YOLOv5 AWSディープラーニングインスタンスで🚀：完全ガイド
Setting up a high-performance deep learning environment can be daunting for newcomers, but fear not! 🛠️ With this guide, we'll walk you through the process of getting YOLOv5 up and running on an AWS Deep Learning instance. By leveraging the power of Amazon Web Services (AWS), even those new to machine learning can get started quickly and cost-effectively. The AWS platform's scalability is perfect for both experimentation and production deployment.
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る。 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
Here's where you choose the operating system and software stack for your instance. Type 'Deep Learning' into the search field and select the latest Ubuntu-based Deep Learning AMI, unless your needs dictate otherwise. Amazon's Deep Learning AMIs come pre-installed with popular frameworks and GPU drivers to streamline your setup process.
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・サイズの検討については、モデルのメモリ要件は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
And that's it! 🎉 You've successfully created an AWS Deep Learning instance and run YOLOv5. Whether you're just starting with object detection or scaling up for production, this setup can help you achieve your machine learning goals. Happy training, validating, and deploying! If you encounter any hiccups along the way, the robust AWS documentation and the active Ultralytics community are here to support you.
