Elevando YOLO11 : simplifique o seu processo de registo com Comet
O logging de detalhes importantes do treinamento, como parâmetros, métricas, previsões de imagem e checkpoints do modelo, é essencial em machine learning—mantém seu projeto transparente, seu progresso mensurável e seus resultados repetíveis.
Assista: Como usar Comet registos e métricas de treinoYOLO Ultralytics 🚀
Ultralytics YOLO11 integra-se perfeitamente com Comet anteriormente Comet ), capturando e otimizando com eficiência todos os aspetos do processo de treino do seu modelode deteção de objetos YOLO11 . Neste guia, abordaremos o processo de instalação, Comet , insights em tempo real, registo personalizado e utilização offline, garantindo que YOLO11 seu YOLO11 seja completamente documentado e ajustado para obter resultados excepcionais.
Comet
Comet é uma plataforma para rastrear, comparar, explicar e otimizar modelos e experiências de aprendizagem automática. Permite registar métricas, parâmetros, meios de comunicação e muito mais durante o treino do modelo e monitorizar as experiências através de uma interface web esteticamente agradável. Comet os cientistas de dados a iterar mais rapidamente, melhora a transparência e a reprodutibilidade e auxilia no desenvolvimento de modelos de produção.
Aproveitando o poder do YOLO11 Comet
Ao combinar Ultralytics YOLO11 Comet, obtém uma série de benefícios. Estes incluem gestão simplificada de experiências, insights em tempo real para ajustes rápidos, opções de registo flexíveis e personalizadas e a capacidade de registar experiências offline quando o acesso à Internet é limitado. Esta integração permite-lhe tomar decisões baseadas em dados, analisar métricas de desempenho e alcançar resultados excecionais.
Instalação
Para instalar os pacotes necessários, execute:
Instalação
# Install the required packages for YOLO11 and Comet
pip install ultralytics comet_ml torch torchvision
Configurando Comet
Após instalar os pacotes necessários, você precisará se inscrever, obter uma Chave de API Comet e configurá-la.
Configurando Comet
# Set your Comet API Key
export COMET_API_KEY=YOUR_API_KEY
Em seguida, você pode inicializar seu projeto Comet. O Comet detectará automaticamente a chave da API e prosseguirá com a configuração.
Inicializar projeto Comet
import comet_ml
comet_ml.login(project_name="comet-example-yolo11-coco128")
Se estiver a usar um notebook Google Colab, o código acima irá pedir-lhe para inserir a sua chave de API para inicialização.
Utilização
Antes de se aprofundar nas instruções de uso, certifique-se de verificar a variedade de modelos YOLO11 oferecidos pela Ultralytics. Isso ajudará você a escolher o modelo mais adequado para os requisitos do seu projeto.
Utilização
from ultralytics import YOLO
# Load a model
model = YOLO("yolo11n.pt")
# Train the model
results = model.train(
data="coco8.yaml",
project="comet-example-yolo11-coco128",
batch=32,
save_period=1,
save_json=True,
epochs=3,
)
Após executar o código de treino, Comet uma experiência no seu Comet para track execução automaticamente. Em seguida, será fornecido um link para visualizar o registo detalhado do processo de treinoYOLO11 seu YOLO11 .
O Comet regista automaticamente os seguintes dados sem configuração adicional: métricas como mAP e perda, hiperparâmetros, checkpoints do modelo, matriz de confusão interativa e predições de bounding box de imagem.
Compreender o desempenho do seu modelo com Comet
Vamos mergulhar no que você verá no Comet assim que YOLO11 seu YOLO11 começar a ser treinado. O painel é onde toda a ação acontece, apresentando uma variedade de informações registradas automaticamente por meio de recursos visuais e estatísticas. Aqui está um rápido tour:
Painéis de Experimentos
A secção de painéis de experiências Comet organiza e apresenta as diferentes execuções e as suas métricas, tais como perda segment , perda de classe, precisão e precisão média.
Métricas
Na seção de métricas, você também tem a opção de examinar as métricas em formato de tabela, que é exibida em um painel dedicado, conforme ilustrado aqui.
Matriz de Confusão interativa
A matriz de confusão, encontrada na aba Matriz de Confusão, fornece uma forma interativa de avaliar a precisão de classificação do modelo. Ela detalha as previsões corretas e incorretas, permitindo que você entenda os pontos fortes e fracos do modelo.
Métricas do Sistema
Comet métricas do sistema para ajudar a identificar quaisquer gargalos no processo de treino. Inclui métricas como GPU , utilização GPU , CPU e utilização da RAM. Estas são essenciais para monitorizar a eficiência da utilização dos recursos durante o treino do modelo.
Personalizar Comet
Comet flexibilidade para personalizar o seu comportamento de registo através da definição de variáveis de ambiente. Estas configurações permitem-lhe adaptar Comet suas necessidades e preferências específicas. Aqui estão algumas opções de personalização úteis:
Logging de Previsões de Imagem
Você pode controlar o número de previsões de imagens que Comet durante os seus experimentos. Por padrão, Comet 100 previsões de imagens do conjunto de validação. No entanto, você pode alterar esse número para melhor atender às suas necessidades. Por exemplo, para registrar 200 previsões de imagens, use o seguinte código:
import os
os.environ["COMET_MAX_IMAGE_PREDICTIONS"] = "200"
Intervalo de Log de Lotes
Comet especificar a frequência com que os lotes de previsões de imagens são registados. O COMET_EVAL_BATCH_LOGGING_INTERVAL A variável de ambiente controla essa frequência. A configuração padrão é 1, que registra as previsões de cada lote de validação. Você pode ajustar este valor para registrar as previsões em um intervalo diferente. Por exemplo, defini-lo para 4 registrará as previsões de cada quarto lote.
