─░├žeri─če ge├ž

E─čitim YOLOv8 ile ClearML: MLOps ─░┼č Ak─▒┼č─▒n─▒z─▒ Kolayla┼čt─▒r─▒n

MLOps, makine ├Â─črenimi modellerinin ger├žek d├╝nya ortamlar─▒nda olu┼čturulmas─▒ ve da─č─▒t─▒lmas─▒ aras─▒ndaki bo┼člu─ču doldurur. Modellerin pratik uygulamalarda iyi performans g├Âstermesini sa─člamak i├žin verimli da─č─▒t─▒m, ├Âl├žeklenebilirlik ve s├╝rekli y├Ânetime odaklan─▒r.

Ultralytics YOLOv8ClearML ile zahmetsizce entegre olarak nesne alg─▒lama modelinizin e─čitimini ve y├Ânetimini kolayla┼čt─▒r─▒r ve geli┼čtirir. Bu k─▒lavuz, ClearML adresini nas─▒l kuraca─č─▒n─▒z─▒, deneyleri nas─▒l y├Ânetece─činizi, model y├Ânetimini nas─▒l otomatikle┼čtirece─činizi ve etkili bir ┼čekilde nas─▒l i┼čbirli─či yapaca─č─▒n─▒z─▒ detayland─▒rarak entegrasyon s├╝recinde size yol g├Âsterecektir.

ClearML

ClearML Genel Bak─▒┼č

ClearML makine ├Â─črenimi i┼č ak─▒┼člar─▒n─▒ otomatikle┼čtirmek, izlemek ve d├╝zenlemek i├žin ustaca tasarlanm─▒┼č yenilik├ži bir a├ž─▒k kaynakl─▒ MLOps platformudur. Temel ├Âzellikleri aras─▒nda tam deney tekrarlanabilirli─či i├žin t├╝m e─čitim ve ├ž─▒kar─▒m verilerinin otomatik olarak kaydedilmesi, kolay veri g├Ârselle┼čtirme ve analizi i├žin sezgisel bir web kullan─▒c─▒ aray├╝z├╝, geli┼čmi┼č hiperparametre optimizasyon algoritmalar─▒ ve ├že┼čitli platformlarda verimli da─č─▒t─▒m i├žin sa─člam model y├Ânetimi yer al─▒r.

YOLOv8 ile E─čitim ClearML

YOLOv8 adresini ClearML ile entegre ederek e─čitim s├╝recinizi iyile┼čtirerek makine ├Â─črenimi i┼č ak─▒┼č─▒n─▒za otomasyon ve verimlilik getirebilirsiniz.

Kurulum

Gerekli paketleri y├╝klemek i├žin ├žal─▒┼čt─▒r─▒n:

Kurulum

# Install the required packages for YOLOv8 and ClearML
pip install ultralytics clearml

Kurulum s├╝reciyle ilgili ayr─▒nt─▒l─▒ talimatlar ve en iyi uygulamalar i├žin YOLOv8 Kurulum k─▒lavuzumuzu kontrol etti─činizden emin olun. YOLOv8 i├žin gerekli paketleri y├╝klerken herhangi bir zorlukla kar┼č─▒la┼č─▒rsan─▒z, ├ž├Âz├╝mler ve ipu├žlar─▒ i├žin Ortak Sorunlar k─▒lavuz umuza ba┼čvurun.

Yap─▒land─▒rma ClearML

Gerekli paketleri y├╝kledikten sonra, bir sonraki ad─▒m ClearML SDK'n─▒z─▒ ba┼člatmak ve yap─▒land─▒rmakt─▒r. Bu, ClearML hesab─▒n─▒z─▒ kurmay─▒ ve geli┼čtirme ortam─▒n─▒z ile ClearML sunucusu aras─▒nda sorunsuz bir ba─člant─▒ i├žin gerekli kimlik bilgilerini edinmeyi i├žerir.

Begin by initializing the ClearML SDK in your environment. The 'clearml-init' command starts the setup process and prompts you for the necessary credentials.

─░lk SDK Kurulumu

# Initialize your ClearML SDK setup process
clearml-init

Bu komutu ├žal─▒┼čt─▒rd─▒ktan sonra ClearML Ayarlar sayfas─▒n─▒ ziyaret edin. Sa─č ├╝st k├Â┼čeye gidin ve "Ayarlar "─▒ se├žin. "├çal─▒┼čma Alan─▒" b├Âl├╝m├╝ne gidin ve "Yeni kimlik bilgileri olu┼čtur" se├žene─čine t─▒klay─▒n. "Kimlik Bilgileri Olu┼čtur" a├ž─▒l─▒r penceresinde sa─članan kimlik bilgilerini kullanarak, ClearML adresini bir Jupyter Notebook'ta m─▒ yoksa yerel bir Python ortam─▒nda m─▒ yap─▒land─▒rd─▒─č─▒n─▒za ba─čl─▒ olarak, kurulumu talimatlara uygun ┼čekilde tamamlay─▒n.

