Ultralytics YOLOv5 🚀 в AzureML: краткое руководство#

Добро пожаловать в руководство по быстрому старту Ultralytics YOLOv5 для Microsoft Azure Machine Learning (AzureML)! Это руководство поможет тебе настроить YOLOv5 на вычислительном экземпляре AzureML, охватывая все этапы: от создания виртуальной среды до обучения и запуска инференса с моделью.

Что такое Azure?#

Azure — это комплексная платформа облачных вычислений от Microsoft. Она предлагает широкий спектр услуг, включая вычислительную мощность, базы данных, аналитические инструменты, возможности шинного обучения и сетевые решения. Azure позволяет организациям создавать, развертывать и управлять приложениями и сервисами через управляемые Microsoft дата-центры, облегчая перенос рабочих нагрузок с локальной инфраструктуры в облако.

Что такое Azure Machine Learning (AzureML)?#

Azure Machine Learning (AzureML) — это специализированный облачный сервис, предназначенный для разработки, обучения и развертывания моделей машинного обучения. Он предоставляет совместную среду с инструментами, подходящими для специалистов по работе с данными и разработчиков с любым уровнем подготовки. Ключевые функции включают автоматизированное машинное обучение (AutoML), интерфейс drag-and-drop для создания моделей и мощный SDK Python для более детального контроля над жизненным циклом МО. AzureML упрощает процесс внедрения прогностического моделирования в приложения.

Предварительные требования#

Для работы с этим руководством тебе понадобятся активная подписка Azure и доступ к рабочей области AzureML. Если у тебя еще не настроена рабочая область, обратись к официальной документации Azure, чтобы создать ее.

Создание вычислительного экземпляра (Compute Instance)#

Вычислительный экземпляр в AzureML предоставляет управляемую облачную рабочую станцию для специалистов по данным.

1. Перейди в свою рабочую область AzureML.
2. На левой панели выбери Compute (Вычисления).
3. Перейди на вкладку Compute instances и нажми New.
4. Настрой свой экземпляр, выбрав подходящие ресурсы CPU или GPU в зависимости от твоих потребностей для обучения или инференса.

Открытие терминала#

Как только твой вычислительный экземпляр будет запущен, ты сможешь получить доступ к его терминалу прямо из студии AzureML.

1. Перейди в раздел Notebooks на левой панели.
2. Найди свой вычислительный экземпляр в раскрывающемся меню сверху.
3. Нажми на опцию Terminal под файловым обозревателем, чтобы открыть интерфейс командной строки для своего экземпляра.

Настройка и запуск YOLOv5#

Теперь давай настроим среду и запустим Ultralytics YOLOv5.

Создание виртуальной среды#

Лучшая практика — использовать виртуальную среду для управления зависимостями. Мы воспользуемся Conda, которая предустановлена на вычислительных экземплярах AzureML. Подробное руководство по настройке Conda см. в руководстве по быстрому старту Conda от Ultralytics.

Создай среду Conda (например, yolov5env) с определенной версией Python и активируй ее:

conda create --name yolov5env -y python=3.10 # Create a new Conda environment
conda activate yolov5env                     # Activate the environment
conda install pip -y                         # Ensure pip is installed

Клонирование репозитория YOLOv5#

Клонируй официальный репозиторий Ultralytics YOLOv5 с GitHub с помощью Git:

git clone https://github.com/ultralytics/yolov5 # Clone the repository
cd yolov5                                       # Navigate into the directory
# Initialize submodules (if any, though YOLOv5 typically doesn't require this step)
# git submodule update --init --recursive

Установка зависимостей#

Установи необходимые пакеты Python, перечисленные в файле requirements.txt. Мы также устанавливаем ONNX для поддержки возможностей экспорта моделей.

pip install -r requirements.txt # Install core dependencies
pip install "onnx>=1.12.0"      # Install ONNX for exporting

Выполнение задач YOLOv5#

После завершения настройки ты можешь обучать, проверять, выполнять инференс и экспортировать свою модель YOLOv5.

• Обучай (Train) модель на таком наборе данных, как COCO128. Ознакомься с документацией по режиму обучения для получения дополнительной информации.

  # Start training using yolov5s pretrained weights on the COCO128 dataset
  python train.py --data coco128.yaml --weights yolov5s.pt --img 640 --epochs 10 --batch 16

• Проверяй (Validate) производительность обученной модели с помощью таких метрик, как Precision, Recall и mAP. Доступные параметры описаны в руководстве по режиму валидации.

  # Validate the yolov5s model on the COCO128 validation set
  python val.py --weights yolov5s.pt --data coco128.yaml --img 640

• Запускай инференс (Run Inference) на новых изображениях или видео. Изучи документацию по режиму предсказания, чтобы узнать о различных источниках инференса.

  # Run inference with yolov5s on sample images
  python detect.py --weights yolov5s.pt --source data/images --img 640

• Экспортируй (Export) модель в различные форматы, такие как ONNX, TensorRT или CoreML для развертывания. Обратись к руководству по режиму экспорта и странице интеграции с ONNX.

  # Export yolov5s to ONNX format
  python export.py --weights yolov5s.pt --include onnx --img 640

Использование Notebook#

Если ты предпочитаешь интерактивный режим работы, ты можешь запустить эти команды внутри блокнота AzureML. Тебе потребуется создать пользовательское ядро IPython, связанное с твоей средой Conda.

Создание нового ядра IPython#

Выполни следующие команды в терминале своего вычислительного экземпляра:

# Ensure your Conda environment is active
# conda activate yolov5env

# Install ipykernel if not already present
conda install ipykernel -y

# Create a new kernel linked to your environment
python -m ipykernel install --user --name yolov5env --display-name "Python (yolov5env)"

После создания ядра обнови страницу в браузере. Когда ты откроешь или создашь файл блокнота .ipynb, выбери свое новое ядро ("Python (yolov5env)") в выпадающем меню ядра в правом верхнем углу.

Выполнение команд в ячейках Notebook#

• Ячейки Python: Код в ячейках Python будет автоматически выполняться с использованием выбранного ядра yolov5env.

• Ячейки Bash: Для выполнения команд оболочки используй магическую команду %%bash в начале ячейки. Не забудь активировать свою среду Conda в каждой ячейке bash, так как они не наследуют контекст среды ядра блокнота автоматически.

  %%bash
  source activate yolov5env # Activate environment within the cell
  
  # Example: Run validation using the activated environment
  python val.py --weights yolov5s.pt --data coco128.yaml --img 640

Поздравляем! Ты успешно настроил и запустил Ultralytics YOLOv5 на AzureML. Для дальнейшего изучения рекомендуем ознакомиться с другими интеграциями Ultralytics или подробной документацией по YOLOv5. Также тебе может оказаться полезна документация AzureML для решения более сложных задач, таких как распределенное обучение или развертывание модели в качестве эндпоинта.