import os
os.environ["COMET_EVAL_BATCH_LOGGING_INTERVAL"] = "4"
Desativando o Registro da Matriz de Confusão
Em alguns casos, você pode não querer registrar a matriz de confusão do seu conjunto de validação após cada época. Você pode desativar este recurso definindo o COMET_EVAL_LOG_CONFUSION_MATRIX variável de ambiente para "false". A matriz de confusão só será registrada uma vez, após a conclusão do treinamento.
import os
os.environ["COMET_EVAL_LOG_CONFUSION_MATRIX"] = "false"
Registo Offline
Se você se encontrar em uma situação em que o acesso à Internet é limitado, Comet uma opção de registro offline. Você pode definir o COMET_MODE variável de ambiente para «offline» para ativar esta funcionalidade. Os dados da sua experiência serão guardados localmente num diretório que poderá posteriormente carregar para Comet tiver ligação à Internet.
import os
os.environ["COMET_MODE"] = "offline"
Resumo
Este guia mostrou como integrar Comet YOLO11 Ultralytics. Da instalação à personalização, você aprendeu a otimizar o gerenciamento de experiências, obter insights em tempo real e adaptar o registo às necessidades do seu projeto.
Explore a documentação oficial YOLOv8 Comet YOLOv8 , que também se aplica aos YOLO11 .
Além disso, se você deseja se aprofundar nas aplicações práticas do YOLO11, especificamente para tarefas de segmentação de imagens, este guia detalhado sobre o ajuste fino YOLO11 Comet oferece informações valiosas e instruções passo a passo para melhorar o desempenho do seu modelo.
Além disso, para explorar outras integrações interessantes com a Ultralytics, consulte a página do guia de integração, que oferece uma riqueza de recursos e informações.
FAQ
Como integro Comet Ultralytics YOLO11 treinamento?
Para integrar Comet Ultralytics YOLO11, siga estas etapas:
Instale os pacotes necessários:
pip install ultralytics comet_ml torch torchvisionConfigurar sua Chave de API Comet:
export COMET_API_KEY=YOUR_API_KEYInicialize seu projeto Comet em seu código Python:
import comet_ml comet_ml.login(project_name="comet-example-yolo11-coco128")Treine seu modelo YOLO11 e registre as métricas:
from ultralytics import YOLO model = YOLO("yolo11n.pt") results = model.train( data="coco8.yaml", project="comet-example-yolo11-coco128", batch=32, save_period=1, save_json=True, epochs=3, )
Para obter instruções mais detalhadas, consulte a secçãoComet .
Quais são os benefícios de usar Comet YOLO11?
Ao integrar Ultralytics YOLO11 Comet, você pode:
- Monitorar insights em tempo real: Obtenha feedback instantâneo sobre seus resultados de treinamento, permitindo ajustes rápidos.
- Registre métricas extensivas: Capture automaticamente métricas essenciais, como mAP, perda, hiperparâmetros e checkpoints do modelo.
- Acompanhe experimentos offline: Registre suas execuções de treinamento localmente quando o acesso à internet não estiver disponível.
- Compare diferentes execuções de treino: use o Comet interativo Comet para analisar e comparar várias experiências.
Ao aproveitar esses recursos, pode otimizar os seus fluxos de trabalho de aprendizagem automática para obter melhor desempenho e reprodutibilidade. Para obter mais informações, aceda ao guiaComet .
Como personalizo o comportamento de registo do Comet YOLO11 ?
Comet uma ampla personalização do seu comportamento de registo utilizando variáveis de ambiente:
Altere o número de previsões de imagem registradas:
import os os.environ["COMET_MAX_IMAGE_PREDICTIONS"] = "200"Ajustar o intervalo de registro em lote:
import os os.environ["COMET_EVAL_BATCH_LOGGING_INTERVAL"] = "4"Desativar o registro da matriz de confusão:
import os os.environ["COMET_EVAL_LOG_CONFUSION_MATRIX"] = "false"
Consulte a secção Personalizar Comet para obter mais opções de personalização.
Como posso visualizar métricas detalhadas e visualizações do meu YOLO11 no Comet?
Assim que YOLO11 seu YOLO11 começar a ser treinado, poderá aceder a uma ampla variedade de métricas e visualizações no Comet do Comet . As principais funcionalidades incluem:
- Painéis de Experimentos: Visualize diferentes execuções e suas métricas, incluindo perda de máscara de segmentação, perda de classe e precisão média.
- Métricas: Examine as métricas em formato tabular para uma análise detalhada.
- Matriz de Confusão Interativa: Avalie a precisão da classificação com uma matriz de confusão interativa.
- Métricas do Sistema: Monitore a utilização da GPU e da CPU, o uso de memória e outras métricas do sistema.
Para obter uma visão geral detalhada desses recursos, aceda à secção Compreender o desempenho do seu modelo com Comet .
Posso usar Comet registo offline ao treinar YOLO11 ?
Sim, pode ativar o registo offline no Comet o COMET_MODE variável de ambiente para "offline":
import os
os.environ["COMET_MODE"] = "offline"
Esta funcionalidade permite-lhe registar os dados da sua experiência localmente, que podem ser posteriormente carregados para Comet houver ligação à Internet disponível. Isto é particularmente útil quando se trabalha em ambientes com acesso limitado à Internet. Para mais detalhes, consulte a secção Registo offline.
