Weights & Biases を使用したYOLO実験のトラッキングと可視化

物体detectモデル、例えばUltralytics YOLO26は、多くのコンピュータビジョンアプリケーションに不可欠なものとなっています。しかし、これらの複雑なモデルのトレーニング、評価、デプロイにはいくつかの課題が伴います。主要なトレーニングメトリクスのtrack、モデルバリアントの比較、モデルの動作分析、および問題のdetectには、かなりの計測と実験管理が必要です。

見る: Ultralytics YOLO26をWeights and Biasesと共に使用する方法

このガイドでは、Ultralytics YOLO26とWeights & Biasesの統合について、実験track、モデルチェックポイント、およびモデルパフォーマンスの可視化を強化する目的で紹介します。また、Weights & Biasesのインタラクティブな機能を使用して、統合のセットアップ、トレーニング、ファインチューニング、および結果の可視化に関する手順も含まれています。

Weights & Biases

Weights & Biasesは、機械学習実験の追跡、視覚化、および管理のために設計された、最先端のMLOpsプラットフォームです。完全な実験の再現性のためのトレーニングメトリックの自動ロギング、合理化されたデータ分析のためのインタラクティブなUI、およびさまざまな環境全体にデプロイするための効率的なモデル管理ツールを備えています。

Weights & Biasesを使用したYOLO26のトレーニング

Weights & Biasesを使用することで、YOLO26のトレーニングプロセスに効率性と自動化をもたらすことができます。この統合により、実験をtrackし、モデルを比較し、データに基づいた意思決定を行って、コンピュータビジョンプロジェクトを改善することができます。

インストール

必要なパッケージをインストールするには、以下を実行します:

# Install the required packages for Ultralytics YOLO and Weights & Biases
pip install -U ultralytics wandb

# Enable W&B logging for Ultralytics
yolo settings wandb=True

インストールプロセスに関する詳細な手順とベストプラクティスについては、弊社のYOLO26インストールガイドを必ずご確認ください。YOLO26に必要なパッケージをインストールする際に問題が発生した場合は、解決策とヒントについては、弊社のよくある問題ガイドを参照してください。

Weights & Biasesの設定

必要なパッケージをインストールした後、次のステップはWeights & Biases環境の設定です。これには、Weights & Biasesアカウントの作成と、開発環境とW&Bプラットフォーム間のスムーズな接続に必要なAPIキーの取得が含まれます。

まず、ワークスペースで Weights & Biases 環境を初期化します。これを行うには、次のコマンドを実行し、表示される指示に従います。

import wandb

# Initialize your Weights & Biases environment
wandb.login(key="YOUR_API_KEY")

# Initialize your Weights & Biases environment
wandb login

APIキーを作成および取得するには、Weights & Biases認証ページに移動してください。W&Bで環境を認証するよう求められたら、このキーを使用してください。

使用方法：Weights & Biasesを使用したYOLO26のトレーニング

Weights & Biasesを使用したYOLO26モデルトレーニングの使用方法に入る前に、Ultralyticsが提供するYOLO26モデルの範囲を必ず確認してください。これにより、プロジェクトの要件に最も適したモデルを選択するのに役立ちます。

from ultralytics import YOLO

# Load a YOLO model
model = YOLO("yolo26n.pt")

# Train and Fine-Tune the Model
model.train(data="coco8.yaml", epochs=5, project="ultralytics", name="yolo26n")

# Train a YOLO26 model with Weights & Biases
yolo train data=coco8.yaml epochs=5 project=ultralytics name=yolo26n

W&B引数

# Enable Weights & Biases logging
yolo settings wandb=True

# Disable Weights & Biases logging
yolo settings wandb=False

出力の理解

上記のサンプルコードを実行すると、次の主要な出力が予想されます。

• 新しい実行のセットアップと、トレーニングプロセスの開始を示す一意のID。
• レイヤー数やパラメータなど、モデルの構造の簡潔な概要。
• 各トレーニングエポック中に、box loss、cls loss、dfl loss、精度、再現率、mAPスコアなどの重要なメトリクスに関する定期的な更新。
• トレーニングの最後に、モデルの推論速度や全体的な精度メトリクスを含む詳細なメトリクスが表示されます。
• 詳細な分析と学習過程の可視化のためのWeights & Biasesダッシュボードへのリンクと、ローカルログファイルの場所に関する情報。

Weights & Biasesダッシュボードの表示

使用コードスニペットを実行した後、出力に提供されるリンクを通じてWeights & Biases (W&B) ダッシュボードにアクセスできます。このダッシュボードは、YOLO26を使用したモデルのトレーニングプロセスの包括的なビューを提供します。

Weights & Biasesダッシュボードの主な特徴

• リアルタイムメトリクストラッキング: トレーニング中に損失、精度、検証スコアなどのメトリクスがどのように変化するかを観察し、モデル調整のための即時の洞察を提供します。Weights & Biases を使用して実験がどのように追跡されるかをご覧ください。

• ハイパーパラメータ最適化：Weights & Biasesは、学習率、バッチサイズなどの重要なパラメータのファインチューニングを支援し、YOLO26のパフォーマンスを向上させます。これにより、特定のデータセットとタスクに最適な構成を見つけることができます。

