Перейти к содержимому

Mastering YOLOv5 🚀 Развертывание на Google Cloud Platform (GCP) Deep Learning Virtual Machine (VM) ⭐.

Путешествие по пути искусственного интеллекта и машинного обучения может быть захватывающим, особенно когда ты используешь мощь и гибкость облачной платформы. Google Cloud Platform (GCP) предлагает надежные инструменты, предназначенные как для энтузиастов машинного обучения, так и для профессионалов. Одним из таких инструментов является Deep Learning VM, который заранее настроен для задач науки о данных и ML. В этом руководстве мы пройдемся по процессу настройки YOLOv5 на GCP Deep Learning VM. Независимо от того, делаешь ли ты первые шаги в ML или являешься опытным практиком, это руководство призвано предоставить тебе четкий путь к реализации моделей обнаружения объектов на базе YOLOv5.

🆓 К тому же, если ты только что стал пользователем GCP, тебе повезло: тебе предлагают бесплатный кредит в 300 долларов, чтобы дать старт твоим проектам.

Помимо GCP, изучи другие доступные варианты быстрого старта для YOLOv5, например, наш Блокнот Colab Open In Colab для работы в браузере, или масштабируемость Amazon AWS. Кроме того, любители контейнеров могут использовать наш официальный образ Docker по адресу Docker Hub Docker Pulls для инкапсулированной среды.

Шаг 1: Создай и настрой свою виртуальную машину Deep Learning VM.

Начнем с того, что создадим виртуальную машину, настроенную на глубокое обучение:

  1. Перейди на торговую площадку GCP и выбери виртуальную машину Deep Learning VM.
  2. Выбирай экземпляр n1-standard-8; он предлагает баланс из 8 vCPU и 30 Гб памяти, идеально подходящий для наших нужд.
  3. Далее выбери графический процессор. Это зависит от твоей рабочей нагрузки; даже такой базовый, как Tesla T4, заметно ускорит обучение модели.
  4. Поставь галочку в поле "Устанавливать драйвер NVIDIA GPU автоматически при первом запуске?", чтобы установка прошла без проблем.
  5. Выдели 300 Гб SSD Persistent Disk, чтобы не допустить узких мест в операциях ввода-вывода.
  6. Нажми "Deploy" и позволь GCP сделать свою магию в обеспечении твоей пользовательской ВМ Deep Learning.

Эта ВМ поставляется с кладезем предустановленных инструментов и фреймворков, включая дистрибутив Anaconda Python , в котором удобно собраны все необходимые зависимости для YOLOv5.

Иллюстрация GCP Marketplace по настройке виртуальной машины Deep Learning VM

Шаг 2: Подготовь виртуальную машину к YOLOv5

После настройки окружения давай запустим YOLOv5 :

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

# Change the directory to the cloned repository
cd yolov5

# Install the necessary Python packages from requirements.txt
pip install -r requirements.txt

Этот процесс установки гарантирует, что ты работаешь со средой Python версии 3.8.0 или новее и PyTorch 1.8 или выше. Наши скрипты плавно загружают модели и наборы данных из последнегорелиза YOLOv5 , что позволяет без проблем начать обучение модели.

Шаг 3: Обучи и разверни свои модели YOLOv5 🌐.

Настройка завершена, и ты готов приступить к обучению и созданию выводов с помощью YOLOv5 на своей виртуальной машине GCP:

# 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

С помощью всего нескольких команд YOLOv5 позволяет тебе обучать пользовательские модели обнаружения объектов с учетом твоих специфических потребностей или использовать предварительно обученные веса для получения быстрых результатов при решении различных задач.

Изображение команды терминала, иллюстрирующее обучение модели на виртуальной машине GCP Deep Learning VM

Распределите место подкачки (необязательно)

Для тех, кто работает с большими массивами данных, подумай о том, чтобы усилить свой экземпляр GCP дополнительными 64 Гб памяти подкачки:

sudo fallocate -l 64G /swapfile
sudo chmod 600 /swapfile
sudo mkswap /swapfile
sudo swapon /swapfile
free -h  # confirm the memory increment

Заключительные мысли

Поздравляю! Теперь ты можешь использовать возможности YOLOv5 и вычислительную мощь Google Cloud Platform. Эта комбинация обеспечивает масштабируемость, эффективность и универсальность для твоих задач по обнаружению объектов. Будь то личные проекты, академические исследования или промышленные приложения, ты сделал решающий шаг в мир ИИ и машинного обучения в облаке.

Не забывай документировать свой путь, делиться своими идеями с сообществом Ultralytics и использовать арены для совместной работы, такие как обсуждения на GitHub, чтобы развиваться дальше. А теперь вперед, к инновациям с YOLOv5 и GCP! 🌟

Хочешь и дальше совершенствовать свои навыки и знания в области ML? Погрузись в нашу документацию и учебники, чтобы найти больше ресурсов. Пусть твои приключения в области ИИ продолжаются!



Создано 2023-11-12, Обновлено 2023-12-21
Авторы: glenn-jocher (3)

Комментарии