YOLOv5 🚀 Implementatie op Google Cloud Platform (GCP) Deep Learning Virtual Machine (VM) ⭐

De reis van kunstmatige intelligentie en machinaal leren kan opwindend zijn, vooral als je gebruik maakt van de kracht en flexibiliteit van een cloudplatform. Google Cloud Platform (GCP) biedt robuuste tools op maat voor liefhebbers en professionals op het gebied van machinaal leren. Een van die tools is de Deep Learning VM die vooraf is geconfigureerd voor data science en ML taken. In deze tutorial doorlopen we het proces van het instellen van YOLOv5 op een GCP Deep Learning VM. Of je nu je eerste stappen zet in ML of een doorgewinterde beoefenaar bent, deze handleiding is ontworpen om je een duidelijk pad te bieden voor het implementeren van objectdetectiemodellen op basis van YOLOv5.

🆓 Plus, als je een nieuwe gebruiker van GCP bent, heb je geluk met een gratis kredietaanbieding van $300 om je projecten een kickstart te geven.

Ontdek naast GCP ook andere toegankelijke snelstartopties voor YOLOv5, zoals onze Colaboekje voor een browser-gebaseerde ervaring, of de schaalbaarheid van Amazon AWS. Verder kunnen containerliefhebbers onze officiële Docker-image gebruiken op Docker hub voor een ingekapselde omgeving.

Stap 1: Uw VM voor diep leren maken en configureren

Laten we beginnen met het maken van een virtuele machine die is afgestemd op deep learning:

1. Ga naar de GCP marktplaats en selecteer de Deep Learning VM.
2. Kies voor een n1-standard-8 instance; deze biedt een balans van 8 vCPU's en 30 GB geheugen, ideaal voor onze behoeften.
3. Selecteer vervolgens een GPU. Dit hangt af van je werkbelasting; zelfs een basismodel zoals de Tesla T4 zal je modeltraining aanzienlijk versnellen.
4. Vink het vakje aan voor 'NVIDIA GPU stuurprogramma automatisch installeren bij eerste keer opstarten?' voor een probleemloze installatie.
5. Wijs een 300 GB SSD Persistent Disk toe om ervoor te zorgen dat je geen bottleneck krijgt bij I/O-bewerkingen.
6. Druk op 'Deploy' en laat GCP zijn magie doen bij het leveren van je aangepaste Deep Learning VM.

Deze VM wordt geleverd met een schat aan vooraf geïnstalleerde gereedschappen en frameworks, waaronder de Anaconda Python distributie, die handig alle benodigde afhankelijkheden voor YOLOv5 bundelt.

Stap 2: De VM gereedmaken voor YOLOv5

Na het instellen van de omgeving, laten we YOLOv5 aan de slag gaan:

# 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

Dit installatieproces zorgt ervoor dat je werkt met een Python omgeving versie 3.8.0 of nieuwer en PyTorch 1.8 of hoger. Onze scripts downloaden probleemloos modellen en datasets uit de nieuwste YOLOv5 versie, zodat je probleemloos kunt beginnen met modeltraining.

Stap 3: Je YOLOv5 modellen trainen en inzetten 🌐

Nu de installatie is voltooid, kun je aan de slag met training en inferentie met YOLOv5 op je GCP VM:

# 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

Met slechts een paar commando's kun je met YOLOv5 aangepaste objectdetectiemodellen trainen die zijn afgestemd op je specifieke behoeften, of vooraf getrainde gewichten gebruiken voor snelle resultaten bij een groot aantal taken.

Swapruimte toewijzen (optioneel)

Als je te maken hebt met grote datasets, overweeg dan om je GCP instance uit te breiden met 64 GB extra swapgeheugen:

sudo fallocate -l 64G /swapfile
sudo chmod 600 /swapfile
sudo mkswap /swapfile
sudo swapon /swapfile
free -h  # confirm the memory increment

Afsluitende gedachten

Gefeliciteerd! Je kunt nu de mogelijkheden van YOLOv5 benutten met de rekenkracht van Google Cloud Platform. Deze combinatie biedt schaalbaarheid, efficiëntie en veelzijdigheid voor je objectdetectietaken. Of het nu voor persoonlijke projecten, academisch onderzoek of industriële toepassingen is, je hebt een cruciale stap gezet in de wereld van AI en machine learning in de cloud.

Vergeet niet om je reis te documenteren, inzichten te delen met de Ultralytics gemeenschap en gebruik te maken van de samenwerkingsarena's zoals GitHub discussies om verder te groeien. Ga nu verder en innoveer met YOLOv5 en GCP! 🌟

Wil je je ML vaardigheden en kennis blijven verbeteren? Duik in onze documentatie en tutorials voor meer bronnen. Laat je AI-avontuur doorgaan!

Reacties