Отслеживание и визуализация экспериментов YOLO с помощью Weights & Biases#

Модели обнаружения объектов, такие как Ultralytics YOLO26, стали неотъемлемой частью многих приложений для компьютерного зрения. Однако обучение, оценка и развёртывание таких сложных моделей сопряжены с рядом проблем. Отслеживание ключевых метрик обучения, сравнение вариантов моделей, анализ поведения моделей и выявление проблем требуют значительных усилий по инструментированию и управлению экспериментами.

В этом руководстве показана интеграция Ultralytics YOLO26 с Weights & Biases для расширенного отслеживания экспериментов, сохранения контрольных точек моделей и визуализации производительности моделей. Также приведены инструкции по настройке интеграции, обучению и визуализации результатов с использованием интерактивных функций Weights & Biases.

Weights & Biases#

Weights & Biases — передовая MLOps-платформа, предназначенная для отслеживания, визуализации и управления экспериментами в области машинного обучения. Она поддерживает автоматическое журналирование метрик обучения для полной воспроизводимости экспериментов, интерактивный пользовательский интерфейс для упрощённого анализа данных и эффективные инструменты управления моделями для развёртывания в различных средах.

Обучение YOLO26 с помощью Weights & Biases#

Ты можешь использовать Weights & Biases, чтобы повысить эффективность и автоматизировать процесс обучения YOLO26. Интеграция позволяет отслеживать эксперименты, сравнивать модели и принимать решения на основе данных для улучшения проектов по компьютерному зрению.

Установка#

Чтобы установить необходимые пакеты, выполни:

# Install the required packages for Ultralytics YOLO and Weights & Biases
pip install -U ultralytics wandb

# Enable W&B logging for Ultralytics
yolo settings wandb=True

Подробные инструкции и рекомендации по установке приведены в нашем руководстве по установке YOLO26. Если при установке необходимых пакетов для YOLO26 у тебя возникнут трудности, обратись к руководству по распространённым проблемам, где приведены решения и советы.

Настройка Weights & Biases#

После установки необходимых пакетов следующим шагом будет настройка среды Weights & Biases. Она включает создание учётной записи Weights & Biases и получение необходимого API-ключа для бесперебойного соединения между средой разработки и платформой W&B.

Начни с инициализации среды Weights & Biases в рабочем пространстве. Для этого выполни следующую команду и следуй появившимся инструкциям.

import wandb

# Initialize your Weights & Biases environment
wandb.login(key="YOUR_API_KEY")

Перейди на страницу авторизации Weights & Biases, чтобы создать и получить API-ключ. Используй этот ключ при появлении запроса для аутентификации среды в W&B.

Использование: обучение YOLO26 с помощью Weights & Biases#

Прежде чем перейти к инструкциям по обучению модели YOLO26 с помощью Weights & Biases, обязательно ознакомься с доступными моделями YOLO26 от Ultralytics. Это поможет выбрать наиболее подходящую модель для требований твоего проекта.

from ultralytics import YOLO

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

# Train and Fine-Tune the Model
model.train(data="coco8.yaml", epochs=5, project="ultralytics", name="yolo26n")

Аргументы W&B#

# Enable Weights & Biases logging
yolo settings wandb=True

# Disable Weights & Biases logging
yolo settings wandb=False

Разбор результатов#

После выполнения приведённого выше фрагмента кода использования ты увидишь следующие основные результаты:

• Настройка нового запуска с уникальным идентификатором, указывающая на начало процесса обучения.
• Краткая сводка структуры модели, включая количество слоёв и параметров.
• Регулярные обновления важных метрик, таких как потери box, потери cls, потери расстояния до box, точность, полнота и показатели mAP на каждой эпохе обучения.
• В конце обучения отображаются подробные метрики, включая скорость инференса модели и общие показатели точности.
• Ссылки на панель управления Weights & Biases для подробного анализа и визуализации процесса обучения, а также информация о расположении локальных файлов журналов.

Просмотр панели управления Weights & Biases#

После выполнения фрагмента кода использования ты сможешь открыть панель управления Weights & Biases (W&B) по ссылке в выводе. Эта панель предоставляет полное представление о процессе обучения твоей модели с YOLO26.

Основные функции панели управления Weights & Biases#

• Отслеживание метрик в реальном времени: наблюдай за изменением таких метрик, как потери, точность и показатели валидации, в процессе обучения и сразу получай информацию для настройки модели. Узнай, как отслеживать эксперименты с помощью Weights & Biases.

• Оптимизация гиперпараметров: Weights & Biases помогает настраивать важные параметры, такие как скорость обучения, размер пакета и другие, повышая производительность YOLO26. Это помогает найти оптимальную конфигурацию для конкретного набора данных и задачи.

• Сравнительный анализ: платформа позволяет сопоставлять различные запуски обучения бок о бок, что необходимо для оценки влияния разных конфигураций модели и понимания того, какие изменения повышают производительность.

• Визуализация прогресса обучения: графическое представление ключевых метрик даёт интуитивное понимание производительности модели на протяжении эпох. Узнай, как Weights & Biases помогает визуализировать результаты валидации.

• Мониторинг ресурсов: отслеживай использование CPU, GPU и памяти, чтобы оптимизировать эффективность процесса обучения и выявлять потенциальные узкие места в рабочем процессе.

• Управление артефактами моделей: получай доступ к контрольным точкам моделей и делись ими, упрощая развёртывание и сотрудничество с участниками команды в сложных проектах.

Используя эти функции, ты можешь эффективно отслеживать, анализировать и оптимизировать обучение модели YOLO26, обеспечивая максимальную производительность и эффективность в задачах обнаружения объектов.

Итоги#

Это руководство помогло тебе изучить интеграцию Ultralytics YOLO с Weights & Biases. Оно демонстрирует, как эта интеграция позволяет эффективно отслеживать и визуализировать результаты обучения и предсказаний модели. Используя мощные функции W&B, ты можешь оптимизировать рабочий процесс машинного обучения, принимать решения на основе данных и повышать производительность модели.

Дополнительные сведения об использовании смотри в официальной документации Weights & Biases или ознакомься с презентацией Soumik Rakshit об этой интеграции с YOLO VISION 2023.

Также обязательно посети страницу руководства по интеграциям Ultralytics, чтобы узнать больше о других интересных интеграциях, таких как MLflow и Comet ML.

Часто задаваемые вопросы#