YOLOv5 🚀Google Cloud Platform (GCP) でのデプロイメント ディープラーニング仮想マシン (VM) ⭐.
Embarking on the journey of artificial intelligence and machine learning can be exhilarating, especially when you leverage the power and flexibility of a cloud platform. Google Cloud Platform (GCP) offers robust tools tailored for machine learning enthusiasts and professionals alike. One such tool is the Deep Learning VM that is preconfigured for data science and ML tasks. In this tutorial, we will navigate through the process of setting up YOLOv5 on a GCP Deep Learning VM. Whether you're taking your first steps in ML or you're a seasoned practitioner, this guide is designed to provide you with a clear pathway to implementing object detection models powered by YOLOv5.
さらに、GCPの新規ユーザーには、300ドルの無料クレジットが提供されます。
GCP 以外にも、YOLOv5 のクイックスタート・オプションがあります。 コラボ・ノートブック ブラウザベースのエクスペリエンスや、拡張性に優れた アマゾンAWS.さらに、コンテナ愛好家は、以下の公式 Docker イメージを利用できます。 ドッカー・ハブ カプセル化された環境のために。
Step 1: Create and Configure Your Deep Learning VM
まず、ディープ ラーニング用に調整された仮想マシンを作成しましょう。
- GCPマーケットプレイスに行き、Deep Learning VMを選択する。
- n1-standard-8インスタンスを選択する。これは8つのvCPUと30GBのメモリのバランスを提供し、我々のニーズに理想的である。
- Next, select a GPU. This depends on your workload; even a basic one like the T4 will markedly accelerate your model training.
- NVIDIA GPU ドライバを初回起動時に自動的にインストールしますか?
- I/Oオペレーションがボトルネックにならないように、300GBのSSD永続ディスクを割り当てます。
- Deploy」をクリックし、GCPにカスタムDeep Learning VMのプロビジョニングの魔法をかけよう。
この VM には、プリインストールされたツールやフレームワークの宝庫が搭載されており、その中にはAnaconda Python ディストリビューションも含まれています。このディストリビューションには、YOLOv5 に必要な依存関係がすべてバンドルされています。
ステップ2:VMの準備YOLOv5
環境のセットアップに続いて、YOLOv5 :
# Clone the YOLOv5 repository
git clone https://github.com/ultralytics/yolov5
# Change the directory to the cloned repository
cd yolov5
# Install the necessary Python packages from requirements.txt
pip install -r requirements.txt
This setup process ensures you're working with a Python environment version 3.8.0 or newer and PyTorch 1.8 or above. Our scripts smoothly download models and datasets rending from the latest YOLOv5 release, making it hassle-free to start model training.
ステップ3:YOLOv5 モデルの訓練と展開 🌐 ↪So_1F310 モデルの訓練と展開 🌐 ↪So_1F310 モデルの訓練と展開
セットアップが完了すれば、GCP VM上でYOLOv5 、トレーニングと推論を行う準備が整ったことになる:
# 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
With just a few commands, YOLOv5 allows you to train custom object detection models tailored to your specific needs or utilize pre-trained weights for quick results on a variety of tasks.
スワップ領域の割り当て(オプション)
膨大なデータセットを扱う場合は、GCPインスタンスに64GBのスワップ・メモリを追加することを検討してください:
sudo fallocate -l 64G /swapfile
sudo chmod 600 /swapfile
sudo mkswap /swapfile
sudo swapon /swapfile
free -h # confirm the memory increment
結びの言葉
Congratulations! You are now empowered to harness the capabilities of YOLOv5 with the computational prowess of Google Cloud Platform. This combination provides scalability, efficiency, and versatility for your object detection tasks. Whether for personal projects, academic research, or industrial applications, you have taken a pivotal step into the world of AI and machine learning on the cloud.
あなたの旅を記録し、Ultralytics コミュニティと洞察を共有し、GitHub のディスカッションのような共同作業の場を活用して、さらに成長することを忘れないでください。さあ、YOLOv5 とGCPでイノベーションを起こしてください!🌟
MLのスキルや知識を向上させ続けたいですか?ドキュメンテーションやチュートリアルで、より多くのリソースをご覧ください。AIの冒険を続けましょう!