Повышение эффективности YOLO11 : упростите процесс регистрации с помощью Comet

Q: What are the benefits of using Comet with YOLO11?

Интегрировав Ultralytics YOLO11 Comet, вы сможете: Используя эти функции, вы сможете оптимизировать рабочие процессы машинного обучения для повышения производительности и воспроизводимости. Для получения дополнительной информации посетите руководство Comet .

Q: How do I customize the logging behavior of Comet during YOLO11 training?

Comet широко настраивать поведение журналов с помощью переменных среды: Дополнительные параметры настройки см. в разделе «Настройка Comet ».

Q: Can I use Comet for offline logging when training YOLO11 models?

Да, вы можете включить автономную регистрацию в Comet переменную среды COMET в значение «offline»: Эта функция позволяет регистрировать данные эксперимента локально, которые позже можно загрузить в Comet будет доступно подключение к Интернету. Это особенно полезно при работе в средах с ограниченным доступом к Интернету. Для получения более подробной информации см. раздел «Автономная регистрация».

Логирование ключевых деталей обучения, таких как параметры, метрики, прогнозы изображений и контрольные точки модели, имеет важное значение в машинном обучении—это обеспечивает прозрачность вашего проекта, измеримость вашего прогресса и повторяемость ваших результатов.

Смотреть: Как использовать Comet журналов и метрик обученияYOLO Ultralytics 🚀

Ultralytics YOLO11 безупречно интегрируется с Comet ранее Comet ), эффективно фиксируя и оптимизируя каждый аспект процесса обучения вашей моделиобнаружения объектов YOLO11 . В этом руководстве мы рассмотрим процесс установки, Comet , аналитику в реальном времени, настраиваемую регистрацию и автономное использование, чтобы обеспечить тщательную документацию и точную настройку вашего YOLO11 для достижения выдающихся результатов.

Comet

Comet — это платформа для отслеживания, сравнения, объяснения и оптимизации моделей и экспериментов машинного обучения. Она позволяет регистрировать метрики, параметры, медиа и многое другое во время обучения модели и отслеживать эксперименты через эстетичный веб-интерфейс. Comet специалистам по данным быстрее выполнять итерации, повышает прозрачность и воспроизводимость, а также способствует разработке производственных моделей.

Использование мощности YOLO11 Comet

Объединяя Ultralytics YOLO11 Comet, вы получаете ряд преимуществ. К ним относятся упрощенное управление экспериментами, аналитика в режиме реального времени для быстрой корректировки, гибкие и настраиваемые параметры ведения журналов, а также возможность вести журналы экспериментов в автономном режиме при ограниченном доступе к Интернету. Эта интеграция позволяет вам принимать решения на основе данных, анализировать показатели производительности и достигать исключительных результатов.

Установка

Чтобы установить необходимые пакеты, выполните команду:

Установка

CLI

# Install the required packages for YOLO11 and Comet
pip install ultralytics comet_ml torch torchvision

Настройка Comet

После установки необходимых пакетов вам потребуется зарегистрироваться, получить ключ API Comet и настроить его.

Настройка Comet

CLI

# Set your Comet API Key
export COMET_API_KEY=YOUR_API_KEY

Затем вы можете инициализировать свой проект Comet. Comet автоматически обнаружит ключ API и продолжит настройку.

Инициализация проекта Comet

Python

import comet_ml

comet_ml.login(project_name="comet-example-yolo11-coco128")

Если вы используете блокнот Google Colab, приведенный выше код предложит вам ввести свой ключ API для инициализации.

Использование

Прежде чем углубляться в инструкции по использованию, обязательно ознакомьтесь с ассортиментом моделей YOLO11, предлагаемых Ultralytics. Это поможет вам выбрать наиболее подходящую модель для требований вашего проекта.

Использование

Python

from ultralytics import YOLO

# Load a model
model = YOLO("yolo11n.pt")

# Train the model
results = model.train(
    data="coco8.yaml",
    project="comet-example-yolo11-coco128",
    batch=32,
    save_period=1,
    save_json=True,
    epochs=3,
)

После запуска кода обучения Comet эксперимент в вашем Comet , чтобы автоматически track . Затем вам будет предоставлена ссылка для просмотра подробного журнала процесса обучения вашей YOLO11 .

