Roboflow Conjuntos de dados
Agora podes utilizar Roboflow para organizar, rotular, preparar, versionar e alojar os teus conjuntos de dados para treinar modelos YOLOv5 🚀. Roboflow é gratuito para utilizar com YOLOv5 se tornares o teu espaço de trabalho público.
Concessão de licenças
Ultralytics oferece duas opções de licenciamento:
- A licençaAGPL-3.0 , uma licença de código aberto aprovada pela OSI, ideal para estudantes e entusiastas.
- A Licença Empresarial para empresas que pretendem incorporar os nossos modelos de IA nos seus produtos e serviços.
Para mais informações, consulta Ultralytics Licensing.
Carrega
Podes carregar os teus dados para Roboflow através da interface Web, da API REST ou do Python.
Etiquetagem
Depois de carregar os dados para Roboflow, podes etiquetar os teus dados e rever as etiquetas anteriores.
Criação de versões
Podes criar versões do teu conjunto de dados com diferentes opções de pré-processamento e de aumento offline. YOLOv5 faz aumentos online de forma nativa, por isso sê intencional quando colocares em camadas os aumentos offline do Roboflow.
Exportação de dados
Podes descarregar os teus dados no formato YOLOv5 para começares rapidamente a treinar.
from roboflow import Roboflow
rf = Roboflow(api_key="YOUR API KEY HERE")
project = rf.workspace().project("YOUR PROJECT")
dataset = project.version("YOUR VERSION").download("yolov5")
Formação personalizada
Lançámos um tutorial de formação personalizado que demonstra todas as capacidades acima referidas. Podes aceder ao código aqui:
Aprendizagem ativa
O mundo real é confuso e o teu modelo irá invariavelmente encontrar situações que o teu conjunto de dados não previu. A utilização da aprendizagem ativa é uma estratégia importante para melhorar iterativamente o conjunto de dados e o modelo. Com a integração de Roboflow e YOLOv5 , podes rapidamente fazer melhorias nas implementações do teu modelo, utilizando um pipeline de aprendizagem automática testado em combate.
Ambientes suportados
Ultralytics fornece uma gama de ambientes prontos a utilizar, cada um pré-instalado com dependências essenciais como CUDA, CUDNN, Python, e PyTorchpara dar início aos teus projectos.
- Portáteis GPU gratuitos:
- Google Cloud: Guia de início rápido do GCP
- Amazon: Guia de início rápido do AWS
- Azure: Guia de início rápido do AzureML
- Docker: Guia de início rápido do Docker
Estado do projeto
Este emblema indica que todos os testes de Integração Contínua (CI) do YOLOv5 GitHub Actions foram aprovados com êxito. Esses testes de CI verificam rigorosamente a funcionalidade e o desempenho do YOLOv5 em vários aspectos principais: treinamento, validação, inferência, exportação e benchmarks. Eles garantem uma operação consistente e confiável no macOS, Windows e Ubuntu, com testes realizados a cada 24 horas e a cada novo commit.