• 比較分析: このプラットフォームでは、さまざまなトレーニング実行を並べて比較できます。これは、さまざまなモデル構成の影響を評価し、どの変更がパフォーマンスを向上させるかを理解するために不可欠です。

• トレーニングの進捗状況の可視化: 主要な指標をグラフィカルに表現することで、エポック全体のモデルのパフォーマンスを直感的に理解できます。Weights & Biasesが検証結果の可視化にどのように役立つかをご覧ください。

• リソース監視: CPU、GPU、メモリの使用状況を追跡し、トレーニングプロセスの効率を最適化し、ワークフローにおける潜在的なボトルネックを特定します。

• モデルアーティファクト管理：モデルチェックポイントにアクセスして共有し、複雑なプロジェクトでの簡単なデプロイメントとチームメンバーとのコラボレーションを促進します。

• 画像オーバーレイによる推論結果の表示: Weights & Biasesのインタラクティブなオーバーレイを使用して、画像上の予測結果を視覚化し、実際のデータに対するモデルのパフォーマンスを明確かつ詳細に表示します。詳細については、Weights & Biasesの画像オーバーレイ機能を参照してください。

これらの機能を使用することで、YOLO26モデルのトレーニングを効果的にtrack、分析、最適化し、物体detectタスクで最高のパフォーマンスと効率を確保できます。

概要

このガイドでは、Ultralytics YOLOとWeights & Biasesの統合について解説しました。この統合がモデルのトレーニングと予測結果を効率的に追跡し、可視化する能力を示しています。W&Bの強力な機能を活用することで、お客様の機械学習ワークフローを効率化し、データに基づいた意思決定を行い、モデルのパフォーマンスを向上させることができます。

使用法の詳細については、Weights & Biases の公式ドキュメントにアクセスするか、YOLO VISION 2023 での Soumik Rakshit によるこの統合に関するプレゼンテーションをご覧ください。

また、Ultralytics統合ガイドページも必ずチェックして、MLflowやComet MLなどのさまざまなエキサイティングな統合について詳しく学んでください。

よくある質問

Ultralytics YOLO26とWeights & Biasesを統合するにはどうすればよいですか？

Ultralytics YOLO26とWeights & Biasesを統合するには：

1. 必要なパッケージをインストール:

   pip install -U ultralytics wandb
   yolo settings wandb=True
   

2. Weights & Biasesアカウントにログイン:

   import wandb
   
   wandb.login(key="YOUR_API_KEY")
   

3. W&Bロギングを有効にしてYOLO26モデルをトレーニングします：

   from ultralytics import YOLO
   
   model = YOLO("yolo26n.pt")
   model.train(data="coco8.yaml", epochs=5, project="ultralytics", name="yolo26n")
   

これにより、メトリクス、ハイパーパラメータ、およびモデルアーティファクトが自動的にW&Bプロジェクトに記録されます。

YOLO26とのWeights & Biases統合の主な機能は何ですか？

主な機能は次のとおりです。

• トレーニング中のリアルタイムメトリクストラッキング
• ハイパーパラメータ最適化ツール
• 異なるトレーニング実行の比較分析
• グラフによるトレーニングの進捗状況の可視化
• リソース監視（CPU、GPU、メモリ使用量）
• モデルアーティファクトの管理と共有
• 画像オーバーレイによる推論結果の表示

これらの機能は、実験の追跡、モデルの最適化、およびYOLO26プロジェクトでのより効果的な共同作業に役立ちます。

YOLO26トレーニングのWeights & Biasesダッシュボードはどのように表示できますか？

W&B統合でトレーニングスクリプトを実行した後：

1. W&B ダッシュボードへのリンクは、コンソール出力に表示されます。
2. リンクをクリックするか、wandb.aiにアクセスしてアカウントにログインしてください。
3. プロジェクトに移動して、詳細なメトリクス、視覚化、およびモデルのパフォーマンスデータを表示します。

ダッシュボードは、モデルのトレーニングプロセスに関する洞察を提供し、YOLO26モデルを効果的に分析および改善することを可能にします。

YOLO26トレーニングのWeights & Biasesロギングを無効にできますか？

はい、W&Bのログ記録は、次のコマンドで無効にできます。

yolo settings wandb=False

ログ記録を再度有効にするには、以下を使用します:

yolo settings wandb=True

これにより、トレーニングスクリプトを変更せずに、W&Bロギングを使用するタイミングを制御できます。

Weights & BiasesはYOLO26モデルの最適化にどのように役立ちますか？

Weights & Biasesは、以下の方法でYOLO26モデルの最適化を支援します：

1. トレーニング指標の詳細な可視化を提供します
2. 異なるモデルバージョン間の簡単な比較を可能にする
3. ハイパーパラメータ調整のためのツールを提供
4. モデルパフォーマンスの共同分析が可能
5. モデルのアーティファクトと結果を容易に共有

これらの機能は、研究者や開発者がより迅速にイテレーションを行い、データに基づいた意思決定を行ってYOLO26モデルを改善するのに役立ちます。

📅 2年前に作成 ✏️ 5日前に更新

コメント