Meet YOLO26: next-gen vision AI.

Link to this sectionAzureMLにおけるUltralytics YOLOv5 🚀 クイックスタート#

Microsoft Azure Machine Learning (AzureML) でのUltralytics YOLOv5 クイックスタートガイドへようこそ！このガイドでは、AzureMLコンピュートインスタンス上にYOLOv5をセットアップし、仮想環境の作成からモデルのトレーニング、推論の実行までの手順を解説します。

Link to this sectionAzureとは？#

Azureは、Microsoftが提供する包括的なクラウドコンピューティングプラットフォームです。計算リソース、データベース、分析ツール、機械学習機能、ネットワークソリューションなど、非常に幅広いサービスを提供しています。Azureを活用することで、組織はMicrosoftが管理するデータセンターを通じてアプリケーションやサービスを構築・デプロイ・管理でき、オンプレミスのワークロードのクラウド移行を促進できます。

Link to this sectionAzure Machine Learning (AzureML) とは？#

Azure Machine Learning (AzureML) は、機械学習モデルの開発、トレーニング、デプロイ専用に設計されたクラウドサービスです。データサイエンティストや開発者がレベルを問わず利用できる、共同作業環境を提供します。主な機能には、自動機械学習 (AutoML)、モデル作成用のドラッグ＆ドロップインターフェース、MLライフサイクルを詳細に制御するための強力なPython SDKが含まれます。AzureMLは、予測モデリングをアプリケーションに組み込むプロセスを簡素化します。

Link to this section前提条件#

本ガイドを進めるには、有効なAzureサブスクリプションとAzureMLワークスペースへのアクセス権が必要です。ワークスペースが未設定の場合は、公式のAzureドキュメントを参照して作成してください。

Link to this sectionコンピュートインスタンスの作成#

AzureMLのコンピュートインスタンスは、データサイエンティスト向けのマネージドなクラウドベースのワークステーションを提供します。

  1. AzureMLワークスペースに移動します。
  2. 左ペインでComputeを選択します。
  3. Compute instancesタブに移動し、Newをクリックします。
  4. トレーニングや推論のニーズに応じて、適切なCPUまたはGPUリソースを選択してインスタンスを構成します。
Azure ML create compute instance interface

Link to this sectionターミナルを開く#

コンピュートインスタンスが実行中になったら、AzureMLスタジオから直接ターミナルにアクセスできます。

  1. 左ペインのNotebooksセクションに移動します。
  2. 上部のドロップダウンメニューから作成したコンピュートインスタンスを探します。
  3. ファイルブラウザの下にあるTerminalオプションをクリックして、インスタンスへのコマンドラインインターフェースを開きます。

Azure MLターミナルを開くボタンの位置

Link to this sectionYOLOv5のセットアップと実行#

それでは、環境をセットアップしてUltralytics YOLOv5を実行しましょう。

Link to this section仮想環境の作成#

依存関係を管理するために仮想環境を使用するのがベストプラクティスです。ここでは、AzureMLコンピュートインスタンスにプリインストールされているCondaを使用します。詳細なCondaセットアップガイドについては、UltralyticsのCondaクイックスタートガイドを参照してください。

特定のPythonバージョンを指定してConda環境（例: yolov5env）を作成し、アクティベートします：

conda create --name yolov5env -y python=3.10 # Create a new Conda environment
conda activate yolov5env                     # Activate the environment
conda install pip -y                         # Ensure pip is installed

Link to this sectionYOLOv5リポジトリのクローン#

Clone the official Ultralytics YOLOv5 repository from GitHub using Git:

git clone https://github.com/ultralytics/yolov5 # Clone the repository
cd yolov5                                       # Navigate into the directory
# Initialize submodules (if any, though YOLOv5 typically doesn't require this step)
# git submodule update --init --recursive

Link to this section依存関係のインストール#

requirements.txtファイルにリストされている必要なPythonパッケージをインストールします。また、モデルのエクスポート機能のためにONNXもインストールします。

pip install -r requirements.txt # Install core dependencies
pip install "onnx>=1.12.0"      # Install ONNX for exporting

Link to this sectionYOLOv5タスクの実行#

セットアップが完了すれば、YOLOv5モデルのトレーニング、検証、推論の実行、エクスポートが可能になります。

  • COCO128のようなデータセットでモデルをトレーニングします。詳細はトレーニングモードのドキュメントを確認してください。

    # Start training using yolov5s pretrained weights on the COCO128 dataset
python train.py --data coco128.yaml --weights yolov5s.pt --img 640 --epochs 10 --batch 16

  • Precision、Recall、mAPなどの指標を使用して、トレーニング済みモデルの性能を検証します。オプションについては検証モードガイドを参照してください。

    # Validate the yolov5s model on the COCO128 validation set
python val.py --weights yolov5s.pt --data coco128.yaml --img 640

  • 新しい画像や動画に対して推論を実行します。多様な推論ソースについては予測モードドキュメントを参照してください。

    # Run inference with yolov5s on sample images
python detect.py --weights yolov5s.pt --source data/images --img 640

  • デプロイのために、モデルをONNX、TensorRT、またはCoreMLなどのさまざまな形式にエクスポートします。エクスポートモードガイドとONNX統合ページを参照してください。

    # Export yolov5s to ONNX format
python export.py --weights yolov5s.pt --include onnx --img 640

Link to this sectionNotebookの使用#

対話型の操作を好む場合は、AzureML Notebook内でこれらのコマンドを実行できます。Conda環境にリンクされたカスタムIPythonカーネルを作成する必要があります。

Link to this section新しいIPythonカーネルの作成#

コンピュートインスタンスのターミナルで以下のコマンドを実行します：

# Ensure your Conda environment is active
# conda activate yolov5env

# Install ipykernel if not already present
conda install ipykernel -y

# Create a new kernel linked to your environment
python -m ipykernel install --user --name yolov5env --display-name "Python (yolov5env)"

カーネルを作成した後、ブラウザを更新します。.ipynbノートブックファイルを開くか作成する際に、右上のカーネルドロップダウンメニューから新しいカーネル（"Python (yolov5env)"）を選択してください。

Link to this sectionNotebookセルでのコマンド実行#

  • Pythonセル: Pythonセル内のコードは、選択したyolov5envカーネルを使用して自動的に実行されます。

  • Bashセル: シェルコマンドを実行するには、セルの先頭で%%bashマジックコマンドを使用します。各Bashセルはノートブックのカーネル環境のコンテキストを自動的に継承しないため、必ず各セル内でConda環境をアクティベートしてください。

    %%bash
source activate yolov5env # Activate environment within the cell

# Example: Run validation using the activated environment
python val.py --weights yolov5s.pt --data coco128.yaml --img 640

おめでとうございます！これでAzureML上でUltralytics YOLOv5のセットアップと実行に成功しました。さらに詳しく知りたい場合は、他のUltralytics統合や詳細なYOLOv5ドキュメントを確認してください。分散トレーニングやエンドポイントとしてのモデルデプロイなどの高度なシナリオについては、AzureMLドキュメントが役立ちます。

コントリビューター
GLglenn-jocher1

コメント