Link to this sectionОтслеживание экспериментов с помощью Neptune#

Neptune — это хранилище метаданных для MLOps, созданное для команд, которые проводят большое количество экспериментов. Оно предоставляет единое место для записи, хранения, отображения, организации, сравнения и поиска всех твоих метаданных о создании моделей.

Ultralytics YOLO26 интегрируется с Neptune для оптимизации отслеживания экспериментов. Эта интеграция позволяет автоматически записывать метрики обучения, визуализировать прогнозы модели и хранить артефакты модели без написания пользовательского кода для логирования.

Link to this sectionОсновные характеристики#

• Автоматическое логирование: автоматически записывай ключевые метрики обучения, такие как потеря на рамке (box loss), потеря классификации (classification loss) и mAP.
• Визуализация изображений: просматривай мозаики обучения и прогнозы валидации прямо на панели управления Neptune.
• Контрольные точки модели: автоматически загружай и контролируй версии весов твоей обученной модели (best.pt) по окончании обучения.
• Отслеживание гиперпараметров: записывай все параметры конфигурации, чтобы обеспечить полную воспроизводимость своих экспериментов.
• Интерактивные графики: визуализируй матрицы путаницы (confusion matrices) и кривые точности-полноты (precision-recall curves) для анализа производительности модели.

Link to this sectionУстановка#

Чтобы использовать Neptune с Ultralytics, тебе нужно установить клиентский пакет neptune вместе с ultralytics.

# Install the required packages
pip install ultralytics neptune

# Enable Neptune integration in Ultralytics settings
yolo settings neptune=True

Link to this sectionКонфигурация#

Перед началом обучения тебе нужно подключить локальную среду к твоему проекту Neptune. Тебе понадобятся API Token и Project Name с твоей панели управления Neptune.

Link to this sectionПолучи свои учетные данные#

1. Войди в Neptune.ai.
2. Создай новый проект (или выбери существующий).
3. Перейди в меню пользователя и получи свой API Token.

Link to this sectionУстанови переменные среды#

Самый безопасный способ работы с учетными данными — через переменные среды. Обрати внимание, что обратный вызов (callback) Ultralytics Neptune считывает аргумент YOLO project и не использует NEPTUNE_PROJECT. Передавай полный слаг Neptune (например, workspace/name) через project= в своей команде обучения; в противном случае Neptune попытается использовать значение по умолчанию "Ultralytics", и запуск завершится ошибкой.

export NEPTUNE_API_TOKEN="your_long_api_token_here" # required

Link to this sectionИспользование#

После настройки ты можешь начать обучение своих моделей YOLO26. Интеграция с Neptune работает автоматически, когда установлен пакет neptune и интеграция включена в настройках.

Link to this sectionПример обучения#

from ultralytics import YOLO

# Load a model
model = YOLO("yolo26n.pt")

# Train the model
# Pass the Neptune project slug as the 'project' argument (workspace/name)
results = model.train(data="coco8.yaml", epochs=10, project="my-workspace/my-project", name="experiment-1")

Link to this sectionПонимание интеграции#

На следующей схеме показано, как конвейер обучения Ultralytics взаимодействует с Neptune для записи различных артефактов и метрик.

graph LR
    A[YOLO Training Loop] --> B{Neptune Callback}
    B -->|Log Scalars| C[Loss, mAP, LR]
    B -->|Log Images| D[Mosaics, Preds]
    B -->|Log Artifacts| E[Model Weights]
    B -->|Log Metadata| F[Hyperparameters]

    C --> G[Neptune Server]
    D --> G
    E --> G
    F --> G

    G --> H[Neptune Web Dashboard]

Link to this sectionЧто записывается?#

Когда ты запускаешь команду обучения, интеграция Neptune автоматически захватывает следующую структуру данных в твоем запуске:

1. Конфигурация/Гиперпараметры: все аргументы обучения (epochs, lr0, optimizer и т. д.) записываются в разделе Configuration.
2. Конфигурация/Модель: архитектура и определение модели.
3. Метрики:
   • Train: box_loss, cls_loss, dfl_loss, lr (скорость обучения).
   • Метрики: precision, recall, mAP50, mAP50-95.
4. Изображения:
   • Mosaic: пакеты обучения, демонстрирующие аугментацию данных.
   • Validation: метки эталонных данных (ground truth) и прогнозы модели на валидационных данных.
   • Plots: матрицы путаницы, кривые Precision-Recall.
5. Веса: финальная обученная модель (best.pt) загружается в папку weights в запуске Neptune.

Link to this sectionРасширенное использование#

Link to this sectionОрганизация запусков#

Ты можешь использовать стандартные аргументы Ultralytics project и name для организации своих запусков в Neptune.

• project: должен быть слагом проекта Neptune workspace/name; именно его обратный вызов передает в neptune.init_run.
• name: выступает в качестве идентификатора конкретного запуска.

Link to this sectionПользовательское логирование#

Если тебе нужно записывать дополнительные пользовательские метрики наряду с автоматическим логированием, ты можешь получить доступ к экземпляру запуска Neptune. Обрати внимание, что тебе потребуется изменить логику тренера или создать пользовательский обратный вызов, чтобы получить доступ к конкретному объекту запуска, так как интеграция Ultralytics управляет жизненным циклом запуска внутри себя.

Link to this sectionЧасто задаваемые вопросы (FAQ)#

Link to this sectionКак отключить логирование Neptune?#

Если ты установил neptune, но хочешь отключить логирование для конкретного сеанса или глобально, ты можешь изменить настройки YOLO.

# Disable Neptune integration
yolo settings neptune=False

Link to this sectionМои изображения не загружаются. В чем проблема?#

Убедись, что твоя сеть разрешает подключения к серверам Neptune. Кроме того, логирование изображений обычно происходит через определенные промежутки времени (например, в конце эпох или в конце обучения). Если ты прервешь обучение досрочно с помощью Ctrl+C, некоторые финальные артефакты, такие как матрицы путаницы или веса лучшей модели, могут не загрузиться.

Link to this sectionМогу ли я вести логирование в конкретный ID запуска Neptune?#

Текущая интеграция автоматически создает новый запуск для каждого сеанса обучения. Чтобы возобновить логирование в существующий запуск, тебе обычно нужно вручную выполнить инициализацию Neptune в коде Python, что выходит за рамки автоматической интеграции. Однако Ultralytics поддерживает возобновление обучения локально, что создаст новый запуск в Neptune для отслеживания возобновленных эпох.

Link to this sectionГде я могу найти веса модели в Neptune?#

На панели управления Neptune перейди в раздел Artifacts или All Metadata. Там ты найдешь папку weights, содержащую файл best.pt, который можно скачать для развертывания.