Перейти к содержанию

Ultralytics YOLOv5 🚀 на инстансе AWS Deep Learning: Ваше полное руководство

Настройка высокопроизводительной среды глубокого обучения может показаться сложной задачей, особенно для новичков. Но не бойтесь! 🛠️ Это руководство содержит пошаговые инструкции по запуску Ultralytics YOLOv5 на инстансе AWS Deep Learning. Используя возможности Amazon Web Services (AWS), даже новички в машинном обучении (ML) могут быстро и экономично начать работу. Масштабируемость платформы AWS делает ее идеальной как для экспериментов, так и для развертывания в производственной среде.

Другие варианты быстрого старта для YOLOv5 включают в себя наши Google Colab Notebook Открыть в Colab, Kaggle environments Открыть в Kaggle, GCP Deep Learning VM, и наш предварительно собранный образ Docker, доступный на Docker Hub Загрузки Docker.

Шаг 1: Вход в консоль AWS

Начните с создания учетной записи или входа в AWS Management Console. После входа в систему перейдите на панель управления сервисом EC2, где вы можете управлять своими виртуальными серверами (инстансами).

Вход в консоль AWS

Шаг 2: Запустите свой экземпляр

На панели управления EC2 нажмите кнопку Launch Instance. Это запустит процесс создания нового виртуального сервера, адаптированного к вашим потребностям.

Кнопка запуска экземпляра

Выбор правильного Amazon Machine Image (AMI)

Выбор правильного AMI имеет решающее значение. Это определяет операционную систему и предустановленное программное обеспечение для вашего инстанса. В строке поиска введите «Deep Learning» и выберите последнюю версию Deep Learning AMI на базе Ubuntu (если у вас нет особых требований к другой ОС). Amazon Deep Learning AMI поставляются с предварительно настроенными популярными фреймворками глубокого обучения (такими как PyTorch, используемый YOLOv5) и необходимыми драйверами GPU, что значительно упрощает процесс настройки.

Выберите AMI

Выбор типа экземпляра

Для ресурсоемких задач, таких как обучение моделей глубокого обучения, настоятельно рекомендуется выбирать инстанс с ускорением GPU. GPU могут значительно сократить время, необходимое для обучения модели, по сравнению с CPU. При выборе размера инстанса убедитесь, что его объем памяти (RAM) достаточен для вашей модели и набора данных.

Примечание: Размер вашей модели и набора данных являются критическими факторами. Если для вашей задачи машинного обучения требуется больше памяти, чем предоставляет выбранный экземпляр, вам потребуется выбрать экземпляр большего размера, чтобы избежать проблем с производительностью или ошибок.

Ознакомьтесь с доступными типами инстансов GPU на странице типов инстансов EC2, особенно в категории Ускоренные вычисления.

Выберите тип экземпляра

Подробную информацию о мониторинге и оптимизации использования GPU см. в руководстве AWS по мониторингу и оптимизации GPU. Сравните затраты, используя цены по требованию, и изучите возможности экономии с помощью цен на спотовые инстансы.

Настройка вашего инстанса

Рассмотрите возможность использования спотовых инстансов Amazon EC2 для более экономичного подхода. Спотовые инстансы позволяют делать ставки на неиспользуемые ресурсы EC2, часто со значительной скидкой по сравнению с ценами по требованию. Для задач, требующих сохранения данных (даже если спотовый инстанс прерван), выберите постоянный запрос. Это гарантирует, что ваш том хранения сохранится.

Конфигурация запроса спота

Выполните шаги 4-7 мастера запуска инстанса, чтобы настроить хранилище, добавить теги, настроить группы безопасности (убедитесь, что SSH-порт 22 открыт с вашего IP-адреса) и просмотрите свои настройки, прежде чем нажать Launch. Вам также потребуется создать или выбрать существующую пару ключей для безопасного SSH-доступа.

Шаг 3: Подключитесь к своему экземпляру

Как только состояние вашего экземпляра станет «running», выберите его на панели управления EC2. Нажмите на Подключить кнопку для просмотра вариантов подключения. Используйте предоставленный пример SSH-команды в вашем локальном терминале (например, Terminal в macOS/Linux или PuTTY/WSL в Windows) для установки безопасного соединения. Вам потребуется файл приватного ключа (.pem) который вы создали или выбрали во время запуска.

Подключиться к инстансу

Шаг 4: Запуск Ultralytics YOLOv5

Теперь, когда вы подключились через SSH, вы можете настроить и запустить YOLOv5. Сначала клонируйте официальный репозиторий YOLOv5 из GitHub и перейдите в каталог. Затем установите необходимые зависимости, используя pipРекомендуется использовать Python 3.8 или более поздней версии. Необходимые модели и наборы данных будут автоматически загружены из последней версии YOLOv5. релиз когда вы запускаете команды, такие как обучение или обнаружение.

# Clone the YOLOv5 repository
git clone https://github.com/ultralytics/yolov5
cd yolov5

# Install required packages
pip install -r requirements.txt

Когда среда будет готова, вы можете начать использовать YOLOv5 для различных задач:

# Train a YOLOv5 model on a custom dataset (e.g., coco128.yaml)
python train.py --data coco128.yaml --weights yolov5s.pt --img 640

# Validate the performance (Precision, Recall, mAP) of a trained model (e.g., yolov5s.pt)
python val.py --weights yolov5s.pt --data coco128.yaml --img 640

# Run inference (object detection) on images or videos using a trained model
python detect.py --weights yolov5s.pt --source path/to/your/images_or_videos/ --img 640

# Export the trained model to various formats like ONNX, CoreML, TFLite for deployment
# See https://docs.ultralytics.com/modes/export/ for more details
python export.py --weights yolov5s.pt --include onnx coreml tflite --img 640

Обратитесь к документации Ultralytics для получения подробных руководств по Обучению, Валидации, Предсказанию (Инференсу) и Экспорту.

Дополнительные опции: Увеличение объема файла подкачки

Если вы работаете с очень большими наборами данных или сталкиваетесь с ограничениями памяти во время обучения, увеличение объема подкачки на вашем экземпляре иногда может помочь. Файл подкачки позволяет системе использовать дисковое пространство в качестве виртуальной оперативной памяти.

# Allocate a 64GB swap file (adjust size as needed)
sudo fallocate -l 64G /swapfile

# Set correct permissions
sudo chmod 600 /swapfile

# Set up the file as a Linux swap area
sudo mkswap /swapfile

# Enable the swap file
sudo swapon /swapfile

# Verify the swap memory is active
free -h

Поздравляем! 🎉 Вы успешно настроили инстанс AWS Deep Learning, установили Ultralytics YOLOv5 и готовы к выполнению задач обнаружения объектов. Независимо от того, экспериментируете ли вы с предварительно обученными моделями или проводите обучение на своих собственных данных, эта мощная конфигурация обеспечивает масштабируемую основу для ваших проектов в области компьютерного зрения. Если у вас возникнут какие-либо проблемы, обратитесь к подробной документации AWS и полезным ресурсам сообщества Ultralytics, таким как FAQ. Удачного обнаружения!



📅 Создано 1 год назад ✏️ Обновлено 4 месяца назад

Комментарии