YOLOv5 🚀 no AzureML

O que é o Azure?

O Azure é a plataforma de computação em nuvem da Microsoft, projetada para ajudar as organizações a mover suas cargas de trabalho para a nuvem a partir de centros de dados locais. Com um espetro completo de serviços na nuvem, incluindo computação, bases de dados, análises, aprendizagem automática e redes, os utilizadores podem escolher entre estes serviços para desenvolver e dimensionar novas aplicações ou executar aplicações existentes na nuvem pública.

O que é o Azure Machine Learning (AzureML)?

O Azure Machine Learning, normalmente designado por AzureML, é um serviço de cloud totalmente gerido que permite aos cientistas de dados e aos programadores incorporar eficientemente a análise preditiva nas suas aplicações. O AzureML oferece uma variedade de serviços e capacidades destinados a tornar a aprendizagem automática acessível, fácil de utilizar e escalável, fornecendo funcionalidades como a aprendizagem automática, a formação de modelos de arrastar e largar e um SDK Python robusto.

Pré-requisitos

Antes de começar, precisa de um espaço de trabalho AzureML. Se não tiver um, pode criar um novo espaço de trabalho seguindo a documentação oficial do Azure.

Criar uma instância de computação

No seu espaço de trabalho AzureML, selecione Computação > Instâncias de computação > Novo e selecione a instância com os recursos de que necessita.

Abrir um terminal

Na vista Notebooks, abra um Terminal e selecione o seu computador.

Configurar e executar YOLOv5

Criar um ambiente virtual

Crie um ambiente conda com a sua versão preferida Python :

conda create --name yolov5env -y python=3.10
conda activate yolov5env
conda install pip -y

Clonar o repositório YOLOv5

Clonar o repositório YOLOv5 com os seus submódulos:

git clone https://github.com/ultralytics/yolov5
cd yolov5
git submodule update --init --recursive # You might see a message asking you to add your folder as a safe.directory

Instalar dependências

Instalar as dependências necessárias:

pip install -r requirements.txt
pip install onnx

Executar tarefas YOLOv5

Treinar o modelo YOLOv5 :

python train.py --data coco128.yaml --weights yolov5s.pt --img 640

Validar o modelo para Precisão, Recuperação e mAP:

python val.py --weights yolov5s.pt --data coco128.yaml

Executar inferência em imagens:

python detect.py --weights yolov5s.pt --source path/to/images

Exportar modelos para outros formatos (como ONNX):

python export.py --weights yolov5s.pt --include onnx

Utilizar um bloco de notas

Se preferir utilizar um bloco de notas em vez do terminal, terá de criar um novo Kernel e seleccioná-lo no topo do seu bloco de notas.

Criar um novo kernel IPython

A partir do seu terminal de computação:

conda create --name yolov5env -y python=3.10
conda activate yolov5env
conda install pip ipykernel -y
python -m ipykernel install --user --name yolov5env --display-name "yolov5env"

Quando criar células Python no seu bloco de notas, estas utilizarão automaticamente o seu ambiente personalizado. Para células bash , é necessário ativar o seu ambiente em cada célula:

%%bash
source activate yolov5env
python val.py --weights yolov5s.pt --data coco128.yaml

📅C riado há 1 ano ✏️ Atualizado há 8 dias

Comentários