Kullan─▒m

Kullan─▒m talimatlar─▒na ge├žmeden ├Ânce, Ultralytics taraf─▒ndan sunulanYOLOv8 model yelpazesine g├Âz att─▒─č─▒n─▒zdan emin olun. Bu, proje gereksinimleriniz i├žin en uygun modeli se├žmenize yard─▒mc─▒ olacakt─▒r.

Kullan─▒m

from clearml import Task

from ultralytics import YOLO

# Step 1: Creating a ClearML Task
task = Task.init(project_name="my_project", task_name="my_yolov8_task")

# Step 2: Selecting the YOLOv8 Model
model_variant = "yolov8n"
task.set_parameter("model_variant", model_variant)

# Step 3: Loading the YOLOv8 Model
model = YOLO(f"{model_variant}.pt")

# Step 4: Setting Up Training Arguments
args = dict(data="coco8.yaml", epochs=16)
task.connect(args)

# Step 5: Initiating Model Training
results = model.train(**args)

Kodu Anlamak

Let's understand the steps showcased in the usage code snippet above.

Ad─▒m 1: Bir ClearML G├Ârevi Olu┼čturma: Projenizi ve g├Ârev adlar─▒n─▒z─▒ belirterek ClearML adresinde yeni bir g├Ârev ba┼člat─▒l─▒r. Bu g├Ârev, modelinizin e─čitimini izleyecek ve y├Ânetecektir.

Ad─▒m 2: YOLOv8 Modelinin Se├žilmesi: The model_variant de─či┼čkeni, YOLOv8 modellerinden biri olan 'yolov8n' olarak ayarlan─▒r. Bu de─či┼čken daha sonra izleme i├žin ClearML adresine kaydedilir.

Ad─▒m 3: YOLOv8 Modelinin Y├╝klenmesi: Se├žilen YOLOv8 modeli Ultralytics' YOLO s─▒n─▒f─▒ kullan─▒larak y├╝klenir ve e─čitim i├žin haz─▒rlan─▒r.

Ad─▒m 4: E─čitim Arg├╝manlar─▒n─▒n Olu┼čturulmas─▒: Veri k├╝mesi gibi temel e─čitim arg├╝manlar─▒ (coco8.yaml) ve epok say─▒s─▒ (16) bir s├Âzl├╝kte d├╝zenlenir ve ClearML g├Ârevine ba─član─▒r. Bu, ClearML kullan─▒c─▒ aray├╝z├╝ arac─▒l─▒─č─▒yla izleme ve olas─▒ de─či┼čikliklere olanak tan─▒r. Model e─čitim s├╝recinin ve en iyi uygulamalar─▒n ayr─▒nt─▒l─▒ bir ┼čekilde anla┼č─▒lmas─▒ i├žin YOLOv8 Model E─čitim K─▒lavuzu.

Ad─▒m 5: Model E─čitiminin Ba┼člat─▒lmas─▒: Model e─čitimi belirtilen arg├╝manlarla ba┼člat─▒l─▒r. E─čitim s├╝recinin sonu├žlar─▒ results de─či┼čken.

Çıktıyı Anlama

Yukar─▒daki kullan─▒m kodu par├žac─▒─č─▒n─▒ ├žal─▒┼čt─▒rd─▒ktan sonra a┼ča─č─▒daki ├ž─▒kt─▒y─▒ bekleyebilirsiniz:

  • Benzersiz kimli─čiyle birlikte yeni bir ClearML g├Ârevinin olu┼čturuldu─čunu belirten bir onay mesaj─▒.
  • Kodun y├╝r├╝t├╝lmesinin ClearML taraf─▒ndan izlendi─čini belirten, depolanan kod hakk─▒nda bir bilgilendirme mesaj─▒.
  • E─čitim ilerlemesini izleyebilece─činiz ve ayr─▒nt─▒l─▒ g├╝nl├╝kleri g├Âr├╝nt├╝leyebilece─činiz ClearML sonu├ž sayfas─▒na bir URL ba─člant─▒s─▒.
  • YOLOv8 modeli ve belirtilen veri k├╝mesi i├žin ilerlemeyi indirin, ard─▒ndan model mimarisi ve e─čitim yap─▒land─▒rmas─▒n─▒n bir ├Âzetini g├Âr├╝nt├╝leyin.
  • TensorBoard, Otomatik Karma Hassasiyet (AMP) ve veri k├╝mesi haz─▒rlama gibi ├že┼čitli e─čitim bile┼čenleri i├žin ba┼člatma mesajlar─▒.
  • Son olarak, model belirtilen veri k├╝mesi ├╝zerinde e─čitilirken ilerleme g├╝ncellemeleriyle birlikte e─čitim s├╝reci ba┼člar. E─čitim s─▒ras─▒nda kullan─▒lan performans metriklerini derinlemesine anlamak i├žin performans metrikleri k─▒lavuzumuzu okuyun.