Comet автоматически регистрирует следующие данные без дополнительной настройки: метрики, такие как mAP и loss, гиперпараметры, контрольные точки модели, интерактивную матрицу ошибок и прогнозы ограничивающих рамок изображений.

Понимание производительности вашей модели с помощью Comet

Давайте посмотрим, что вы увидите на Comet после начала обучения YOLO11 . Панель управления — это место, где происходит все самое интересное. Здесь отображается ряд автоматически регистрируемых сведений в виде визуальных элементов и статистических данных. Вот краткий обзор:

Панели экспериментов

Раздел «Экспериментальные панели» на Comet систематизирует и отображает различные запуски и их метрики, такие как потеря segment , потеря класса, точность и средняя средняя точность.

Comet

Метрики

В разделе метрик у вас есть возможность изучить метрики в табличном формате, который отображается на специальной панели, как показано здесь.

Comet

Интерактивная матрица ошибок

Матрица ошибок, расположенная на вкладке «Матрица ошибок», предоставляет интерактивный способ оценки точности классификации модели. В ней подробно описываются правильные и неправильные прогнозы, что позволяет понять сильные и слабые стороны модели.

Comet

Системные метрики

Comet системные метрики, чтобы помочь выявить любые узкие места в процессе обучения. Сюда входят такие метрики, как GPU , использование GPU , CPU и использование RAM. Они необходимы для мониторинга эффективности использования ресурсов во время обучения модели.

Comet

Настройка Comet

Comet гибкие возможности настройки ведения журналов путем установки переменных среды. Эти настройки позволяют адаптировать Comet вашим конкретным потребностям и предпочтениям. Вот несколько полезных параметров настройки:

Логирование прогнозов изображений

Вы можете контролировать количество прогнозов изображений, которые Comet во время ваших экспериментов. По умолчанию Comet 100 прогнозов изображений из набора валидации. Однако вы можете изменить это число в соответствии с вашими требованиями. Например, чтобы зарегистрировать 200 прогнозов изображений, используйте следующий код:

import os

os.environ["COMET_MAX_IMAGE_PREDICTIONS"] = "200"

Интервал пакетного логирования

Comet указать, как часто должны регистрироваться пакеты прогнозов изображений. COMET_EVAL_BATCH_LOGGING_INTERVAL среды контролирует эту частоту. Значение по умолчанию — 1, которое регистрирует прогнозы из каждого пакета проверки. Вы можете настроить это значение для регистрации прогнозов через другой интервал. Например, установка значения 4 будет регистрировать прогнозы из каждого четвертого пакета.

import os

os.environ["COMET_EVAL_BATCH_LOGGING_INTERVAL"] = "4"

Отключение логирования матрицы ошибок

В некоторых случаях вам может не потребоваться регистрировать матрицу ошибок из вашего набора проверки после каждой эпохи. Вы можете отключить эту функцию, установив для COMET_EVAL_LOG_CONFUSION_MATRIX переменной среды значение «false». Матрица ошибок будет зарегистрирована только один раз, после завершения обучения.

import os

os.environ["COMET_EVAL_LOG_CONFUSION_MATRIX"] = "false"

Автономное логирование

Если вы оказались в ситуации, когда доступ к Интернету ограничен, Comet возможность ведения журнала в автономном режиме. Вы можете установить COMET_MODE переменную среды в значение «offline», чтобы включить эту функцию. Данные вашего эксперимента будут сохранены локально в каталоге, который вы сможете позже загрузить в Comet появится доступ к Интернету.

import os

os.environ["COMET_MODE"] = "offline"

Обзор

В этом руководстве вы узнали, как интегрировать Comet YOLO11 Ultralytics. От установки до настройки — вы научились оптимизировать управление экспериментами, получать аналитическую информацию в режиме реального времени и адаптировать ведение журналов к потребностям вашего проекта.

Ознакомьтесь с официальной документациейComet YOLOv8 , которая также применима к YOLO11 .

