Melhorar o rastreio e a visualização de experiências YOLO11 com Weights & Biases

Os modelos de deteção de objectos como Ultralytics YOLO11 tornaram-se parte integrante de muitas aplicações de visão por computador. No entanto, o treino, a avaliação e a implementação destes modelos complexos apresentam vários desafios. O acompanhamento das principais métricas de formação, a comparação das variantes do modelo, a análise do comportamento do modelo e a deteção de problemas requerem instrumentação significativa e gestão de experiências.

Ver: Como utilizar Ultralytics YOLO11 com Weights and Biases

Este guia apresenta a integração do Ultralytics YOLO11 com o Weights & Biases para um melhor acompanhamento das experiências, verificação de modelos e visualização do desempenho dos modelos. Inclui também instruções para configurar a integração, formação, afinação e visualização de resultados utilizando as funcionalidades interactivas do Weights & Biases.

Weights & Biases

Weights & Biases é uma plataforma MLOps de ponta concebida para acompanhar, visualizar e gerir experiências de aprendizagem automática. Inclui o registo automático de métricas de formação para uma reprodutibilidade total da experiência, uma interface de utilizador interactiva para uma análise de dados simplificada e ferramentas de gestão de modelos eficientes para implementação em vários ambientes.

YOLO11 Formação com Weights & Biases

Pode utilizar o Weights & Biases para aumentar a eficiência e a automatização do seu processo de formação YOLO11 .

Instalação

Para instalar os pacotes necessários, execute:

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

Para obter instruções detalhadas e melhores práticas relacionadas com o processo de instalação, consulte o nosso guia de instalaçãoYOLO11 . Ao instalar os pacotes necessários para YOLO11, se encontrar alguma dificuldade, consulte o nosso guia de Problemas comuns para obter soluções e dicas.

Configuração Weights & Biases

Depois de instalar os pacotes necessários, o próximo passo é configurar o seu ambiente Weights & Biases . Isto inclui a criação de uma conta Weights & Biases e a obtenção da chave API necessária para uma ligação sem problemas entre o seu ambiente de desenvolvimento e a plataforma W&B.

Comece por inicializar o ambiente Weights & Biases no seu espaço de trabalho. Pode fazê-lo executando o seguinte comando e seguindo as instruções apresentadas.

import wandb

# Initialize your Weights & Biases environment
wandb.login(key="<API_KEY>")

# Initialize your Weights & Biases environment
wandb login <API_KEY>

Navegue até à página de autorização Weights & Biases para criar e obter a sua chave API. Utilize esta chave para autenticar o seu ambiente com a W&B.

Utilização: Formação YOLO11 com Weights & Biases

Antes de se debruçar sobre as instruções de utilização para a formação do modelo YOLO11 com Weights & Biases, não se esqueça de consultar a gama de modelosYOLO11 oferecidos por Ultralytics. Isto ajudá-lo-á a escolher o modelo mais adequado aos requisitos do seu projeto.

from ultralytics import YOLO

# Load a YOLO model
model = YOLO("yolo11n.pt")

# Train and Fine-Tune the Model
model.train(data="coco8.yaml", epochs=5, project="ultralytics", name="yolo11n")

# Train a YOLO11 model with Weights & Biases
yolo train data=coco8.yaml epochs=5 project=ultralytics name=yolo11n

Argumentos W&B

# Enable Weights & Biases logging
wandb enabled

# Disable Weights & Biases logging
wandb disabled

Compreender o resultado

Ao executar o trecho de código de uso acima, você pode esperar os seguintes resultados principais:

• A configuração de uma nova execução com o seu ID único, indicando o início do processo de formação.
• Um resumo conciso da estrutura do modelo, incluindo o número de camadas e parâmetros.
• Actualizações regulares de métricas importantes, como perda de caixa, perda de cls, perda de dfl, precisão, recuperação e pontuações mAP durante cada época de treino.
• No final do treino, são apresentadas métricas detalhadas, incluindo a velocidade de inferência do modelo e métricas de precisão geral.
• Ligações para o painel de controlo Weights & Biases para uma análise e visualização aprofundadas do processo de formação, juntamente com informações sobre as localizações dos ficheiros de registo locais.

Visualizar o painel de controlo Weights & Biases

Depois de executar o snippet de código de utilização, pode aceder ao painel de controlo Weights & Biases (W&B) através da ligação fornecida na saída. Este painel de controlo oferece uma visão abrangente do processo de formação do seu modelo com YOLO11.

Principais caraterísticas do painel de controlo Weights & Biases

• Acompanhamento de métricas em tempo real: Observe métricas como perda, precisão e pontuações de validação à medida que evoluem durante o treinamento, oferecendo insights imediatos para o ajuste do modelo. Veja como as experiências são monitorizadas utilizando Weights & Biases.

