Link to this sectionRastreamento de Experimentos com Neptune#

O Neptune é um repositório de metadados para MLOps, criado para equipes que executam muitos experimentos. Ele oferece um único lugar para registrar, armazenar, exibir, organizar, comparar e consultar todos os metadados de construção de modelos.

O Ultralytics YOLO26 integra-se ao Neptune para simplificar o rastreamento de experimentos. Essa integração permite que você registre automaticamente métricas de treinamento, visualize previsões de modelos e armazene artefatos de modelos sem escrever código de registro personalizado.

Link to this sectionPrincipais recursos#

• Registro Automatizado: Registre automaticamente métricas-chave de treinamento, como perda de caixa (box loss), perda de classificação e mAP.
• Visualização de Imagens: Veja mosaicos de treinamento e previsões de validação diretamente no painel do Neptune.
• Checkpoint de Modelo: Faça upload e controle a versão dos pesos do seu modelo treinado (best.pt) automaticamente ao final do treinamento.
• Rastreamento de Hiperparâmetros: Registre todos os parâmetros de configuração para garantir a reprodutibilidade total dos seus experimentos.
• Gráficos Interativos: Visualize matrizes de confusão e curvas de precisão-revocação para analisar o desempenho do modelo.

Link to this sectionInstalação#

Para usar o Neptune com Ultralytics, você precisará instalar o pacote de cliente neptune junto com ultralytics.

# Install the required packages
pip install ultralytics neptune

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

Link to this sectionConfiguração#

Antes de começar o treinamento, você precisa conectar seu ambiente local ao seu projeto Neptune. Você precisará do seu API Token e Project Name no painel do Neptune.

Link to this sectionObtenha suas credenciais#

1. Faça login em Neptune.ai.
2. Crie um novo projeto (ou selecione um existente).
3. Vá ao menu do usuário e obtenha seu API Token.

Link to this sectionDefina variáveis de ambiente#

A maneira mais segura de lidar com credenciais é por meio de variáveis de ambiente. Observe que o callback Neptune do Ultralytics lê o argumento YOLO project e não usa NEPTUNE_PROJECT. Passe o slug completo do Neptune (por exemplo, workspace/name) via project= no seu comando de treinamento; caso contrário, o Neptune tentará usar o padrão literal "Ultralytics" e a execução falhará.

export NEPTUNE_API_TOKEN="your_long_api_token_here" # required

Link to this sectionUtilização#

Uma vez configurado, você pode começar a treinar seus modelos YOLO26. A integração com o Neptune funciona automaticamente quando o pacote neptune está instalado e a integração está habilitada nas configurações.

Link to this sectionExemplo de Treinamento#

from ultralytics import YOLO

# Load a model
model = YOLO("yolo26n.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")

Link to this sectionEntendendo a integração#

O diagrama a seguir ilustra como o pipeline de treinamento Ultralytics interage com o Neptune para registrar vários artefatos e métricas.

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]

Link to this sectionO que é registrado?#

Ao executar o comando de treinamento, a integração com o Neptune captura automaticamente a seguinte estrutura de dados na sua execução:

1. Configuração/Hiperparâmetros: Todos os argumentos de treinamento (épocas, lr0, otimizador, etc.) são registrados na seção Configuration.
2. Configuração/Modelo: A arquitetura e definição do modelo.
3. Métricas:
   • Treino: box_loss, cls_loss, dfl_loss, lr (taxa de aprendizado).
   • Métricas: precision, recall, mAP50, mAP50-95.
4. Imagens:
   • Mosaic: Lotes de treinamento mostrando aumento de dados.
   • Validation: Rótulos de verdade fundamental (ground truth) e previsões do modelo em dados de validação.
   • Plots: Matrizes de confusão, curvas de precisão-revocação.
5. Pesos: O modelo treinado final (best.pt) é enviado para a pasta weights na execução do Neptune.

Link to this sectionUso avançado#

Link to this sectionOrganizando execuções#

Você pode usar os argumentos padrão project e name do Ultralytics para organizar suas execuções no Neptune.

• project: Deve ser o slug do projeto Neptune workspace/name; é o que o callback passa para neptune.init_run.
• name: Atua como o identificador para a execução específica.

Link to this sectionRegistro personalizado#

Se precisar registrar métricas personalizadas adicionais junto com o registro automático, você pode acessar a instância de execução do Neptune. Observe que você precisará modificar a lógica do treinador ou criar um callback personalizado para acessar o objeto de execução específico, pois a integração Ultralytics gerencia o ciclo de vida da execução internamente.

Link to this sectionFAQ#

Link to this sectionComo desativo o registro do Neptune?#

Se você instalou o neptune mas deseja desativar o registro para uma sessão específica ou globalmente, pode modificar as configurações do YOLO.

# Disable Neptune integration
yolo settings neptune=False

Link to this sectionMinhas imagens não estão sendo enviadas. O que há de errado?#

Certifique-se de que sua rede permita conexões com os servidores do Neptune. Além disso, o registro de imagens geralmente ocorre em intervalos específicos (por exemplo, final de épocas ou final do treinamento). Se você interromper o treinamento precocemente usando Ctrl+C, alguns artefatos finais, como matrizes de confusão ou os melhores pesos do modelo, podem não ser enviados.

Link to this sectionPosso registrar em um ID de execução específico do Neptune?#

A integração atual cria automaticamente uma nova execução para cada sessão de treinamento. Para retomar o registro em uma execução existente, você geralmente precisaria lidar com a inicialização do Neptune manualmente no código Python, o que está fora do escopo da integração automática. No entanto, o Ultralytics suporta a retomada do treinamento localmente, o que criará uma nova execução no Neptune para rastrear as épocas retomadas.

Link to this sectionOnde encontro os pesos do modelo no Neptune?#

No painel do Neptune, navegue até a seção Artifacts ou All Metadata. Você encontrará uma pasta weights contendo seu arquivo best.pt, que você pode baixar para implantação.