YOLOv5 🚀 na instância de aprendizagem profunda da AWS: O teu guia completo
Setting up a high-performance deep learning environment can be daunting for newcomers, but fear not! 🛠️ With this guide, we'll walk you through the process of getting YOLOv5 up and running on an AWS Deep Learning instance. By leveraging the power of Amazon Web Services (AWS), even those new to machine learning can get started quickly and cost-effectively. The AWS platform's scalability is perfect for both experimentation and production deployment.
Outras opções de início rápido para YOLOv5 incluem o nosso Caderno de notas Colab 
, VM de aprendizagem profunda do GCPe a nossa imagem Docker em Docker Hub 
Passo 1: Início de sessão na consola AWS
Começa por criar uma conta ou iniciar sessão na consola AWS em https://aws.amazon.com/console/. Uma vez iniciada a sessão, selecciona o serviço EC2 para gerir e configurar as tuas instâncias.
Passo 2: Lança a tua instância
No painel de controlo do EC2, encontra o botão Iniciar Instância, que é a porta de entrada para criar um novo servidor virtual.
Selecionando a imagem de máquina da Amazon (AMI) correta
Here's where you choose the operating system and software stack for your instance. Type 'Deep Learning' into the search field and select the latest Ubuntu-based Deep Learning AMI, unless your needs dictate otherwise. Amazon's Deep Learning AMIs come pre-installed with popular frameworks and GPU drivers to streamline your setup process.
Escolher um tipo de instância
Para tarefas de aprendizagem profunda, a seleção de um tipo de instância GPU é geralmente recomendada, pois pode acelerar muito o treinamento do modelo. Para considerações sobre o tamanho da instância, lembra-te de que os requisitos de memória do modelo nunca devem exceder o que a tua instância pode fornecer.
Nota: O tamanho do teu modelo deve ser um fator na seleção de uma instância. Se o teu modelo exceder a RAM disponível de uma instância, selecciona um tipo de instância diferente com memória suficiente para a tua aplicação.
Para obter uma lista dos tipos de instância GPU disponíveis, visita Tipos de Instância EC2, especificamente em Computação Acelerada.
Para mais informações sobre a monitorização e otimização de GPU , consulta GPU Monitoring and Optimization. Para obter informações sobre preços, consulte Preços a pedido e Preços à vista.
Configurar a tua instância
As instâncias Spot do Amazon EC2 oferecem uma forma económica de executar aplicações, uma vez que permitem licitar capacidade não utilizada por uma fração do custo padrão. Para obter uma experiência persistente que retém os dados mesmo quando a Instância Spot é desligada, opta por um pedido persistente.
Lembra-te de ajustar o resto das definições da tua instância e as configurações de segurança, conforme necessário, nos Passos 4-7 antes de iniciares.
Passo 3: Ligar à tua instância
Quando a instância estiver em execução, selecciona a respectiva caixa de verificação e clica em Ligar para aceder às informações SSH. Utiliza o comando SSH apresentado no teu terminal preferido para estabelecer uma ligação à tua instância.
Etapa 4: Execução YOLOv5
Iniciando sessão na tua instância, estás agora pronto para clonar o repositório YOLOv5 e instalar dependências num ambiente Python 3.8 ou posterior. YOLOv5 Os modelos e os conjuntos de dados do teu programa serão transferidos automaticamente a partir da versão mais recente.
git clone https://github.com/ultralytics/yolov5 # clone repository
cd yolov5
pip install -r requirements.txt # install dependencies
Com o ambiente configurado, podes começar a treinar, validar, realizar inferência e exportar os modelos YOLOv5 :
# Train a model on your data
python train.py
# Validate the trained model for Precision, Recall, and mAP
python val.py --weights yolov5s.pt
# Run inference using the trained model on your images or videos
python detect.py --weights yolov5s.pt --source path/to/images
# Export the trained model to other formats for deployment
python export.py --weights yolov5s.pt --include onnx coreml tflite
Extras opcionais
Para adicionar mais memória swap, que pode ser um salvador para grandes conjuntos de dados, executa:
sudo fallocate -l 64G /swapfile # allocate 64GB swap file
sudo chmod 600 /swapfile # modify permissions
sudo mkswap /swapfile # set up a Linux swap area
sudo swapon /swapfile # activate swap file
free -h # verify swap memory
And that's it! 🎉 You've successfully created an AWS Deep Learning instance and run YOLOv5. Whether you're just starting with object detection or scaling up for production, this setup can help you achieve your machine learning goals. Happy training, validating, and deploying! If you encounter any hiccups along the way, the robust AWS documentation and the active Ultralytics community are here to support you.
