Neptune 통한 실험 추적

Neptune MLOps를 위한 메타데이터 저장소로, 다수의 실험을 수행하는 팀을 위해 설계되었습니다. 모델 구축 메타데이터를 기록, 저장, 표시, 정리, 비교 및 쿼리할 수 있는 단일 공간을 제공합니다.

Ultralytics YOLO11 Neptune YOLO11 실험 추적을 Neptune . 이 통합을 Neptune 사용자 정의 로깅 코드를 작성하지 않고도 훈련 메트릭을 자동으로 기록하고, 모델 예측을 시각화하며, 모델 아티팩트를 저장할 수 있습니다.

주요 기능

• 자동화된 로깅: 박스 손실, 분류 손실, mAP 손실과 같은 핵심 훈련 지표를 자동으로 기록합니다. mAP.
• 이미지 시각화: 훈련 모자이크와 검증 예측을 Neptune 에서 직접 확인하세요.
• 모델 체크포인트: 훈련된 모델 가중치를 업로드하고 버전 관리하십시오 (best.pt훈련 종료 시 자동으로.
• 하이퍼파라미터 추적: 실험의 완전한 재현성을 보장하기 위해 모든 구성 매개변수를 기록합니다.
• 대화형 플롯: 혼동 행렬과 정밀도-재현율 곡선을 시각화하여 모델 성능을 분석합니다.

설치

Ultralytics Neptune 사용하려면 다음을 설치해야 합니다. neptune 클라이언트 패키지와 함께 ultralytics.

# Install the required packages
pip install ultralytics neptune

# Enable Neptune integration in Ultralytics settings
yolo settings neptune=True

구성

훈련을 시작하기 전에 로컬 환경을 Neptune 연결해야 합니다. Neptune API 토큰과 프로젝트 이름을 준비해야 합니다.

1. 자격 증명서를 받으세요

1. Neptune.ai에 로그인하세요.
2. 새 프로젝트를 생성하거나 기존 프로젝트를 선택하세요.
3. 사용자 메뉴로 이동하여 API 토큰을 받으세요.

2. 환경 변수 설정

신원 정보를 처리하는 가장 안전한 방법은 환경 변수를 이용하는 것입니다. Ultralytics Neptune YOLO 읽는다는 점에 유의하십시오. project 논증이며 사용하지 않는다 NEPTUNE_PROJECT전체 Neptune (예: workspace/name) 경유 project= 훈련 명령어에서 명시적으로 지정하지 않으면 Neptune 문자 그대로의 기본값을 사용하려 Neptune . "Ultralytics" 그리고 실행이 실패할 것입니다.

export NEPTUNE_API_TOKEN="your_long_api_token_here" # required

$Env:NEPTUNE_API_TOKEN = "your_long_api_token_here"  # required

import os

os.environ["NEPTUNE_API_TOKEN"] = "your_long_api_token_here"
os.environ["NEPTUNE_PROJECT"] = "your_workspace/your_project"

사용법

구성 완료 후 YOLO11 훈련을 시작할 수 있습니다. Neptune neptune 패키지가 설치되었으며 설정에 통합이 활성화되었습니다.

훈련 예시

from ultralytics import YOLO

# Load a model
model = YOLO("yolo11n.pt")

# Train the model
# Pass the Neptune project slug as the 'project' argument (workspace/name)
results = model.train(data="coco8.yaml", epochs=10, project="my-workspace/my-project", name="experiment-1")

# Train via CLI
# project must be the Neptune slug (workspace/name); otherwise run creation will fail
yolo train data=coco8.yaml epochs=10 project=my-workspace/my-project name=experiment-1

통합 이해하기

다음 다이어그램은 Ultralytics 파이프라인이 Neptune 상호작용하여 다양한 아티팩트와 메트릭을 Neptune 방식을 보여줍니다.

graph LR
    A[YOLO Training Loop] --> B{Neptune Callback}
    B -->|Log Scalars| C[Loss, mAP, LR]
    B -->|Log Images| D[Mosaics, Preds]
    B -->|Log Artifacts| E[Model Weights]
    B -->|Log Metadata| F[Hyperparameters]

    C --> G[Neptune Server]
    D --> G
    E --> G
    F --> G

    G --> H[Neptune Web Dashboard]

무엇이 기록되나요?

훈련 명령어를 실행하면 Neptune 기능이 자동으로 실행 시 다음 데이터 구조를 캡처합니다:

1. 구성/하이퍼파라미터: 모든 훈련 인자(에포크, lr0, 최적화기 등)는 구성 섹션 아래에 기록됩니다.
2. 구성/모델: 모델 아키텍처 및 정의.
3. 메트릭:
   • Train: box_loss, cls_loss, dfl_loss, lr (학습률).
   • 메트릭: precision, recall, mAP50, mAP50-95.
4. 이미지:
   • Mosaic데이터 증강을 보여주는 훈련 배치.
   • Validation검증 데이터에 대한 실제 라벨과 모델 예측값.
   • Plots: 혼동 행렬, 정밀도-재현율 곡선.
5. 중량최종 훈련된 모델 (best.pt)는 업로드됩니다. weights Neptune 의 폴더

고급 사용법

달리기 조직하기

표준 Ultralytics를 사용할 수 있습니다. project 및 name Neptune에서 실행을 구성하기 위한 인수들.

• project: 분명히 Neptune 슬러그일 거야 workspace/name; 이것이 콜백이 전달하는 것입니다 neptune.init_run.
• name: 특정 실행에 대한 식별자 역할을 합니다.

사용자 정의 로깅

자동 로깅과 함께 추가 사용자 정의 메트릭을 로깅해야 하는 경우 Neptune 인스턴스에 접근할 수 있습니다. Ultralytics 실행 라이프사이클을 내부적으로 처리하므로 특정 실행 객체에 접근하려면 트레이너 로직을 수정하거나 사용자 정의 콜백을 생성해야 합니다.

FAQ

Neptune 비활성화하려면 어떻게 해야 합니까?

설치하신 경우 neptune 그러나 특정 세션 또는 전체적으로 로깅을 비활성화하려면 YOLO 수정할 수 있습니다.

# Disable Neptune integration
yolo settings neptune=False

이미지가 업로드되지 않습니다. 문제가 무엇인가요?

네트웍이 Neptune 서버로의 연결을 허용하도록 설정하십시오. 또한 이미지 로깅은 일반적으로 특정 간격(예: 에포크 종료 시점 또는 훈련 종료 시점)에 수행됩니다. Ctrl+C일부 최종 결과물(예: 혼동 행렬이나 최적 모델 가중치)은 업로드되지 않을 수 있습니다.

특정 Neptune ID에 로그인할 수 있나요?

현재 통합 기능은 각 훈련 세션마다 자동으로 새 실행을 생성합니다. 기존 실행에 대한 로깅을 재개하려면 일반적으로 Python Neptune 수동으로 처리해야 하며, 이는 자동 통합 범위를 벗어납니다. 그러나 Ultralytics 로컬에서 훈련 재개를 Ultralytics , 이 경우 재개된 track Neptune 새 실행이 생성됩니다.

Neptune 모델 가중치는 어디에서 찾을 수 있나요?

Neptune 에서 다음으로 이동하십시오: 유물 또는 모든 메타데이터 섹션. 다음을 찾을 수 있습니다. weights 당신의 best.pt 배포를 위해 다운로드할 수 있는 파일입니다.

📅 생성 0 일 전 ✏️ 업데이트 0일 전

댓글