YOLOv5 AWSディープラーニングインスタンスで🚀：完全ガイド
高性能なディープラーニング環境を構築することは、初心者にとって大変なことですが、心配はいりません！🛠️ このガイドでは、YOLOv5 を AWS Deep Learning インスタンスで稼働させるプロセスを説明します。Amazon Web Services (AWS)のパワーを活用することで、機械学習を始めたばかりの人でも、迅速かつコスト効率よく始めることができます。AWSプラットフォームのスケーラビリティは、実験と本番導入の両方に最適です。
YOLOv5 のクイックスタート・オプションには、他にも以下のものがあります。 コラボ・ノートブック 
, GCPディープラーニングVMで、Dockerイメージは ドッカー・ハブ 
ステップ 1: AWS コンソールのサインイン
アカウントを作成するか、https://aws.amazon.com/console/、AWSコンソールにサインインすることから始める。ログインしたら、管理するEC2サービスを選択し、インスタンスをセットアップする。
ステップ 2: インスタンスの起動
EC2のダッシュボードには、新しい仮想サーバーを作成するための入り口となる「Launch Instance」ボタンがある。
適切なアマゾン・マシン・イメージ（AMI）の選択
ここで、インスタンスのオペレーティング・システムとソフトウェア・スタックを選択する。検索フィールドに「Deep Learning」と入力し、ニーズがそうでない場合を除き、最新のUbuntuベースのDeep Learning AMIを選択する。AmazonのDeep Learning AMIには、一般的なフレームワークとGPU ドライバがプリインストールされており、セットアップ・プロセスを効率化できる。
インスタンス・タイプの選択
ディープラーニングのタスクでは、GPU インスタンスタイプを選択することが一般的に推奨される。インスタンス・サイズの考慮については、モデルのメモリ要件がインスタンスが提供できるものを決して超えてはならないことを覚えておいてください。
注意：インスタンスを選択する際には、モデルのサイズを考慮する必要があります。モデルがインスタンスの利用可能なRAMを超える場合は、アプリケーションに十分なメモリを持つ別のインスタンスタイプを選択してください。
利用可能なGPU インスタンスタイプの一覧は、EC2インスタンスタイプの「Accelerated Computing」を参照。
GPU モニタリングと最適化の詳細については、GPU モニタリングと最適化をご覧ください。価格については、オンデマンド価格と スポット価格を参照してください。
インスタンスの設定
Amazon EC2 Spot Instancesは、未使用のキャパシティを標準コストの数分の一で入札できるため、アプリケーションを実行するためのコスト効率の高い方法を提供します。Spot Instanceがダウンしてもデータを保持する永続的なエクスペリエンスについては、永続的なリクエストを選択してください。
起動する前に、ステップ4-7で必要に応じてインスタンス設定とセキュリティ設定の残りの部分を調整することを忘れないように。
ステップ3：インスタンスに接続する
インスタンスが実行されたら、そのチェックボックスを選択し、ConnectをクリックしてSSH情報にアクセスします。表示されたSSHコマンドをお好みのターミナルで使用し、インスタンスへの接続を確立します。
ステップ4：ランニングYOLOv5
インスタンスにログインして、YOLOv5 リポジトリをクローンし、Python 3.8 以降の環境に依存関係をインストールする準備ができました。YOLOv5モデルとデータセットは自動的に最新リリースからダウンロードされます。
git clone https://github.com/ultralytics/yolov5 # clone repository
cd yolov5
pip install -r requirements.txt # install dependencies
環境のセットアップが完了したら、トレーニング、検証、推論の実行、YOLOv5 モデルのエクスポートを開始できます：
# Train a model on your data
python train.py
# Validate the trained model for Precision, Recall, and mAP
python val.py --weights yolov5s.pt
# Run inference using the trained model on your images or videos
python detect.py --weights yolov5s.pt --source path/to/images
# Export the trained model to other formats for deployment
python export.py --weights yolov5s.pt --include onnx coreml tflite
オプション
大規模なデータセットの救世主となるスワップ・メモリを追加するには、以下を実行する：
sudo fallocate -l 64G /swapfile # allocate 64GB swap file
sudo chmod 600 /swapfile # modify permissions
sudo mkswap /swapfile # set up a Linux swap area
sudo swapon /swapfile # activate swap file
free -h # verify swap memory
それで終わりです！これで AWS Deep Learning インスタンスの作成とYOLOv5 の実行は完了です。オブジェクト検出を始めたばかりでも、本番用にスケールアップする場合でも、このセットアップは機械学習の目標を達成するのに役立ちます。トレーニング、検証、デプロイを楽しんでください！もし途中で何か問題が発生した場合は、AWS のドキュメントとUltralytics コミュニティがサポートします。
