YOLO Vision 2026:

AzureMLにおけるUltralytics YOLOv5 🚀 クイックスタート#

Microsoft Azure Machine Learning (AzureML) 向けの 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、仮想環境の作成からモデルのトレーニングおよび推論の実行まで、AzureML コンピューティングインスタンス上での YOLOv5 のセットアップ手順を順に説明します。

Azureとは？#

Azure は、Microsoft の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。コンピューティングパワー、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、多岐にわたるサービスを提供しています。Azure を利用することで、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の構築、デプロイ、管理を行うことができ、オンプレミスインフラストラクチャからクラウドへのワークロードの移行が容易になります。

Azure 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、デプロイ用に設計された特化型のクラウドサービスです。あらゆるスキルレベルのデータサイエンティストや開発者に適したツールを備えた、共同作業用の環境を提供します。主な機能には、自動機械学習 (AutoML)、モデル作成用のドラッグアンドドロップインターフェイス、ML ライフサイクルをよりきめ細かく制御するための強力な Python SDK が含まれます。AzureML により、アプリケーションへの予測モデリングの組み込みプロセスが簡素化されます。

前提条件#

この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が必要です。ワークスペースが設定されていない場合は、公式の Azure ドキュメントを参照して作成してください。

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. トレーニングまたは推論の要件に応じて適切な CPU または GPU リソースを選択し、インスタンスを設定します。
Azure ML create compute instance interface

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 open terminal button location

YOLOv5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。

仮想環境の作成#

依存関係を管理するには、仮想環境を使用することがベストプラクティスです。ここでは、AzureML コンピューティングインスタンスにプレインストールされている Conda を使用します。Conda の詳細な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、それをアクティブ化します:

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

YOLOv5リポジトリのクローン#

Git を使用して、公式の Ultralytics YOLOv5 リポジトリを GitHub からクローンします:

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

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

YOLOv5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 などのデータセットを使用して、モデルをトレーニングします。詳細については、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パフォーマンスを検証します。オプションについては、検証モードの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

  • 新しい画像または動画に対して推論を実行します。さまざまな推論ソースについては、予測モードのドキュメントをご覧ください。

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

  • デプロイに向けて、モデルを ONNX、TensorRT、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のガイドと ONNX 統合の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

Notebookの使用#

インタラクティブな操作を好む場合は、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。

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ら、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、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)") を選択します。

Notebookセルでのコマンド実行#

  • Python セル: Python セル内のコードは、選択された 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、各セル内で Conda 環境をアクティブ化することを忘れないでください。

    %%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！AzureML で Ultralytics YOLOv5 のセットアップと実行が成功しました。さらに探索するには、その他のUltralytics の統合や、詳細な YOLOv5 ドキュメントをご確認ください。また、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 ドキュメントも役立ちます。

貢献者
RAraimbekovm1GLglenn-jocher1

コメント