YOLOv5 🚀 na instância de aprendizagem profunda da AWS: Seu guia completo
Configurar um ambiente de aprendizado profundo de alto desempenho pode ser assustador para os novatos, mas não tenha medo! 🛠️ Com este guia, vamos orientá-lo no processo de colocar o YOLOv5 em funcionamento em uma instância do AWS Deep Learning. Ao aproveitar 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 
, VM de aprendizagem profunda do GCPe a nossa imagem Docker em Centro de Docker 
Passo 1: Início de sessão na consola AWS
Comece por criar uma conta ou iniciar sessão na consola AWS em https://aws.amazon.com/console/. Uma vez iniciada a sessão, selecione o serviço EC2 para gerir e configurar as suas instâncias.
Passo 2: Iniciar a sua instância
No painel de controlo do EC2, encontrará o botão Iniciar Instância, que é a sua porta de entrada para criar um novo servidor virtual.
Selecionar a Imagem de Máquina Amazon (AMI) correta
É aqui que escolhe o sistema operativo e a pilha de software para a sua instância. Digite"Deep Learning" no campo de pesquisa e selecione a AMI de Deep Learning mais recente baseada em Ubuntu, a menos que as suas necessidades ditem o contrário. As AMIs de Deep Learning da Amazon vêm pré-instaladas com frameworks populares e drivers GPU para simplificar seu processo de configuração.
Seleção de um tipo de instância
Para tarefas de aprendizagem profunda, a seleção de um tipo de instância GPU é geralmente recomendada, uma vez que pode acelerar enormemente a formação do modelo. Para considerações sobre o tamanho da instância, lembre-se de que os requisitos de memória do modelo nunca devem exceder o que sua instância pode fornecer.
Nota: O tamanho do seu modelo deve ser um fator na seleção de uma instância. Se o seu modelo exceder a RAM disponível de uma instância, selecione um tipo de instância diferente com memória suficiente para a sua aplicação.
Para obter uma lista dos tipos de instância GPU disponíveis, visite Tipos de Instância EC2, especificamente em Computação Acelerada.
Para mais informações sobre a monitorização e otimização de GPU , consulte GPU Monitoring and Optimization. Para obter informações sobre preços, consulte On-Demand Pricing e Spot Pricing.
Configurar a sua instância
As instâncias Spot do Amazon EC2 oferecem uma forma económica de executar aplicações, uma vez que lhe permitem licitar capacidade não utilizada por uma fração do custo padrão. Para uma experiência persistente que retém os dados mesmo quando a Instância Spot é desactivada, opte por um pedido persistente.
Lembre-se de ajustar o resto das definições da instância e as configurações de segurança conforme necessário nos Passos 4-7 antes de iniciar.
Passo 3: Ligar à sua instância
Quando a sua instância estiver em execução, selecione a respectiva caixa de verificação e clique em Ligar para aceder às informações SSH. Utilize o comando SSH apresentado no seu terminal preferido para estabelecer uma ligação à sua instância.
Etapa 4: Execução YOLOv5
Com a sessão iniciada na sua instância, está agora pronto para clonar o repositório YOLOv5 e instalar dependências num ambiente Python 3.8 ou posterior. YOLOv5 Os modelos e conjuntos de dados do programa serão descarregados 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 seu ambiente configurado, pode começar a treinar, validar, efetuar inferências e exportar os seus 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, execute:
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 é isso! Você criou com sucesso uma instância do AWS Deep Learning e executou YOLOv5. Quer você esteja apenas começando com a deteção de objetos ou aumentando a escala para produção, essa configuração pode ajudá-lo a atingir seus objetivos de aprendizado de máquina. Bom treinamento, validação e implantação! Se você encontrar algum problema ao longo do caminho, a documentação robusta da AWS e a comunidade ativa Ultralytics estão aqui para ajudá-lo.
