Отслеживание и визуализация экспериментов YOLO с помощью Weights & Biases

Модели обнаружения объектов, такие как Ultralytics YOLO26, стали неотъемлемой частью многих приложений компьютерного зрения. Однако обучение, оценка и развертывание этих сложных моделей сопряжены с рядом трудностей. Отслеживание ключевых метрик обучения, сравнение вариантов моделей, анализ поведения моделей и обнаружение проблем требуют значительных усилий по настройке инструментов и управлению экспериментами.

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

Weights & Biases

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

Обучение YOLO26 с помощью Weights & Biases

Ты можешь использовать Weights & Biases, чтобы повысить эффективность и автоматизацию процесса обучения YOLO26. Интеграция позволяет отслеживать эксперименты, сравнивать модели и принимать решения на основе данных для улучшения твоих 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

Для получения подробных инструкций и лучших практик, связанных с процессом установки, обязательно ознакомься с нашим руководством по установке YOLO26. Если при установке необходимых пакетов для YOLO26 ты столкнешься с какими-либо трудностями, обратись к нашему руководству по распространенным проблемам за решениями и советами.

Настройка Weights & Biases

После установки необходимых пакетов следующим шагом будет настройка среды Weights & Biases. Это включает в себя создание учетной записи Weights & Biases и получение необходимого API-ключа для беспрепятственного соединения между твоей средой разработки и платформой W&B.

Начни с инициализации среды Weights & Biases в своей рабочей области. Ты можешь сделать это, выполнив следующую команду и следуя 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 свой API-ключ. Используй этот ключ по запросу для аутентификации своей среды в W&B.

Использование: Обучение YOLO26 с помощью Weights & Biases

Прежде чем переходить к инструкциям по обучению модели YOLO26 с помощью Weights & Biases, обязательно ознакомься с ассортиментом моделей YOLO26, предлагаемых Ultralytics. Это поможет тебе 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

Понимание вывода

После запуска приведенного выше кода ты получишь следующие ключевые выходные данные:

• Создание нового запуска с уникальным идентификатором, указывающее на начало процесса обучения.
• Краткое резюме структуры модели, включая количество слоев и параметров.
• Регулярные обновления важных метрик, таких как box loss, cls loss, dfl loss, precision, recall и показатели mAP во время каждой эпохи обучения.
• По окончании обучения отображаются подробные метрики, включая скорость вывода модели и общие показатели точности.
• Ссылки на панель управления Weights & Biases для глубокого анализа и визуализации процесса обучения, а также информация о расположении локальных файлов логов.

Просмотр панели управления Weights & Biases

После выполнения кода ты сможешь получить доступ к панели управления Weights & Biases (W&B) по ссылке, предоставленной в выводе. Эта панель предлагает исчерпывающий обзор процесса обучения твоей модели с помощью YOLO26.

Основные функции панели управления Weights & Biases

• Отслеживание метрик в реальном времени: Наблюдай за такими метриками, как loss, точность и результаты валидации, по мере их изменения в процессе обучения, что дает возможность немедленно принимать решения по настройке модели. Посмотри, как отслеживаются эксперименты с помощью Weights & Biases.

• Оптимизация гиперпараметров: Weights & Biases помогает в тонкой настройке критически важных параметров, таких как скорость обучения, размер батча и других, повышая производительность YOLO26. Это помогает найти оптимальную конфигурацию для твоего конкретного набора данных и задачи.

• Сравнительный анализ: Платформа позволяет сравнивать различные запуски обучения бок о бок, что необходимо для оценки влияния различных конфигураций модели и понимания того, какие изменения улучшают производительность.

• Визуализация прогресса обучения: Графическое представление ключевых метрик обеспечивает интуитивное понимание производительности модели по эпохам. Посмотри, как Weights & Biases помогает визуализировать результаты валидации.

• Мониторинг ресурсов: Отслеживай использование CPU, GPU и памяти, чтобы оптимизировать эффективность процесса обучения и выявить потенциальные «узкие места» в твоем рабочем процессе.

