Отслеживание и визуализация экспериментов YOLO с помощью Weights & Biases#

Модели Object detection, такие как Ultralytics YOLO26, стали неотъемлемой частью многих приложений computer vision. 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 серьезного инструментария и управления экспериментами.

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

Weights & Biases#

Weights & Biases — это передовая MLOps platform, созданная для отслеживания, визуализации и управления экспериментами по machine learning. Она включает 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 автоматизировать процесс обучения YOLO26. Эта интеграция позволяет отслеживать эксперименты, сравнивать модели и принимать решения на основе данных для улучшения твоих проектов computer vision.

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 рекомендаций по процессу установки обязательно изучи наше YOLO26 Installation guide. Если при установке необходимых пакетов для YOLO26 у тебя возникнут трудности, обратись к нашему Common Issues guide за решениями и советами.

Настройка Weights & Biases#

После установки необходимых пакетов следующим шагом будет настройка среды Weights & Biases. Она включает 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 своем рабочем пространстве. Это можно сделать, выполнив следующую команду и следуя инструкциям на экране.

import wandb

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

Перейди на Weights & Biases authorization page, чтобы создать и получить свой API key. Используй этот ключ при появлении запроса на аутентификацию своей среды в W&B.

Использование: Обучение YOLO26 с помощью Weights & Biases#

Прежде чем погружаться в инструкции по использованию для обучения модели YOLO26 с Weights & Biases, обязательно ознакомься с ассортиментом YOLO26 models offered by Ultralytics. Это поможет тебе выбрать наиболее подходящую модель под требования 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 вывода#

После выполнения приведенного выше фрагмента кода ты увидишь следующие ключевые результаты:

• Создание нового запуска с уникальным ID, что означает начало процесса обучения.
• Краткая сводка структуры модели, включая количество слоев и параметров.
• Регулярные обновления важных метрик, таких как box loss, cls loss, dfl loss, precision, recall и mAP scores в ходе каждого epoch обучения.
• По окончании обучения выводятся подробные метрики, включая скорость инференса модели и общие метрики accuracy.
• 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 запуска кода ты сможешь получить доступ к панели управления Weights & Biases (W&B) по ссылке, указанной в выводе. Эта панель предоставляет комплексный обзор процесса обучения твоей модели YOLO26.

Ключевые особенности панели управления Weights & Biases#

• Real-Time Metrics Tracking: Наблюдай за такими метриками, как loss, accuracy и показатели валидации по мере их изменения в процессе обучения, получая мгновенные инсайты для тюнинга модели. See how experiments are tracked using Weights & Biases.

• Hyperparameter Optimization: Weights & Biases помогает в точной настройке критических параметров, таких как learning rate, batch size и других, повышая производительность YOLO26. Это помогает найти оптимальную конфигурацию для твоего конкретного датасета и задачи.

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

• Visualization of Training Progress: Графические представления ключевых метрик дают интуитивное понимание производительности модели по эпохам. See how Weights & Biases helps you visualize validation results.

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

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

• Viewing Inference Results with Image Overlay: Визуализируй результаты предсказаний на изображениях с помощью интерактивных наложений в Weights & Biases, получая четкое и детальное представление о производительности модели на реальных данных. Для получения более подробной информации смотри image overlay capabilities от Weights & Biases.

Используя эти функции, ты можешь эффективно отслеживать, анализировать и оптимизировать обучение своей модели YOLO26, обеспечивая наилучшую производительность и эффективность для твоих задач object detection.

Резюме#

Это руководство помогло тебе изучить интеграцию Ultralytics YOLO с Weights & Biases. Оно иллюстрирует способность этой интеграции эффективно отслеживать и визуализировать результаты обучения и предсказаний моделей. Задействуя мощные функции W&B, ты сможешь оптимизировать свой рабочий процесс machine learning, принимать решения на основе данных и улучшить производительность модели.

Для получения дополнительных сведений об использовании посети Weights & Biases' official documentation или изучи Soumik Rakshit's presentation с YOLO VISION 2023 по этой интеграции.

Кроме того, обязательно загляни на Ultralytics integration guide page, чтобы узнать больше о других интересных интеграциях, таких как MLflow и Comet ML.

FAQ#