Roboflow Наборы данных
Теперь ты можешь использовать Roboflow для организации, маркировки, подготовки, версионирования и размещения твоих наборов данных для обучения YOLOv5 🚀 моделей. Roboflow можно использовать бесплатно вместе с YOLOv5 , если ты сделаешь свое рабочее пространство общедоступным.
Лицензирование
Ultralytics предлагает два варианта лицензирования:
- ЛицензияAGPL-3.0 - одобренная OSI лицензия с открытым исходным кодом, идеально подходящая для студентов и энтузиастов.
- Лицензия Enterprise для предприятий, которые хотят внедрить наши модели искусственного интеллекта в свои продукты и услуги.
Более подробную информацию ты найдешь на сайте Ultralytics Лицензирование.
Загрузите
Ты можешь загрузить свои данные на Roboflow через веб-интерфейс, REST API или Python.
Маркировка
Загрузив данные на Roboflow, ты можешь пометить их и просмотреть предыдущие метки.
Версионирование
Ты можешь создавать версии своего набора данных с разными вариантами препроцессинга и оффлайн-аугментации. YOLOv5 делает оффлайн-аугментацию нативно, поэтому будь внимателен при наложении Roboflow'оффлайн-аугментации поверх.
Экспорт данных
Ты можешь загрузить свои данные в формате YOLOv5 , чтобы быстро начать тренировки.
from roboflow import Roboflow
rf = Roboflow(api_key="YOUR API KEY HERE")
project = rf.workspace().project("YOUR PROJECT")
dataset = project.version("YOUR VERSION").download("yolov5")
Индивидуальное обучение
Мы выпустили пользовательский обучающий туториал, демонстрирующий все вышеперечисленные возможности. Ты можешь получить доступ к коду здесь:
Активное обучение
Реальный мир беспорядочен, и твоя модель неизменно будет сталкиваться с ситуациями, которые твой набор данных не предполагал. Использование активного обучения - важная стратегия итеративного улучшения твоего набора данных и модели. Благодаря интеграции Roboflow и YOLOv5 ты сможешь быстро улучшить свои модели, используя проверенный в боях конвейер машинного обучения.
Поддерживаемые среды
Ultralytics Он предоставляет ряд готовых к использованию окружений, в каждом из которых предустановлены такие необходимые зависимости, как CUDA, CUDNN, Python, и PyTorch, чтобы запустить твои проекты.
- Бесплатные ноутбуки с графическим процессором:
- Google Cloud: Руководство по быстрому запуску GCP
- Amazon: Руководство по быстрому запуску AWS
- Azure: Руководство по быстрому запуску AzureML
- Docker: Руководство по быстрому запуску Docker
Статус проекта
Этот значок означает, что все тесты непрерывной интеграции (CI) YOLOv5 GitHub Actions успешно пройдены. Эти CI-тесты тщательно проверяют функциональность и производительность YOLOv5 по различным ключевым аспектам: обучение, валидация, вывод, экспорт и бенчмарки. Они обеспечивают стабильную и надежную работу на macOS, Windows и Ubuntu, причем тесты проводятся каждые 24 часа и при каждом новом коммите.