Краткое руководство по работе с модалами в Ultralytics

В данном руководстве представлено подробное введение в работу с Ultralytics на платформе Modal, включая бессерверную GPU и обучение моделей.

Что такое Modal?

Modal — это бессерверная облачная платформа для задач в области искусственного интеллекта и машинного обучения. Она автоматически обеспечивает развертывание, масштабирование и выполнение задач: вы пишете Python локально, а Modal запускает его в облаке с GPU . Благодаря этому платформа идеально подходит для запуска моделей глубокого обучения, таких как YOLO26, без необходимости управления инфраструктурой.

Что вы узнаете

• Настройка Modal и аутентификация
• Выполнение инференции YOLO26 на Modal
• Использование графических процессоров для ускорения инференса
• Обучение моделей YOLO26 на платформе Modal

Предварительные требования

• Учетная запись Modal (бесплатная регистрация на сайте modal.com)
• На вашем компьютере должен быть установлен Python .9 или более поздней версии

Установка

Установите Python Modal Python и пройдите аутентификацию:

pip install modal

modal token new

Запуск модели YOLO26 для инференса

Создайте новый Python с именем modal_yolo.py со следующим кодом:

"""
Modal + Ultralytics YOLO26 Quickstart
Run: modal run modal_yolo.py.
"""

import modal

app = modal.App("ultralytics-yolo")

image = modal.Image.debian_slim(python_version="3.11").apt_install("libgl1", "libglib2.0-0").pip_install("ultralytics")


@app.function(image=image)
def predict(image_url: str):
    """Run YOLO26 inference on an image URL."""
    from ultralytics import YOLO

    model = YOLO("yolo26n.pt")
    results = model(image_url)

    for r in results:
        print(f"Detected {len(r.boxes)} objects:")
        for box in r.boxes:
            print(f"  - {model.names[int(box.cls)]}: {float(box.conf):.2f}")


@app.local_entrypoint()
def main():
    """Test inference with sample image."""
    predict.remote("https://ultralytics.com/images/bus.jpg")

Запустить вывод:

modal run modal_yolo.py

Ожидаемый результат:

✓ Initialized. View run at https://modal.com/apps/your-username/main/ap-xxxxxxxx
✓ Created objects.
├── 🔨 Created mount modal_yolo.py
└── 🔨 Created function predict.
Downloading https://github.com/ultralytics/assets/releases/download/v8.4.0/yolo26n.pt to 'yolo26n.pt'...
Downloading https://ultralytics.com/images/bus.jpg to 'bus.jpg'...
image 1/1 /root/bus.jpg: 640x480 4 persons, 1 bus, 377.8ms
Speed: 5.8ms preprocess, 377.8ms inference, 0.3ms postprocess per image at shape (1, 3, 640, 480)

Detected 5 objects:
  - bus: 0.92
  - person: 0.91
  - person: 0.91
  - person: 0.87
  - person: 0.53
✓ App completed.

Вы можете отслеживать выполнение своих функций на панели инструментов Modal:

Использование GPU ускорения инференса

Добавьте GPU свою функцию, указав gpu :

@app.function(image=image, gpu="T4")  # Options: "T4", "A10G", "A100", "H100"
def predict_gpu(image_url: str):
    """Run YOLO26 inference on GPU."""
    from ultralytics import YOLO

    model = YOLO("yolo26n.pt")
    results = model(image_url)
    print(results[0].boxes)

Обучение модели YOLO26 на наборе данных Modal

Для обучения используйте GPU процессор GPU Modal Объемы для постоянного хранения. Создайте новый Python с именем train_yolo.py:

import modal

app = modal.App("ultralytics-training")

volume = modal.Volume.from_name("yolo-training-vol", create_if_missing=True)

image = modal.Image.debian_slim(python_version="3.11").apt_install("libgl1", "libglib2.0-0").pip_install("ultralytics")


@app.function(image=image, gpu="T4", timeout=3600, volumes={"/data": volume})
def train():
    """Train YOLO26 model on Modal."""
    from ultralytics import YOLO

    model = YOLO("yolo26n.pt")
    model.train(data="coco8.yaml", epochs=3, imgsz=640, project="/data/runs")


@app.local_entrypoint()
def main():
    train.remote()

Провести тренировку:

modal run train_yolo.py

Поздравляем! Вы успешно настроили Ultralytics на Modal. Для дальнейшего изучения:

• Ознакомьтесь с документацией по Ultralytics , чтобы узнать о расширенных функциях
• Узнайте о том, как обучать пользовательские модели с использованием собственных наборов данных
• Ознакомьтесь с документацией по Modal, чтобы узнать о расширенных возможностях платформы

Часто задаваемые вопросы

Как выбрать подходящий GPU задачи YOLO26?

Для задач инференса обычно достаточно и экономично использовать NVIDIA (16 ГБ). Для обучения или работы с более крупными моделями, такими как YOLO26x, рекомендуется использовать графические процессоры A10G или A100.

Сколько стоит запуск YOLO26 на платформе Modal?

Modal использует систему оплаты по секундам. Примерные тарифы: CPU 0,05 долл. США/час, T4 ~0,59 долл. США/час, A10G ~1,10 долл. США/час, A100 ~2,10 долл. США/час. Актуальные тарифы см. в прайс-листе Modal.

Могу ли я использовать свою собственную, специально обученную YOLO ?

Да! Загрузите пользовательские модели из модального объема:

model = YOLO("/data/my_custom_model.pt")

Дополнительные сведения об обучении пользовательских моделей см. в руководстве по обучению.

📅 Создано 0 дней назад ✏️ Обновлено 0 дней назад

Комментарии