Acompanhamento e visualização de experiências YOLO com Weights & Biases#

Modelos de deteção de objetos, como o Ultralytics YOLO26, tornaram-se essenciais para muitas aplicações de visão computacional. No entanto, treinar, avaliar e implementar estes modelos complexos apresenta vários desafios. Acompanhar as principais métricas de treino, comparar variantes de modelos, analisar o comportamento dos modelos e detetar problemas requer instrumentação e gestão de experiências significativas.

Este guia demonstra a integração do Ultralytics YOLO26 com o Weights & Biases para melhorar o acompanhamento de experiências, o armazenamento de checkpoints de modelos e a visualização do desempenho dos modelos. Também inclui instruções para configurar a integração, realizar o treino e visualizar os resultados utilizando as funcionalidades interativas do Weights & Biases.

Weights & Biases#

O Weights & Biases é uma [plataforma de MLOps](https://ultralytics-translation-1.invalid de ponta, concebida para acompanhar, visualizar e gerir experiências de aprendizagem automática. Inclui o registo automático das métricas de treino para garantir a reprodutibilidade total das experiências, uma interface de utilizador interativa para uma análise de dados simplificada e ferramentas eficientes de gestão de modelos para implementação em vários ambientes.

Treino do YOLO26 com Weights & Biases#

Podes utilizar o Weights & Biases para trazer eficiência e automatização ao teu processo de treino do YOLO26. A integração permite acompanhar experiências, comparar modelos e tomar decisões baseadas em dados para melhorar os teus projetos de visão computacional.

Instalação#

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

Configurar o Weights & Biases#

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

Começa por inicializar o ambiente do Weights & Biases no teu espaço de trabalho. Podes fazê-lo executando o comando seguinte e seguindo as instruções apresentadas.

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. Utiliza esta chave quando te for solicitado autenticar o teu ambiente com o W&B.

Utilização: treinar o YOLO26 com Weights & Biases#

Antes de começares a utilizar as instruções para treinar modelos YOLO26 com o Weights & Biases, consulta a variedade de modelos YOLO26 disponibilizados pela Ultralytics. Isto ajudar-te-á a escolher o modelo mais adequado aos 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

Compreender o resultado#

Depois de executares o excerto de código de utilização acima, podes esperar os seguintes resultados principais:

• A configuração de uma nova execução com o seu ID exclusivo, indicando 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 final 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 para uma análise e visualização aprofundadas do processo de treino, juntamente com informações sobre as localizações dos ficheiros de registo locais.

Ver o painel do Weights & Biases#

Depois de executares o excerto de código de utilização, podes aceder ao painel do Weights & Biases (W&B) através da ligação fornecida no resultado. Este painel oferece uma visão abrangente do processo de treino do teu modelo com o 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 críticos, 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, algo essencial para avaliar o impacto de várias configurações do modelo e compreender que alterações melhoram o desempenho.

• Visualização do progresso do treino: As representações gráficas das principais métricas proporcionam uma compreensão intuitiva do desempenho do modelo ao longo das épocas. Vê como o Weights & Biases te ajuda a visualizar os resultados de validação.

• Monitorização de recursos: Acompanha a utilização de CPU, GPU e 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 checkpoints de modelos, facilitando a implementação e a colaboração com membros da equipa em projetos complexos.

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

Resumo#

Este guia ajudou-te a explorar a integração do Ultralytics YOLO com o Weights & Biases. Demonstra a capacidade desta integração para acompanhar e visualizar eficazmente os resultados do treino e das previsões dos modelos. Ao tirares partido das funcionalidades avançadas 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 obteres mais informações sobre a utilização, visita a documentação oficial do Weights & Biases ou consulta a apresentação de Soumik Rakshit da YOLO VISION 2023 sobre esta integração.

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

Perguntas frequentes#