Salta para o conteúdo

YOLOv5 🚀 na instância de aprendizagem profunda da AWS: O teu guia completo

Configurar um ambiente de aprendizagem profunda de alto desempenho pode ser assustador para os recém-chegados, mas não tenhas medo! 🛠️ Com este guia, vamos orientá-lo no processo de colocar o YOLOv5 em funcionamento em uma instância do AWS Deep Learning. Aproveitando o poder do Amazon Web Services (AWS), até mesmo os novatos em aprendizado de máquina podem começar de forma rápida e econômica. A escalabilidade da plataforma AWS é perfeita tanto para experimentação quanto para implantação de produção.

Outras opções de início rápido para YOLOv5 incluem o nosso Caderno de notas Colab Abre em Colab Abre no Kaggle, VM de aprendizagem profunda do GCPe a nossa imagem Docker em Docker Hub Docker Pulls.

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.

Consola

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.

Lança

Selecionando a imagem de máquina da Amazon (AMI) correta

É aqui que escolhes o sistema operativo e a pilha de software para a tua instância. Escreve "Deep Learning" no campo de pesquisa e selecciona a AMI de Deep Learning mais recente baseada em Ubuntu, a menos que as tuas necessidades ditem o contrário. As AMIs de Deep Learning da Amazon vêm pré-instaladas com frameworks populares e drivers de GPU para simplificar o teu processo de configuração.

Escolhe AMI

Selecionar um tipo de instância

Para tarefas de aprendizagem profunda, a seleção de um tipo de instância de 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 de GPU disponíveis, visita Tipos de Instância EC2, especificamente em Computação Acelerada.

Escolhe o tipo

Para obter mais informações sobre monitoramento e otimização de GPU, consulte Monitoramento e otimização de GPU. Para obter informações sobre preços, consulta 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.

Solicitação de ponto

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.

Liga-te

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

E pronto! 🎉 Criaste com sucesso uma instância do AWS Deep Learning e executaste YOLOv5. Quer estejas apenas a começar com a deteção de objectos ou a aumentar a escala para produção, esta configuração pode ajudar-te a atingir os teus objectivos de aprendizagem automática. Bom treinamento, validação e implantação! Se encontrares algum problema ao longo do caminho, a documentação robusta da AWS e a comunidade ativa Ultralytics estão aqui para te apoiar.



Criado em 2023-11-12, Atualizado em 2023-12-03
Autores: glenn-jocher (2)

Comentários