• Управление артефактами моделей: Получай доступ к контрольным точкам моделей и делись ими, что упрощает развертывание и совместную работу с коллегами по команде над сложными проектами.

• Просмотр результатов вывода с наложением на изображения: Визуализируй результаты предсказаний на изображениях, используя интерактивные наложения в Weights & Biases, что дает четкое и подробное представление о производительности модели на реальных данных. Дополнительную информацию см. в разделе о возможностях наложения изображений в Weights & Biases.

Используя эти функции, ты можешь эффективно отслеживать, анализировать и оптимизировать процесс обучения твоей модели YOLO26, обеспечивая максимально возможную производительность и эффективность для твоих задач обнаружения объектов.

Резюме

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

Для получения более подробной информации об использовании посети официальную документацию Weights & Biases или изучи презентацию Соумика Ракшита с конференции YOLO VISION 2023 об этой интеграции.

Также обязательно ознакомься со страницей руководств по интеграции Ultralytics, чтобы узнать больше о других интересных интеграциях, таких как MLflow и Comet ML.

Часто задаваемые вопросы (FAQ)

Как мне интегрировать Weights & Biases с Ultralytics YOLO26?

Чтобы интегрировать Weights & Biases с Ultralytics YOLO26:

1. Установи необходимые пакеты:

   pip install -U ultralytics wandb
   yolo settings wandb=True

2. Войди в свою учетную запись Weights & Biases:

   import wandb
   
   wandb.login(key="YOUR_API_KEY")

3. Обучай свою модель YOLO26 с включенным логированием W&B:

   from ultralytics import YOLO
   
   model = YOLO("yolo26n.pt")
   model.train(data="coco8.yaml", epochs=5, project="ultralytics", name="yolo26n")

Это автоматически залогирует метрики, гиперпараметры и артефакты модели в твой проект W&B.

Каковы ключевые особенности интеграции Weights & Biases с YOLO26?

Ключевые особенности включают:

• Отслеживание метрик в реальном времени во время обучения
• Инструменты оптимизации гиперпараметров
• Сравнительный анализ различных запусков обучения
• Визуализация прогресса обучения с помощью графиков
• Мониторинг ресурсов (использование CPU, GPU, памяти)
• Управление артефактами моделей и обмен ими
• Просмотр результатов вывода с наложением на изображения

Эти функции помогают отслеживать эксперименты, оптимизировать модели и более эффективно сотрудничать в рамках проектов YOLO26.

Как я могу просмотреть панель управления Weights & Biases для обучения моей модели YOLO26?

После запуска скрипта обучения с интеграцией W&B:

1. Ссылка на твою панель управления W&B будет предоставлена в выводе консоли.
2. Перейди по ссылке или зайди на wandb.ai и войди в свою учетную запись.
3. Перейди к своему проекту, чтобы просмотреть подробные метрики, визуализации и данные о производительности модели.

Панель управления дает представление о процессе обучения твоей модели, позволяя эффективно анализировать и улучшать модели YOLO26.

Могу ли я отключить логирование Weights & Biases для обучения YOLO26?

Да, ты можешь отключить логирование W&B с помощью следующей команды:

yolo settings wandb=False

Чтобы снова включить логирование, используй:

yolo settings wandb=True

Это позволит тебе контролировать, когда ты хочешь использовать логирование W&B, без изменения твоих скриптов обучения.

Как Weights & Biases помогает в оптимизации моделей YOLO26?

Weights & Biases помогает оптимизировать модели YOLO26 путем:

1. Предоставления подробных визуализаций метрик обучения
2. Обеспечения легкого сравнения между различными версиями моделей
3. Предложения инструментов для настройки гиперпараметров
4. Обеспечения возможности совместного анализа производительности модели
5. Содействия легкому обмену артефактами моделей и результатами

Эти функции помогают исследователям и разработчикам быстрее итерироваться и принимать решения на основе данных для улучшения своих моделей YOLO26.