーニングセッションごとに自動的に新しい実行が作成されます。既存の実行へのログ記録を再開するには、Python Neptune を手動で処理する必要があり、これは自動統合の範囲外となります。ただし、Ultralytics ローカルでのトレーニング再開Ultralytics 、これにより再開されたtrack Neptune 新しい実行が作成されます。

Neptuneモデルの重みはどこで見つけられますか？

Neptune で、次の場所へ移動してください： アーティファクト または すべてのメタデータ セクション。そこには weights あなたのフォルダ best.pt ファイルは、デプロイ用にダウンロードできます。

📅 0日前に作成 ✏️ 0日前に更新

コメント