Salta para o conteúdo

Ultralytics Modelos HUB

Ultralytics Os modelos HUB fornecem uma solução simplificada para treinar modelos de IA de visão em conjuntos de dados personalizados.

O processo é fácil de utilizar e eficiente, envolvendo uma criação simples em três passos e uma formação acelerada com base em Ultralytics YOLOv8 . As actualizações em tempo real das métricas do modelo estão disponíveis durante a formação, permitindo aos utilizadores monitorizar o progresso em cada passo. Uma vez concluída a formação, os modelos podem ser pré-visualizados e facilmente implementados em aplicações do mundo real. Portanto, o Ultralytics HUB oferece um sistema abrangente e simples para a criação, treinamento, avaliação e implantação de modelos.

Todo o processo de formação de um modelo está detalhado na nossa página de formação na nuvem.

Pré-visualização dos modelos

Modelo de comboio

Navega para a página Modelos clicando no botão Modelos na barra lateral.

O treinamento de um modelo usando o HUB é um processo de 4 etapas:

  • Executa o script de pré-requisitos: Executa os scripts fornecidos para preparar o ambiente virtual.
  • Fornece a API e inicia o treino: Quando o modelo estiver preparado, fornece a chave da API conforme as instruções e executa o bloco de código.
  • Verifica os resultados e as Métricas: Após uma execução bem sucedida, é fornecida uma ligação para a página Metrics (Métricas). Esta página oferece detalhes abrangentes sobre o modelo treinado, incluindo especificações, métricas de perda, informações sobre o conjunto de dados e distribuições de imagens. Além disso, a guia 'Implantar' fornece acesso à documentação do modelo treinado e aos detalhes da licença.
  • Testa o teu modelo: Ultralytics O HUB oferece testes utilizando imagens personalizadas, câmaras de dispositivos ou ligações para testar iPhone ou Android dispositivos.

Ultralytics Captura de ecrã da página inicial do HUB

Dica

Também podes treinar um modelo diretamente a partir da página inicial.

Ultralytics Captura de ecrã da página inicial do HUB com uma seta a apontar para o cartão Modelo de Comboio

Clica no botão " Train Model ", no canto superior direito da página, para abrir a caixa de diálogo "Train Model ".

A caixa de diálogo "Modelo de comboio " tem três passos simples:

1. Conjunto de dados

Selecciona o conjunto de dados para treino e clica em Continuar.

Ultralytics Captura de ecrã do HUB da caixa de diálogo Train Model com uma seta a apontar para um conjunto de dados e outra para o botão Continuar

2. Modelo

Escolhe o projeto, o nome do modelo e a arquitetura. Lê mais sobre as arquitecturas disponíveis na nossa YOLOv8 (e YOLOv5) documentação.

Clica em Continuar quando estiveres satisfeito com a configuração.

Ultralytics Captura de ecrã do HUB da caixa de diálogo "Modelo de comboio", com uma seta a apontar para a arquitetura de um modelo e outra para o botão "Continuar

Nota

Por defeito, o teu modelo utilizará um modelo pré-treinado (treinado no conjunto de dados COCO ) para reduzir o tempo de treino.

Estão disponíveis opções avançadas para modificar este comportamento.

Modelo de pré-visualização

Ultralytics O HUB oferece várias maneiras de visualizar modelos treinados.

Podes carregar uma imagem no cartão Teste, no separador Pré-visualização, para pré-visualizar o teu modelo.

Ultralytics Captura de ecrã do HUB do separador Pré-visualização (cartão de teste) na página Modelo

Utiliza a nossa API Ultralytics Cloud para executar sem esforço a inferência com o teu modelo personalizado.

Ultralytics Captura de ecrã do HUB do separador Pré-visualização (Ultralytics Cloud API card) dentro da página Modelo

Pré-visualiza o teu modelo em tempo real no teu dispositivo iOS ou Android, descarregando a nossa aplicação móvelUltralytics HUB.

Ultralytics Captura de ecrã do HUB do separador Implementar na página Modelo com uma seta a apontar para o cartão Pré-visualização em tempo real

Treina o modelo

Ultralytics O HUB oferece-te três opções de formação:

  • Ultralytics Cloud - Sabe mais sobre a formação através dapágina de formação Ultralytics Cloud
  • Google Colab
  • Traz o teu próprio agente

Treinar o modelo no Google Colab

Para iniciar a formação utilizando o Google Colab, segue as instruções no bloco de notas do Google Colab.

Abre em Colab

Captura de ecrã do Google Colab

Traz o teu próprio agente

Cria um ponto de extremidade da API através do Ultralytics HUB para treinar o Modelo localmente. Segue os passos fornecidos e acede aos detalhes do treino através da ligação gerada no terminal do Agente.

Captura de ecrã do teu próprio agente

Implantar modelo

Exporta o teu modelo para 13 formatos diferentes, incluindo ONNX, OpenVINO, CoreML, TensorFlow, Paddle, e mais.

Ultralytics Captura de ecrã do HUB do separador Implementar dentro da página Modelo com todos os formatos exportados

Partilhar modelo

Ultralytics A funcionalidade de partilha do HUB proporciona uma forma conveniente de partilhar modelos. Controla o acesso geral aos teus modelos, definindo-os como "Privados" ou "Não listados".

Navega até à página Modelo, abre o menu pendente de acções do modelo e clica na opção Partilhar.

Ultralytics Captura de ecrã do HUB da página Modelo com uma seta a apontar para a opção Partilhar

Define o acesso geral e clica em Guardar.

Ultralytics Captura de ecrã do HUB da caixa de diálogo Partilhar modelo com uma seta a apontar para o menu pendente e outra para o botão Guardar

Agora, qualquer pessoa com a ligação direta pode ver o teu modelo.

Dica

Copia facilmente a ligação do modelo apresentada na caixa de diálogo Partilhar modelo, clicando nela.

Ultralytics Captura de ecrã do HUB da caixa de diálogo Partilhar modelo com uma seta a apontar para a ligação do modelo

Editar e eliminar modelo

Navega até à página Modelo, abre o menu pendente de acções do modelo e clica na opção Editar para atualizar o modelo. Para eliminar o modelo, selecciona a opção Eliminar.

Ultralytics Captura de ecrã do HUB da página Modelo com uma seta a apontar para a opção Editar



Criado em 2023-11-12, Atualizado em 2024-04-15
Autores: glenn-jocher (7), priytosh-tripathi (1), sergiuwaxmann (1)

Comentários