콘텐츠로 건너뛰기

AzureML 퀵스타트에서 Ultralytics YOLOv5 🚀

Microsoft Azure Machine Learning(AzureML)용 Ultralytics YOLOv5 퀵스타트 가이드에 오신 것을 환영합니다! 이 가이드는 가상 환경 생성부터 모델을 사용한 추론 실행 및 학습에 이르기까지 AzureML 컴퓨팅 인스턴스에서 YOLOv5를 설정하는 방법을 안내합니다.

Azure란 무엇입니까?

Azure는 Microsoft의 포괄적인 클라우드 컴퓨팅 플랫폼입니다. 컴퓨팅 성능, 데이터베이스, 분석 도구, 머신 러닝 기능 및 네트워킹 솔루션을 포함한 광범위한 서비스를 제공합니다. Azure를 통해 조직은 Microsoft에서 관리하는 데이터 센터를 통해 애플리케이션 및 서비스를 구축, 배포 및 관리할 수 있으므로 온프레미스 인프라에서 클라우드로 워크로드를 쉽게 마이그레이션할 수 있습니다.

Azure Machine Learning (AzureML)이란 무엇입니까?

Azure Machine Learning(AzureML)은 머신 러닝 모델을 개발, 학습 및 배포하도록 설계된 특수 클라우드 서비스입니다. 데이터 과학자 및 모든 기술 수준의 개발자에게 적합한 도구를 갖춘 협업 환경을 제공합니다. 주요 기능으로는 자동화된 머신 러닝(AutoML), 모델 생성을 위한 드래그 앤 드롭 인터페이스, ML 수명 주기에 대한 보다 세분화된 제어를 위한 강력한 Python SDK가 있습니다. AzureML은 애플리케이션에 예측 모델링을 포함하는 프로세스를 간소화합니다.

필수 조건

이 가이드를 따르려면 활성 Azure 구독AzureML 작업 영역에 대한 액세스 권한이 필요합니다. 작업 영역이 설정되어 있지 않은 경우 공식 Azure 설명서를 참조하여 작업 영역을 만드십시오.

Compute 인스턴스 생성

AzureML의 컴퓨팅 인스턴스는 데이터 과학자를 위한 관리형 클라우드 기반 워크스테이션을 제공합니다.

  1. AzureML 작업 공간으로 이동합니다.
  2. 왼쪽 창에서 Compute를 선택합니다.
  3. Compute instances 탭으로 이동하여 New를 클릭합니다.
  4. 학습 또는 추론에 필요한 사항을 고려하여 적절한 CPU 또는 GPU 리소스를 선택하여 인스턴스를 구성하십시오.

create-compute-arrow

터미널 열기

컴퓨팅 인스턴스가 실행되면 AzureML 스튜디오에서 직접 터미널에 액세스할 수 있습니다.

  1. 왼쪽 창에서 Notebooks 섹션으로 이동합니다.
  2. 상단 드롭다운 메뉴에서 컴퓨팅 인스턴스를 찾습니다.
  3. 파일 브라우저 아래의 터미널 옵션을 클릭하여 인스턴스에 대한 명령줄 인터페이스를 엽니다.

open-terminal-arrow

YOLOv5 설정 및 실행

이제 환경을 설정하고 Ultralytics YOLOv5를 실행해 보겠습니다.

1. 가상 환경을 만듭니다.

가상 환경을 사용하여 종속성을 관리하는 것이 가장 좋습니다. AzureML 컴퓨팅 인스턴스에 사전 설치된 Conda를 사용합니다. 자세한 Conda 설정 가이드는 Ultralytics Conda 퀵스타트 가이드를 참조하십시오.

Conda 환경 생성 (예: yolov5env) 특정 Python 버전으로 생성하고 활성화합니다:

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 저장소를 복제합니다.

Git을 사용하여 GitHub에서 공식 Ultralytics YOLOv5 리포지토리를 복제합니다.

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. 의존성 설치

다음에 나열된 필요한 Python 패키지를 설치합니다. requirements.txt 파일도 설치합니다. ONNX 모델 내보내기 기능을 제공합니다.

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

4. YOLOv5 작업 수행

설정이 완료되었으므로 이제 YOLOv5 모델을 학습, 검증하고 추론을 수행하며 내보낼 수 있습니다.

  • COCO128과 같은 데이터 세트에서 모델을 학습합니다. 자세한 내용은 학습 모드 설명서를 확인하세요.

    # 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
    
  • 유효성 검사: 정밀도, 재현율mAP와 같은 지표를 사용하여 학습된 모델의 성능을 검증합니다. 옵션은 유효성 검사 모드 가이드를 참조하십시오.

    # Validate the yolov5s model on the COCO128 validation set
    python val.py --weights yolov5s.pt --data coco128.yaml --img 640
    
  • 새 이미지 또는 비디오에서 추론을 실행합니다. 다양한 추론 소스에 대한 예측 모드 설명서를 살펴보십시오.

    # Run inference with yolov5s on sample images
    python detect.py --weights yolov5s.pt --source data/images --img 640
    
  • 배포를 위해 모델을 ONNX, TensorRT 또는 CoreML과 같은 다양한 형식으로 내보내기합니다. 내보내기 모드 가이드 및 ONNX 통합 페이지를 참조하십시오.

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

노트북 사용

대화형 경험을 선호하는 경우 AzureML Notebook 내에서 이러한 명령을 실행할 수 있습니다. Conda 환경에 연결된 사용자 지정 IPython 커널을 만들어야 합니다.

새 IPython 커널 생성

컴퓨팅 인스턴스 터미널에서 다음 명령을 실행합니다.

# 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)"

커널을 생성한 후 브라우저를 새로 고치십시오. 열거나 새로 만들 때 .ipynb 노트북 파일에서 오른쪽 상단의 커널 드롭다운 메뉴에서 새 커널("Python (yolov5env)")을 선택합니다.

노트북 셀에서 명령 실행

  • Python 셀: Python 셀의 코드는 선택된 항목을 사용하여 자동으로 실행됩니다. yolov5env 커널.

  • Bash 셀: 셸 명령을 실행하려면 다음을 사용하세요. %%bash 셀 시작 부분에 있는 magic 명령입니다. 각 bash 셀 내에서 Conda 환경을 활성화해야 합니다. bash 셀은 노트북 커널 환경 컨텍스트를 자동으로 상속하지 않습니다.

    %%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
    

축하합니다! AzureML에서 Ultralytics YOLOv5를 성공적으로 설정하고 실행했습니다. 추가 탐색을 위해 다른 Ultralytics 통합 또는 자세한 YOLOv5 설명서를 확인해 보십시오. 분산 학습 또는 모델 배포와 같은 고급 시나리오의 경우 AzureML 설명서가 유용할 수도 있습니다.



📅 1년 전에 생성됨 ✏️ 4개월 전에 업데이트됨

댓글