総合ガイドUltralytics YOLOv5
Ultralytics' へようこそ YOLOv5🚀 ドキュメンテーション！YOLOv5革命的な "You Only Look Once"（一度しか見ない）物体検出モデルの5番目の反復は、リアルタイムで高速、高精度の結果を提供するように設計されています。
PyTorch 上に構築されたこの強力なディープラーニングフレームワークは、その多用途性、使いやすさ、高性能で絶大な人気を集めています。当社のドキュメントは、インストールプロセスのガイド、モデルのアーキテクチャのニュアンスの説明、さまざまな使用例の紹介、および一連の詳細なチュートリアルを提供します。これらのリソースは、あなたのコンピュータビジョンプロジェクトのためにYOLOv5 の可能性を最大限に活用するのに役立ちます。さっそく始めましょう！
探索と学習
ここでは、YOLOv5 のさまざまな側面をガイドする包括的なチュートリアルのコンパイルです。
- カスタムデータをトレーニングする 🚀 RECOMMENDED: カスタムデータセットでYOLOv5 モデルをトレーニングする方法を学ぶ。
- 最高のトレーニング結果を得るためのヒント☘️：モデルトレーニングプロセスを最適化するための実践的なヒントをご覧ください。
- マルチGPUトレーニング：複数のGPUを活用してトレーニングを促進する方法を理解します。
- PyTorch ハブ🌟 NEW:PyTorch ハブを介して事前にトレーニングされたモデルをロードすることを学ぶ。
- TFLite,ONNX,CoreML,TensorRT Export🚀：モデルを様々なフォーマットにエクスポートする方法を理解します。
- NVIDIA Jetsonプラットフォームのデプロイメント🌟 NEW:YOLOv5 モデルをNVIDIA Jetsonプラットフォームにデプロイする方法を学びます。
- テストタイム・オーグメンテーション（TTA）：TTAを使用してモデルの予測精度を向上させる方法を探ります。
- モデルのアンサンブルパフォーマンスを向上させるために複数のモデルを組み合わせる戦略を学びます。
- モデルの枝刈り/スパースプルーニングとスパース性の概念を理解し、より効率的なモデルを作成する方法を理解します。
- ハイパーパラメータの進化モデル性能を向上させるための自動化されたハイパーパラメータ・チューニングのプロセスをご覧ください。
- 凍結レイヤーによる転移学習：YOLOv5 でレイヤーを凍結して伝達学習を実装する方法を学ぶ。
- アーキテクチャー・サマリー🌟YOLOv5 モデルの構造的な詳細を掘り下げる。
- Roboflow データセットのために：Roboflow 、データセットの管理、ラベリング、アクティブラーニングに活用する方法を理解する。
- ClearML ロギング🌟ClearML を統合してモデルトレーニング中に効率的にロギングする方法を学びます。
- YOLOv5 withNeural Magic Neural Magic の Deepsparse を使って、YOLOv5 モデルを刈り込み、量子化する方法を発見する。
- Comet ロギング🌟 NEW:Comet を活用してモデルトレーニングのロギングを改善する方法を探ります。
対応環境
Ultralytics は、CUDAや CUDNNといった必要不可欠な依存関係がプリインストールされた、すぐに使えるさまざまな環境を提供します、 Pythonそして PyTorchなどの不可欠な依存関係がプリインストールされています。
- 無料GPUノートブック:
- グーグル・クラウド GCPクイックスタートガイド
- アマゾン AWSクイックスタートガイド
- Azure：AzureMLクイックスタートガイド
- ドッカー: Dockerクイックスタートガイド
プロジェクト状況
このバッジは、YOLOv5 GitHub ActionsContinuous Integration (CI) テストがすべて正常にパスしていることを示します。これらのCIテストは、トレーニング、検証、推論、エクスポート、ベンチマークといったさまざまな重要な側面にわたって、YOLOv5 の機能とパフォーマンスを厳密にチェックします。これらのテストは、macOS、Windows、Ubuntu上で、24時間ごとおよび新しいコミットごとに実施され、一貫した信頼性の高い動作を保証します。
つながり、貢献する
YOLOv5 でのあなたの旅は、孤独なものである必要はありません。GitHubの活気あるコミュニティに参加し、LinkedInでプロフェッショナルとつながり、Twitterで結果を共有し、YouTubeで教育リソースを見つけましょう。TikTokと Instagramで私たちをフォローして、より魅力的なコンテンツをお楽しみください。
貢献することに興味がありますか？コードの改善やバグ報告からドキュメントの更新まで、あらゆる形での貢献を歓迎します。詳しくはコントリビュート・ガイドラインをご覧ください。
私たちは、皆さんがYOLOv5 をどのように使うか、その革新的な方法を楽しみにしています。飛び込んで、実験して、あなたのコンピュータビジョンプロジェクトに革命を起こしましょう！🚀