Acompanhamento e visualização de experiências YOLO com Weights & Biases#

Modelos de deteção de objetos, como Ultralytics YOLO26, tornaram-se essenciais em muitas aplicações de visão por computador. No entanto, o treino, a avaliação e a implementação destes modelos complexos trazem vários desafios. Acompanhar as principais métricas de treino, comparar variantes dos modelos, analisar o comportamento dos modelos e detetar problemas exige instrumentação significativa e gestão de experiências.

Este guia apresenta a integração do Ultralytics YOLO26 com o Weights & Biases para melhorar o acompanhamento de experiências, a criação de pontos de controlo dos modelos e a visualização do desempenho dos modelos. Também inclui instruções para configurar a integração, treinar e visualizar resultados com as funcionalidades interativas do Weights & Biases.

Weights & Biases#

O Weights & Biases é uma plataforma de MLOps de ponta, concebida para acompanhar, visualizar e gerir experiências de aprendizagem automática. Inclui o registo automático de métricas de treino para garantir a reprodutibilidade completa das experiências, uma interface interativa para simplificar a análise de dados e ferramentas eficientes de gestão de modelos para a implementação em vários ambientes.

Treino do YOLO26 com Weights & Biases#

Podes usar o Weights & Biases para tornar o processo de treino do YOLO26 mais eficiente e automatizado. A integração permite acompanhar experiências, comparar modelos e tomar decisões baseadas em dados para melhorar os teus projetos de visão por computador.

Instalação#

Para instalar os pacotes necessários, executa:

# Install the required packages for Ultralytics YOLO and Weights & Biases
pip install -U ultralytics wandb

# Enable W&B logging for Ultralytics
yolo settings wandb=True

Para obter instruções detalhadas e boas práticas relacionadas com o processo de instalação, consulta o nosso guia de instalação do YOLO26. Se tiveres dificuldades ao instalar os pacotes necessários para YOLO26, consulta o nosso guia de problemas comuns para encontrar soluções e sugestões.

Configurar o Weights & Biases#

Depois de instalar os pacotes necessários, o próximo passo é configurar o teu ambiente Weights & Biases. Isto inclui criar uma conta no Weights & Biases e obter a chave API necessária para estabelecer uma ligação simples entre o teu ambiente de desenvolvimento e a plataforma W&B.

Começa por inicializar o ambiente Weights & Biases no teu espaço de trabalho. Para isso, executa o seguinte comando e segue as instruções apresentadas.

import wandb

# Inicializa o teu ambiente Weights & Biases
wandb.login(key="YOUR_API_KEY")

Acede à página de autorização do Weights & Biases para criar e obter a tua chave API. Usa esta chave quando te for pedido para autenticar o teu ambiente com o W&B.

Utilização: Treino do YOLO26 com Weights & Biases#

Antes de começares a seguir as instruções de utilização para treinar modelos YOLO26 com o Weights & Biases, consulta a variedade de modelos YOLO26 disponibilizados pela Ultralytics. Isto vai ajudar-te a escolher o modelo mais adequado aos requisitos do teu projeto.

from ultralytics import YOLO

# Carregar um modelo YOLO
model = YOLO("yolo26n.pt")

# Treina e ajusta o modelo
model.train(data="coco8.yaml", epochs=5, project="ultralytics", name="yolo26n")

Argumentos do W&B#

# Enable Weights & Biases logging
yolo settings wandb=True

# Disable Weights & Biases logging
yolo settings wandb=False

Compreender os resultados#

Ao executar o trecho de código de utilização acima, podes esperar os seguintes resultados principais:

• A configuração de uma nova execução com um ID exclusivo, que indica o início do processo de treino.
• Um resumo conciso da estrutura do modelo, incluindo o número de camadas e parâmetros.
• Atualizações regulares de métricas importantes, como a perda das caixas, a perda de classificação, a perda da distância das caixas, a precisão, a revocação e as pontuações mAP, durante cada época de treino.
• No fim do treino, são apresentadas métricas detalhadas, incluindo a velocidade de inferência do modelo e as métricas gerais de exatidão.
• Ligações para o painel do Weights & Biases, onde podes analisar e visualizar detalhadamente o processo de treino, juntamente com informações sobre as localizações dos ficheiros de registo locais.

Ver o painel do Weights & Biases#

Depois de executares o trecho de código de utilização, podes aceder ao painel do Weights & Biases (W&B) através da ligação fornecida na saída. Este painel oferece uma visão abrangente do processo de treino do teu modelo com YOLO26.

Principais funcionalidades do painel do Weights & Biases#

• Acompanhamento de métricas em tempo real: Observa métricas como a perda, a exatidão e as pontuações de validação à medida que evoluem durante o treino, obtendo informações imediatas para ajustar o modelo. Vê como as experiências são acompanhadas com o Weights & Biases.

• Otimização de hiperparâmetros: O Weights & Biases ajuda a ajustar parâmetros essenciais, como a taxa de aprendizagem, o tamanho do lote e outros, melhorando o desempenho do YOLO26. Isto ajuda-te a encontrar a configuração ideal para o teu conjunto de dados e tarefa específicos.

• Análise comparativa: A plataforma permite comparar lado a lado diferentes execuções de treino, o que é essencial para avaliar o impacto das várias configurações do modelo e perceber que alterações melhoram o desempenho.

• Visualização do progresso do treino: As representações gráficas das principais métricas permitem compreender intuitivamente o desempenho do modelo ao longo das épocas. Vê como o Weights & Biases te ajuda a visualizar os resultados da validação.

• Monitorização de recursos: Acompanha a utilização da CPU, da GPU e da memória para otimizar a eficiência do processo de treino e identificar possíveis estrangulamentos no teu fluxo de trabalho.

• Gestão de artefactos de modelos: Acede e partilha pontos de controlo dos modelos, facilitando a implementação e a colaboração com os membros da equipa em projetos complexos.

Com estas funcionalidades, podes acompanhar, analisar e otimizar eficazmente o treino do teu modelo YOLO26, garantindo o melhor desempenho e eficiência possíveis nas tuas tarefas de deteção de objetos.

Resumo#

Este guia ajudou-te a explorar a integração do Ultralytics YOLO com o Weights & Biases. Mostra como esta integração permite acompanhar e visualizar eficazmente o treino dos modelos e os resultados das previsões. Ao tirares partido das poderosas funcionalidades do W&B, podes simplificar o teu fluxo de trabalho de aprendizagem automática, tomar decisões baseadas em dados e melhorar o desempenho do teu modelo.

Para mais informações sobre a utilização, consulta a documentação oficial do Weights & Biases ou explora a apresentação de Soumik Rakshit sobre esta integração, apresentada no YOLO VISION 2023.

Além disso, consulta a página do guia de integrações da Ultralytics para saberes mais sobre outras integrações interessantes, como o MLflow e o Comet ML.

Perguntas frequentes#