YOLO Vision 2026:

AzureML 上の Ultralytics YOLOv5 🚀 クイックスタート#

Microsoft Azure Machine Learning（AzureML）向け 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 コンピュートインスタンス上で YOLOv5 をセットアップする手順を説明します。

Azureとは何ですか？#

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、幅広いサービスを提供しています。Azure を使用すると、Microsoft が管理するデータセンターを介し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、オンプレミスインフラストラクチャからクラウドへのワークロード移行が容易になります。

Azure Machine Learning（AzureML）とは何ですか？#

Azure Machine Learning（AzureML）は、機械学習モデルの開発、トレーニング、デプロイ向けに設計された専門的なクラウドサービスです。データサイエンティストやあらゆるスキルレベルの開発者に適したツールを備えた、コラボレーション環境を提供します。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ース、ML ライフサイクルをより細かく制御できる強力な Python SDK などがあります。AzureML により、アプリケーションへの 予測モデリング の組み込みが簡単になります。

前提条件#

このガイドに従うには、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。ワークスペースをまだセットアップしていない場合は、公式の Azure ドキュメントを参照して作成してください。

コンピューティングインスタンスを作成する#

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ニーズに基づいて適切な CPU または GPU リソースを選択し、インスタンスを構成します。
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ると、AzureML Studio から直接その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でコンピュートインスタンスを見つけます。
  3. ファイルブラウザーの下にある 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 のターミナルを開くボタンの場所

YOLOv5 のセットアップと実行#

ここでは、環境をセットアップして Ultralytics YOLOv5 を実行します。

1. 仮想環境を作成する#

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。AzureML コンピュートインスタンスにあらかじめインストールされている Conda を使用します。Conda のセットアップ方法について詳しくは、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 バージョンを使用する 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

2. YOLOv5 リポジトリをクローンする#

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

3. 依存関係をインストールする#

requirements.txt ファイルに記載されている必要な Python パッケージをインストールします。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

4. YOLOv5 のタスクを実行する#

セットアップが完了したら、YOLOv5 モデルのトレーニング、検証、推論の実行、エクスポートができます。

  • COCO128 などのデータセットでモデルを トレーニング します。詳しくは 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

  • 適合率、再現率、mAP などのメトリクスを使用して、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。さまざまな推論ソースについては、予測モード のドキュメントを確認してください。

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

  • デプロイ用に、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 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

Notebook を使用する#

インタラクティブな操作を希望する場合は、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カーネルを作成する#

コンピュートインスタンスのターミナルで、次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、ブラウザーを更新します。.ipynb Notebook ファイルを開くか作成するときは、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 セルでコマンドを実行する#

  • Python セル: Python セルのコードは、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 セル内で Conda 環境をアクティベートしてください。Bash セルは Notebook のカーネル環境コンテキストを自動的に継承しないためです。

    %%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 上で Ultralytics YOLOv5 のセットアップと実行が正常に完了しました。さらに詳しく調べるには、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モデルのエンドポイントとしてのデプロイなど、高度なシナリオでは AzureML ドキュメントも役立ちます。

貢献者
RAraimbekovm2GLglenn-jocher1

コメント