コンテンツへスキップ

高度なカスタマイズ

Ultralytics YOLO コマンドライン・インターフェイスもPython インターフェイスも、ベースとなるエンジン・エクゼキューターに対するハイレベルな抽象化に過ぎない。トレーナー・エンジンを見てみよう。



見るんだ: MasteringUltralytics YOLOv8 : 高度なカスタマイズ

ベーストレーナー

BaseTrainer には、一般的な定型トレーニングルーチンが含まれています。正しい書式に従う限り、必要な関数や操作をオーバーライドすることで、どのようなタスクにもカスタマイズすることができます。例えば、これらの関数をオーバーライドするだけで、独自のカスタムモデルやデータローダをサポートすることができます:

  • get_model(cfg, weights) - 学習するモデルを構築する関数
  • get_dataloader() - データ・ローダーをビルドする関数 詳細とソース・コードは以下を参照。 BaseTrainer 参考

検出トレーナー

の使い方は以下の通り。YOLOv8 DetectionTrainer それをカスタマイズする。

from ultralytics.models.yolo.detect import DetectionTrainer

trainer = DetectionTrainer(overrides={...})
trainer.train()
trained_model = trainer.best  # get best model

DetectionTrainerのカスタマイズ

トレーナーをカスタマイズしよう カスタム検出モデルをトレーニングする を直接サポートしない。これは、単に既存の get_model 機能性だ:

from ultralytics.models.yolo.detect import DetectionTrainer


class CustomTrainer(DetectionTrainer):
    def get_model(self, cfg, weights):
        ...


trainer = CustomTrainer(overrides={...})
trainer.train()

あなたは今、トレーナーをさらにカスタマイズする必要があることに気づいた:

  • をカスタマイズする loss function.
  • 追加 callback Googleドライブにモデルをアップロードする。 epochs その方法はこうだ:
from ultralytics.models.yolo.detect import DetectionTrainer
from ultralytics.nn.tasks import DetectionModel


class MyCustomModel(DetectionModel):
    def init_criterion(self):
        ...


class CustomTrainer(DetectionTrainer):
    def get_model(self, cfg, weights):
        return MyCustomModel(...)


# callback to upload model weights
def log_model(trainer):
    last_weight_path = trainer.last
    print(last_weight_path)


trainer = CustomTrainer(overrides={...})
trainer.add_callback("on_train_epoch_end", log_model)  # Adds to existing callback
trainer.train()

コールバックのトリガーイベントとエントリーポイントについて詳しくは、コールバックガイドをご覧ください。

その他のエンジン部品

同様にカスタマイズできる他のコンポーネントもある。 Validators そして Predictors.これらの詳細については、「参考文献」のセクションを参照のこと。



作成日:2023-11-12 更新日:2024-02-03
作成者:glenn-jocher(4),chr043416@gmail.com(1),AyushExel(1),Laughing-q(1)

コメント