Кроме того, если вы хотите глубже погрузиться в практическое применение YOLO11, в частности для задач сегментации изображений, это подробное руководство по тонкой настройке YOLO11 Comet содержит ценную информацию и пошаговые инструкции по повышению производительности вашей модели.

Кроме того, чтобы изучить другие интересные интеграции с Ultralytics, ознакомьтесь со страницей руководства по интеграции, которая предлагает множество ресурсов и информации.

Часто задаваемые вопросы

Как интегрировать Comet Ultralytics YOLO11 обучения?

Чтобы интегрировать Comet Ultralytics YOLO11, выполните следующие действия:

Установите необходимые пакеты:

pip install ultralytics comet_ml torch torchvision

Настройте свой Comet API Key:
```
export COMET_API_KEY=YOUR_API_KEY
```

Инициализируйте свой проект Comet в коде python:

import comet_ml

comet_ml.login(project_name="comet-example-yolo11-coco128")

Обучите свою модель YOLO11 и регистрируйте метрики:

from ultralytics import YOLO

model = YOLO("yolo11n.pt")
results = model.train(
    data="coco8.yaml",
    project="comet-example-yolo11-coco128",
    batch=32,
    save_period=1,
    save_json=True,
    epochs=3,
)

Более подробные инструкции см. в разделеComet ».

Каковы преимущества использования Comet YOLO11?

Интегрировав Ultralytics YOLO11 Comet, вы сможете:

Отслеживать аналитику в реальном времени: Получайте мгновенную обратную связь о результатах обучения, что позволяет быстро вносить коррективы.
Регистрация расширенных метрик: Автоматически фиксируйте важные метрики, такие как mAP, потери, гиперпараметры и контрольные точки модели.
Отслеживать эксперименты в автономном режиме: Регистрируйте свои запуски обучения локально, когда нет доступа к интернету.
Сравнивайте различные тренировочные прогоны: используйте интерактивную Comet для анализа и сравнения нескольких экспериментов.

Используя эти функции, вы можете оптимизировать рабочие процессы машинного обучения для повышения производительности и воспроизводимости. Для получения дополнительной информации посетите руководствоComet .

Как настроить ведение журнала Comet YOLO11 ?

Comet широко настраивать поведение ведения журнала с помощью переменных среды:

Изменить количество регистрируемых прогнозов изображений:
```
import os

os.environ["COMET_MAX_IMAGE_PREDICTIONS"] = "200"
```
Настроить интервал регистрации пакетов:
```
import os

os.environ["COMET_EVAL_BATCH_LOGGING_INTERVAL"] = "4"
```
Отключить протоколирование матрицы ошибок:
```
import os

os.environ["COMET_EVAL_LOG_CONFUSION_MATRIX"] = "false"
```

Дополнительные параметры настройки см. в разделе «Настройка Comet ».

Как просмотреть подробные метрики и визуализации моего YOLO11 на Comet?

Как только ваша YOLO11 начнет обучение, вы сможете получить доступ к широкому спектру метрик и визуализаций на Comet . Ключевые функции включают:

Панели экспериментов: Просматривайте различные запуски и их метрики, включая потери сегментной маски, потери класса и среднюю среднюю точность.
Метрики: Изучите метрики в табличном формате для детального анализа.
Интерактивная матрица ошибок: Оцените точность классификации с помощью интерактивной матрицы ошибок.
Системные метрики: Отслеживайте использование GPU и CPU, использование памяти и другие системные метрики.

Подробное описание этих функций см. в разделе «Понимание производительности вашей модели с помощью Comet ».

Можно ли использовать Comet автономного ведения журнала при обучении YOLO11 ?

Да, вы можете включить автономную регистрацию в Comet COMET_MODE переменную среды в значение "offline":

import os

os.environ["COMET_MODE"] = "offline"

Эта функция позволяет вам регистрировать данные эксперимента локально, которые позже можно будет загрузить в Comet появится доступ к Интернету. Это особенно полезно при работе в условиях ограниченного доступа к Интернету. Для получения более подробной информации обратитесь к разделу «Офлайн-регистрация ».

📅 Создано 2 года назад ✏️ Обновлено 18 дней назад