YOLOv5 🚀 на AWS Deep Learning Instance: Твое полное руководство
Настройка высокопроизводительной среды глубокого обучения может быть пугающей для новичков, но не бойся! 🛠️ В этом руководстве мы проведем тебя через процесс запуска YOLOv5 на экземпляре AWS Deep Learning. Используя мощь Amazon Web Services (AWS), даже новички в машинном обучении могут начать работу быстро и с минимальными затратами. Масштабируемость платформы AWS идеально подходит как для экспериментов, так и для внедрения в производство.
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
Начни с создания учетной записи или входа в консоль AWS по адресу https://aws.amazon.com/console/. Войдя в систему, выбери сервис EC2 для управления и настрой свои экземпляры.
Шаг 2: Запусти свой инстанс
На приборной панели EC2 ты найдешь кнопку Launch Instance, которая является твоим пропуском к созданию нового виртуального сервера.
Выбор подходящего образа машины Amazon (AMI)
Здесь ты выбираешь операционную систему и программный стек для своего экземпляра. Введи в поле поиска "Deep Learning" и выбери последнюю версию Deep Learning AMI на базе Ubuntu, если твои потребности не диктуют иного. AMI для Deep Learning от Amazon поставляются с предустановленными популярными фреймворками и драйверами GPU, чтобы упростить твой процесс настройки.
Выбор типа экземпляра
Для задач глубокого обучения обычно рекомендуется выбирать тип экземпляра GPU, так как это может значительно ускорить обучение модели. Что касается размера экземпляра, то помни, что требования к памяти модели никогда не должны превышать то, что может обеспечить твой экземпляр.
Примечание: Размер твоей модели должен быть одним из факторов при выборе экземпляра. Если твоя модель превышает объем доступной оперативной памяти экземпляра, выбери другой тип экземпляра с достаточным количеством памяти для твоего приложения.
Список доступных типов экземпляров GPU можно найти в разделе Типы экземпляров EC2, а именно в разделе Ускоренные вычисления.
Подробнее о мониторинге и оптимизации GPU читай в разделе Мониторинг и оптимизация GPU. О ценообразовании см. в разделах " Ценообразование по требованию " и " Ценообразование спот".
Настройка твоего экземпляра
Amazon EC2 Spot Instances - это экономически выгодный способ запуска приложений, так как они позволяют тебе участвовать в торгах на неиспользуемые мощности за долю стандартной стоимости. Чтобы получить постоянный опыт, который сохранит данные даже при падении Spot Instance, выбирай постоянный запрос.
Не забудь перед запуском настроить остальные параметры инстанса и конфигурации безопасности, как это необходимо в шагах 4-7.
Шаг 3: Подключись к своему инстансу
Когда твой экземпляр будет запущен, отметь его галочкой и нажми кнопку Connect, чтобы получить доступ к SSH-информации. Используй отображаемую команду SSH в выбранном тобой терминале, чтобы установить соединение с твоим экземпляром.
Шаг 4: Бег YOLOv5
Войдя в свой инстанс, ты теперь готов 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
Когда твоя среда настроена, ты можешь приступать к обучению, проверке, выполнению выводов и экспорту своих 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 спасителем для больших наборов данных, выполни 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
И это все!!! 🎉 Ты успешно создал экземпляр AWS Deep Learning и запустил YOLOv5. Неважно, начинаешь ли ты только с обнаружения объектов или масштабируешься для производства, эта настройка поможет тебе достичь своих целей в области машинного обучения. Счастливого обучения, проверки и развертывания! Если на этом пути у тебя возникнут какие-либо затруднения, то надежная документация AWS и активное сообщество Ultralytics готовы поддержать тебя.