• Otimização de hiperparâmetros: Weights & Biases ajuda a afinar parâmetros críticos como a taxa de aprendizagem, o tamanho do lote, etc., melhorando o desempenho de YOLO11.

• Análise comparativa: A plataforma permite comparações lado a lado de diferentes treinos, essenciais para avaliar o impacto de várias configurações de modelos.

• Visualização do progresso do treinamento: As representações gráficas das principais métricas fornecem uma compreensão intuitiva do desempenho do modelo ao longo das épocas. Veja como o Weights & Biases ajuda a visualizar os resultados da validação.

• Monitorização de recursos: Acompanhe CPU, GPU e a utilização de memória para otimizar a eficiência do processo de formação.

• Gestão de artefactos de modelos: Aceder e partilhar pontos de controlo de modelos, facilitando a implementação e a colaboração.

• Visualização de resultados de inferência com sobreposição de imagens: Visualize os resultados da previsão em imagens utilizando sobreposições interactivas em Weights & Biases, proporcionando uma visão clara e detalhada do desempenho do modelo em dados do mundo real. Para obter informações mais detalhadas sobre as capacidades de sobreposição de imagens do Weights & Biases', consulte esta ligação. Veja como as sobreposições de imagens do Weights & Biases' ajudam a visualizar as inferências do modelo.

Ao utilizar estas funcionalidades, pode acompanhar, analisar e otimizar eficazmente a formação do seu modelo YOLO11 , garantindo o melhor desempenho e eficiência possíveis.

Resumo

Este guia ajudou-o a explorar a integração do Ultralytics YOLO com o Weights & Biases. Ilustra a capacidade desta integração para seguir e visualizar eficazmente a formação do modelo e os resultados da previsão.

Para mais pormenores sobre a utilização, visite Weights & Biases' documentação oficial.

Além disso, não se esqueça de consultar a página do guia de integraçãoUltralytics , para saber mais sobre diferentes integrações interessantes.

FAQ

Como é que integro Weights & Biases com Ultralytics YOLO11 ?

Para integrar Weights & Biases com Ultralytics YOLO11 :

1. Instalar os pacotes necessários:

pip install -U ultralytics wandb

1. Inicie sessão na sua conta Weights & Biases :

import wandb

wandb.login(key="<API_KEY>")

1. Treine o seu modelo YOLO11 com o registo W&B ativado:

from ultralytics import YOLO

model = YOLO("yolo11n.pt")
model.train(data="coco8.yaml", epochs=5, project="ultralytics", name="yolo11n")

Isto irá registar automaticamente métricas, hiperparâmetros e artefactos de modelos no seu projeto W&B.

Quais são as principais caraterísticas da integração do Weights & Biases com o YOLO11?

As principais caraterísticas incluem:

• Acompanhamento de métricas em tempo real durante a formação
• Ferramentas de otimização de hiperparâmetros
• Análise comparativa de diferentes treinos
• Visualização do progresso da formação através de gráficos
• Monitorização dos recursos (CPU, GPU, utilização da memória)
• Gestão e partilha de artefactos de modelos
• Visualizar resultados de inferência com sobreposições de imagens

Estas funcionalidades ajudam a acompanhar as experiências, a otimizar os modelos e a colaborar mais eficazmente nos projectos YOLO11 .

Como posso ver o painel de controlo Weights & Biases para a minha formação YOLO11 ?

Depois de executar o seu guião de formação com integração W&B:

1. Será fornecida uma ligação para o seu painel de controlo W&B na saída da consola.
2. Clique na ligação ou vá a wandb.ai e inicie sessão na sua conta.
3. Navegue até ao seu projeto para ver métricas detalhadas, visualizações e dados de desempenho do modelo.

O painel de controlo oferece informações sobre o processo de formação do seu modelo, permitindo-lhe analisar e melhorar eficazmente os seus modelos YOLO11 .

Posso desativar o registo Weights & Biases para a formação YOLO11 ?

Sim, pode desativar o registo de W&B utilizando o seguinte comando:

wandb disabled

Para voltar a ativar o registo, utilize:

wandb enabled

Isto permite-lhe controlar quando pretende utilizar o registo W&B sem modificar os seus scripts de formação.

Como é que o Weights & Biases ajuda a otimizar os modelos YOLO11 ?

Weights & Biases ajuda a otimizar os modelos do YOLO11 :

1. Fornecer visualizações pormenorizadas das métricas de formação
2. Permite uma comparação fácil entre diferentes versões de modelos
3. Oferecer ferramentas para a afinação de hiperparâmetros
4. Permitir a análise colaborativa do desempenho do modelo
5. Facilitar a partilha fácil de artefactos e resultados do modelo

Estas funcionalidades ajudam os investigadores e os programadores a iterar mais rapidamente e a tomar decisões baseadas em dados para melhorar os seus modelos YOLO11 .

📅C riado há 11 meses ✏️ Atualizado há 1 mês

Comentários