YOLOv5 🚀 на AWS Deep Learning Instance: Ваше полное руководство
Настройка высокопроизводительной среды глубокого обучения может быть сложной для новичков, но не бойтесь! 🛠️ В этом руководстве мы расскажем вам о том, как запустить YOLOv5 на экземпляре AWS Deep Learning. Используя возможности Amazon Web Services (AWS), даже новички в области машинного обучения могут быстро и экономично начать работу. Масштабируемость платформы AWS идеально подходит как для экспериментов, так и для развертывания на производстве.
Другие варианты быстрого старта для YOLOv5 включают наши Блокнот Colab 
, GCP Deep Learning VM, и наш образ Docker по адресу Docker Hub 
Шаг 1: Вход в консоль AWS
Начните с создания учетной записи или входа в консоль AWS по адресу https://aws.amazon.com/console/. Войдя в систему, выберите службу EC2 для управления и настройки своих экземпляров.
Шаг 2: Запустите свой экземпляр
На приборной панели EC2 вы найдете кнопку Launch Instance, которая является пропуском к созданию нового виртуального сервера.
Выбор подходящего образа машины Amazon (AMI)
Здесь вы выбираете операционную систему и стек программного обеспечения для вашего экземпляра. Введите в поле поиска"Deep Learning" и выберите последнюю версию Deep Learning AMI на базе Ubuntu, если ваши потребности не диктуют иного. AMI для Deep Learning от Amazon поставляются с предустановленными популярными фреймворками и драйверами GPU , чтобы упростить процесс настройки.
Выбор типа экземпляра
Для задач глубокого обучения обычно рекомендуется выбирать тип экземпляра GPU , поскольку он может значительно ускорить обучение модели. Что касается размера экземпляра, помните, что требования к памяти модели никогда не должны превышать того, что может обеспечить ваш экземпляр.
Примечание: Размер вашей модели должен быть фактором при выборе экземпляра. Если размер модели превышает объем доступной оперативной памяти экземпляра, выберите экземпляр другого типа с достаточным объемом памяти для вашего приложения.
Список доступных типов экземпляров GPU можно найти на странице Типы экземпляров EC2, а именно в разделе Ускоренные вычисления.
Дополнительные сведения о мониторинге и оптимизации GPU см. в разделе GPU Мониторинг и оптимизация. О ценообразовании см. в разделах Ценообразование по требованию и Точечное ценообразование.
Настройка вашего экземпляра
Amazon EC2 Spot Instances - это экономически эффективный способ запуска приложений, поскольку они позволяют вам участвовать в торгах на неиспользуемые мощности за долю стандартной стоимости. Чтобы получить постоянный опыт, который сохраняет данные даже при отключении Spot Instance, выберите постоянный запрос.
Перед запуском не забудьте настроить остальные параметры экземпляра и конфигурации безопасности, как это необходимо в шагах 4-7.
Шаг 3: Подключитесь к вашему экземпляру
Когда ваш экземпляр будет запущен, установите флажок и нажмите кнопку Подключиться, чтобы получить доступ к информации SSH. Используйте отображаемую команду SSH в терминале, чтобы установить соединение с вашим экземпляром.
Шаг 4: Выполнение YOLOv5
Войдя в свой экземпляр, вы теперь готовы клонировать репозиторий YOLOv5 и установить зависимости в среде Python 3.8 или более поздней версии. YOLOv5 Модели и наборы данных будут автоматически загружаться из последней версии.
git clone https://github.com/ultralytics/yolov5 # clone repository
cd yolov5
pip install -r requirements.txt # install dependencies
Настроив среду, вы можете приступить к обучению, проверке, выводу и экспорту моделей YOLOv5 :
# Train a model on your data
python train.py
# Validate the trained model for Precision, Recall, and mAP
python val.py --weights yolov5s.pt
# Run inference using the trained model on your images or videos
python detect.py --weights yolov5s.pt --source path/to/images
# Export the trained model to other formats for deployment
python export.py --weights yolov5s.pt --include onnx coreml tflite
Дополнительные опции
Чтобы добавить больше памяти подкачки, которая может стать спасением для больших наборов данных, выполните команду:
sudo fallocate -l 64G /swapfile # allocate 64GB swap file
sudo chmod 600 /swapfile # modify permissions
sudo mkswap /swapfile # set up a Linux swap area
sudo swapon /swapfile # activate swap file
free -h # verify swap memory
Вот и все! 🎉 Вы успешно создали экземпляр AWS Deep Learning и запустили YOLOv5. Независимо от того, начинаете ли вы работу с обнаружением объектов или масштабируете ее для производства, эта настройка поможет вам достичь ваших целей в области машинного обучения. Удачи в обучении, проверке и развертывании! Если вы столкнетесь с какими-либо трудностями на этом пути, надежная документация AWS и активное сообщество Ultralytics готовы оказать вам поддержку.
