Link to this sectionОтслеживание 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 проблем. Отслеживание ключевых метрик обучения, сравнение вариантов моделей, анализ поведения модели и выявление проблем требуют значительных усилий по настройке инструментов и управлению 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.

Link to this sectionWeights & Biases#

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

Link to this sectionОбучение 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 твоих проектов в области компьютерного зрения.

Link to this sectionУстановка#

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 лучшие практики по установке ищи в нашем руководстве по установке YOLO26. Если при установке необходимых пакетов для YOLO26 возникнут трудности, обратись к нашему руководству по распространенным проблемам за решениями и советами.

Link to this sectionНастройка 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 страницу авторизации Weights & Biases, чтобы создать и получить свой API-ключ. Используй этот ключ при появлении запроса для аутентификации твоей среды в W&B.

Link to this sectionИспользование: Обучение YOLO26 с помощью Weights & Biases#

Прежде чем погружаться в инструкции по обучению моделей YOLO26 с использованием Weights & Biases, обязательно ознакомься с ассортиментом моделей YOLO26, предлагаемых Ultralytics. Это поможет тебе выбрать наиболее подходящую модель для задач 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")

Link to this sectionАргументы W&B#

# Enable Weights & Biases logging
yolo settings wandb=True

# Disable Weights & Biases logging
yolo settings wandb=False

Link to this sectionРазбор 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 показатели mAP, в течение каждой эпохи обучения.
• По окончании обучения отображаются подробные метрики, включая скорость инференса 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.

Link to this sectionПросмотр 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.

Link to this sectionКлючевые особенности 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 мгновенное понимание для настройки модели. Посмотри, как отслеживаются эксперименты с помощью Weights & Biases.

• Оптимизация гиперпараметров: Weights & Biases помогает в тонкой настройке критических параметров, таких как скорость обучения, размер пакета и другие, повышая производительность YOLO26. Это помогает тебе найти оптимальную конфигурацию для твоего конкретного набора данных 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.

• Визуализация хода обучения: Графическое представление ключевых метрик дает интуитивное понимание производительности модели на протяжении эпох. Посмотри, 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 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.

• Просмотр результатов инференса с наложением изображений: Визуализируй результаты предсказаний на изображениях, используя интерактивные наложения в Weights & Biases, что дает ясное и подробное представление о производительности модели на реальных данных. Дополнительную информацию смотри в функциях наложения изображений в Weights & Biases.

Используя эти функции, ты сможешь эффективно отслеживать, анализировать и оптимизировать процесс обучения твоей модели YOLO26, обеспечивая наилучшую производительность и эффективность для задач обнаружения объектов.

Link to this sectionРезюме#

Это руководство помогло тебе изучить интеграцию Ultralytics YOLO с Weights & Biases. Оно демонстрирует возможности этой интеграции для эффективного отслеживания и визуализации результатов обучения и предсказаний модели. Используя мощные функции W&B, ты сможешь оптимизировать свой рабочий процесс машинного обучения, принимать обоснованные решения и улучшать производительность твоей модели.

Для получения дополнительной информации по использованию 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.

Link to this sectionFAQ#

Link to this sectionКак 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. Обучи 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 запишет метрики, гиперпараметры и артефакты модели в твой проект W&B.

Link to this sectionКаковы ключевые особенности интеграции Weights & Biases с YOLO26?#

Ключевые особенности включают:

• Отслеживание метрик в режиме реального времени во время обучения
• Инструменты оптимизации гиперпараметров
• Сравнительный анализ различных запусков обучения
• Визуализация хода обучения с помощью графиков
• Мониторинг ресурсов (использование CPU, GPU, памяти)
• Управление и совместное использование артефактов моделей
• Просмотр результатов инференса с наложением изображений

Эти функции помогают отслеживать эксперименты, оптимизировать модели и эффективнее сотрудничать в проектах YOLO26.

Link to this sectionКак просмотреть панель управления Weights & Biases для обучения YOLO26?#

После запуска скрипта обучения с интеграцией W&B:

1. Ссылка на твою панель управления W&B будет предоставлена в выводе консоли.
2. Нажми на ссылку или перейди 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 предоставляет ценную информацию о процессе обучения твоей модели, позволяя эффективно анализировать и улучшать модели YOLO26.

Link to this sectionМожно ли 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 позволяет тебе контролировать, когда ты хочешь использовать логирование W&B, не изменяя свои скрипты обучения.

Link to this sectionКак Weights & Biases помогает в оптимизации моделей YOLO26?#

Weights & Biases помогает оптимизировать модели YOLO26 за счет:

1. Предоставления подробных визуализаций метрик обучения
2. Обеспечения легкого сравнения между различными версиями моделей
3. Предложения инструментов для настройки гиперпараметров
4. Предоставления возможностей для совместного анализа производительности моделей
5. Упрощения обмена артефактами моделей и результатами

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