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・エンジンのエグ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):
"""Loads a custom detection model given configuration and weight files."""
...
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
callback10回ごとにモデルをGoogle ドライブにアップロードします。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):
"""Initializes the loss function and adds a callback for uploading the model to Google Drive every 10 epochs."""
...
class CustomTrainer(DetectionTrainer):
def get_model(self, cfg, weights):
"""Returns a customized detection model instance configured with specified config and weights."""
return MyCustomModel(...)
# callback to upload model weights
def log_model(trainer):
"""Logs the path of the last model weight used by the 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。
よくあるご質問
Ultralytics YOLOv8 DetectionTrainer を特定のタスク用にカスタマイズするには？
カスタマイズするにはUltralytics YOLOv8 DetectionTrainer のメソッドをオーバーライドして、カスタムモデルとデータローダに適応させることができます。まずは DetectionTrainer のようなメソッドを再定義する。 get_model を使用してカスタム機能を実装することができます。以下はその例です：
from ultralytics.models.yolo.detect import DetectionTrainer
class CustomTrainer(DetectionTrainer):
def get_model(self, cfg, weights):
"""Loads a custom detection model given configuration and weight files."""
...
trainer = CustomTrainer(overrides={...})
trainer.train()
trained_model = trainer.best # get best model
を変更するなど、さらにカスタマイズすることができます。 loss function または callbackをご参照ください。 コールバック・ガイド.
Ultralytics YOLOv8 のBaseTrainerの主なコンポーネントは何ですか？
について BaseTrainer Ultralytics YOLOv8 は、トレーニングルーチンの基盤として機能し、その汎用メソッドをオーバーライドすることで、さまざまなタスク用にカスタマイズすることができます。主なコンポーネントは以下の通りです：
get_model(cfg, weights)学習するモデルを構築する。get_dataloader()を使用してデータ・ローダーを構築する。
カスタマイズとソースコードの詳細については BaseTrainer 参考.
Ultralytics YOLOv8 DetectionTrainer にコールバックを追加するには？
コールバックを追加することで、以下のトレーニングプロセスを監視・変更することができる。Ultralytics YOLOv8 DetectionTrainer.例えば、トレーニング・エポックごとにモデルの重みを記録するコールバックを追加する方法を示します：
from ultralytics.models.yolo.detect import DetectionTrainer
# callback to upload model weights
def log_model(trainer):
"""Logs the path of the last model weight used by the trainer."""
last_weight_path = trainer.last
print(last_weight_path)
trainer = DetectionTrainer(overrides={...})
trainer.add_callback("on_train_epoch_end", log_model) # Adds to existing callbacks
trainer.train()
コールバックイベントとエントリーポイントの詳細については、コールバックガイドを参照してください。
モデルのトレーニングにUltralytics YOLOv8 を使うべき理由は？
Ultralytics YOLOv8 は、強力なエンジンエグゼキュータにハイレベルな抽象化を提供し、迅速な開発とカスタマイズに最適です。主な利点は以下の通りです：
- 使いやすさ：コマンドラインとPython の両方のインターフェイスは、複雑なタスクを簡素化します。
- パフォーマンスリアルタイムの物体検出や様々な視覚AIアプリケーションに最適化されています。
- カスタマイズ：カスタムモデル、損失関数、データローダを簡単に拡張可能。
YOLOv8 の機能については、以下をご覧ください。 Ultralytics YOLO.
Ultralytics YOLOv8 DetectionTrainer を標準モデル以外に使用できますか？
そうだ、Ultralytics YOLOv8 DetectionTrainer は柔軟性が高く、非標準モデル用にカスタマイズすることができる。を継承することで DetectionTrainerそのため、特定のモデルのニーズをサポートするために、さまざまなメソッドをオーバーロードすることができる。簡単な例を挙げよう：
from ultralytics.models.yolo.detect import DetectionTrainer
class CustomDetectionTrainer(DetectionTrainer):
def get_model(self, cfg, weights):
"""Loads a custom detection model."""
...
trainer = CustomDetectionTrainer(overrides={...})
trainer.train()
より包括的な説明と例については、DetectionTrainerのドキュメントを参照してください。