Rastreamento e visualização de experimentos YOLO com Weights & Biases#

Modelos de detecção de objetos como o Ultralytics YOLO26 tornaram-se fundamentais em muitas aplicações de visão computacional. No entanto, treinar, avaliar e implantar esses modelos complexos traz vários desafios. Rastrear métricas-chave de treinamento, comparar variantes de modelos, analisar o comportamento do modelo e detectar problemas exige instrumentação e gerenciamento de experimentos significativos.

Este guia apresenta a integração do Ultralytics YOLO26 com o Weights & Biases para um rastreamento de experimentos aprimorado, salvamento de pontos de verificação de modelos e visualização do desempenho dos modelos. Ele também inclui instruções para configurar a integração, realizar o treinamento e visualizar os resultados usando os recursos interativos do Weights & Biases.

Weights & Biases#

Weights & Biases é uma plataforma de MLOps de ponta projetada para rastrear, visualizar e gerenciar experimentos de aprendizado de máquina. Ela apresenta registro automático de métricas de treinamento para total reprodutibilidade dos experimentos, uma interface interativa para análise de dados simplificada e ferramentas eficientes de gerenciamento de modelos para implantação em vários ambientes.

Treinamento do YOLO26 com Weights & Biases#

Podes usar o Weights & Biases para trazer eficiência e automação ao teu processo de treinamento do YOLO26. A integração permite-te rastrear experimentos, comparar modelos e tomar decisões baseadas em dados para melhorar os teus projetos de visão computacional.

Instalação#

Para instalar os pacotes necessários, execute:

# 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 instruções detalhadas e melhores práticas relacionadas ao processo de instalação, não deixe de conferir nosso YOLO26 Installation guide. Ao instalar os pacotes necessários para o YOLO26, caso encontre alguma dificuldade, consulte nosso Common Issues guide para soluções e dicas.

Configurando o Weights & Biases#

Após instalar os pacotes necessários, o próximo passo é configurar seu ambiente Weights & Biases. Isso inclui criar uma conta no Weights & Biases e obter a chave de API necessária para uma conexão tranquila entre seu ambiente de desenvolvimento e a plataforma W&B.

Comece inicializando o ambiente Weights & Biases no seu espaço de trabalho. Você pode fazer isso executando o comando a seguir e seguindo as instruções solicitadas.

import wandb

# Initialize your Weights & Biases environment
wandb.login(key="YOUR_API_KEY")

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

Uso: Treinando YOLO26 com Weights & Biases#

Antes de mergulhares nas instruções de uso para o treinamento do modelo YOLO26 com o Weights & Biases, certifica-te de conferir a variedade de modelos YOLO26 oferecidos pela Ultralytics. Isso ajudar-te-á a escolher o modelo mais adequado para os requisitos do teu projeto.

from ultralytics import YOLO

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

# Train and Fine-Tune the Model
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

Entendendo a saída#

Ao executar o trecho de código de uso acima, você pode esperar as seguintes saídas principais:

• A configuração de uma nova execução com seu ID exclusivo, indicando o início do processo de treinamento.
• Um resumo conciso da estrutura do modelo, incluindo o número de camadas e parâmetros.
• Atualizações regulares sobre métricas importantes, como perda de caixa (box loss), perda de classe (cls loss), perda de distância da caixa, precision, recall e mAP scores durante cada epoch de treinamento.
• No final do treinamento, são exibidas métricas detalhadas, incluindo a velocidade de inferência do modelo e métricas gerais de precisão.
• Links para o painel do Weights & Biases para análise detalhada e visualização do processo de treinamento, juntamente com informações sobre os locais dos arquivos de registro locais.

Visualizando o Painel do Weights & Biases#

Após executar o trecho de código de uso, você pode acessar o painel do Weights & Biases (W&B) através do link fornecido na saída. Este painel oferece uma visão abrangente do processo de treinamento do seu modelo com o YOLO26.

Principais Recursos do Painel do Weights & Biases#

• Rastreamento de Métricas em Tempo Real: Observa métricas como perda, precisão e pontuações de validação à medida que evoluem durante o treinamento, oferecendo insights imediatos para o ajuste do modelo. Vê como os experimentos são rastreados usando o Weights & Biases.

• Otimização de Hiperparâmetros: O Weights & Biases ajuda a afinar parâmetros críticos como taxa de aprendizado, tamanho do lote e mais, 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 comparações lado a lado de diferentes execuções de treinamento, essenciais para avaliar o impacto de várias configurações de modelo e entender quais mudanças melhoram o desempenho.

• Visualização do Progresso do Treinamento: Representações gráficas de métricas-chave fornecem uma compreensão intuitiva do desempenho do modelo ao longo das épocas. Vê como o Weights & Biases ajuda-te a visualizar os resultados de validação.

• Monitoramento de Recursos: Acompanhe o uso de CPU, GPU e memória para otimizar a eficiência do processo de treinamento e identificar possíveis gargalos em seu fluxo de trabalho.

• Gerenciamento de Artefatos de Modelo: Acesse e compartilhe pontos de verificação de modelos, facilitando a implementação e a colaboração com membros da equipe em projetos complexos.

Ao usar estes recursos, podes rastrear, analisar e otimizar eficazmente o treinamento do teu modelo YOLO26, garantindo o melhor desempenho e eficiência possíveis para as tuas tarefas de detecção de objetos.

Resumo#

Este guia ajudou-te a explorar a integração do Ultralytics YOLO com o Weights & Biases. Ele ilustra a capacidade desta integração para rastrear e visualizar eficientemente os resultados de treinamento e predição de modelos. Ao aproveitar os recursos poderosos do W&B, podes simplificar o teu fluxo de trabalho de aprendizado de máquina, tomar decisões baseadas em dados e melhorar o desempenho do teu modelo.

Para mais detalhes sobre o uso, visita a documentação oficial do Weights & Biases ou explora a apresentação de Soumik Rakshit do YOLO VISION 2023 sobre esta integração.

Além disso, certifica-te de conferir a página do guia de integração do Ultralytics para saber mais sobre diferentes integrações empolgantes como MLflow e Comet ML.

FAQ#