ClearML Sonu├ž Sayfas─▒n─▒ G├Âr├╝nt├╝leme

Kullan─▒m kodu par├žac─▒─č─▒n─▒n ├ž─▒kt─▒s─▒ndaki ClearML sonu├žlar sayfas─▒na giden URL ba─člant─▒s─▒na t─▒klayarak, modelinizin e─čitim s├╝recinin kapsaml─▒ bir g├Âr├╝n├╝m├╝ne eri┼čebilirsiniz.

ClearML Sonu├ž Sayfas─▒n─▒n Temel ├ľzellikleri

  • Ger├žek Zamanl─▒ Metrik Takibi

    • Kay─▒p, do─čruluk ve do─črulama puanlar─▒ gibi kritik ├Âl├ž├╝mleri olu┼čtuklar─▒ anda izleyin.
    • Zaman─▒nda model performans ayarlamalar─▒ i├žin an─▒nda geri bildirim sa─člar.
  • Deney Kar┼č─▒la┼čt─▒rmas─▒

    • Farkl─▒ antrenman ├žal─▒┼čmalar─▒n─▒ yan yana kar┼č─▒la┼čt─▒r─▒n.
    • Hiperparametre ayarlama ve en etkili modelleri belirleme i├žin gereklidir.
  • Ayr─▒nt─▒l─▒ G├╝nl├╝kler ve ├ç─▒kt─▒lar

    • Kapsaml─▒ g├╝nl├╝klere, metriklerin grafiksel g├Âsterimlerine ve konsol ├ž─▒kt─▒lar─▒na eri┼čin.
    • Model davran─▒┼č─▒ ve sorun ├ž├Âz├╝m├╝ hakk─▒nda daha derin bir anlay─▒┼č kazan─▒n.
  • Kaynak Kullan─▒m─▒n─▒n ─░zlenmesi

    • CPU, GPU ve bellek dahil olmak ├╝zere hesaplama kaynaklar─▒n─▒n kullan─▒m─▒n─▒ izleyin.
    • E─čitim verimlili─čini ve maliyetlerini optimize etmenin anahtar─▒.
  • Model Yap─▒tlar─▒ Y├Ânetimi

    • E─čitilmi┼č modeller ve kontrol noktalar─▒ gibi model eserlerini g├Âr├╝nt├╝leyin, indirin ve payla┼č─▒n.
    • ─░┼čbirli─čini geli┼čtirir ve model da─č─▒t─▒m─▒n─▒ ve payla┼č─▒m─▒n─▒ kolayla┼čt─▒r─▒r.

ClearML Sonu├ž Sayfas─▒n─▒n nas─▒l g├Âr├╝nd├╝─č├╝n├╝ g├Ârsel olarak incelemek i├žin a┼ča─č─▒daki videoyu izleyin:



─░zle: YOLOv8 MLOps Entegrasyonu kullanarak ClearML

Geli┼čmi┼č ├ľzellikler ClearML

ClearML MLOps deneyiminizi geli┼čtirmek i├žin ├že┼čitli geli┼čmi┼č ├Âzellikler sunar.

Uzaktan Y├╝r├╝tme

ClearML'in uzaktan y├╝r├╝tme ├Âzelli─či, deneylerin farkl─▒ makinelerde ├žo─čalt─▒lmas─▒n─▒ ve manip├╝le edilmesini kolayla┼čt─▒r─▒r. Y├╝kl├╝ paketler ve taahh├╝t edilmemi┼č de─či┼čiklikler gibi temel ayr─▒nt─▒lar─▒ g├╝nl├╝─če kaydeder. Bir g├Ârev s─▒raland─▒─č─▒nda, ClearML Agent g├Ârevi ├žeker, ortam─▒ yeniden olu┼čturur ve deneyi ├žal─▒┼čt─▒rarak ayr─▒nt─▒l─▒ sonu├žlarla birlikte geri bildirimde bulunur.

Bir ClearML Agent'─▒ da─č─▒tmak basittir ve a┼ča─č─▒daki komut kullan─▒larak ├že┼čitli makinelerde yap─▒labilir:

clearml-agent daemon --queue <queues_to_listen_to> [--docker]

Bu kurulum bulut VM'leri, yerel GPU'lar veya diz├╝st├╝ bilgisayarlar i├žin ge├žerlidir. ClearML Autoscalers, AWS, GCP ve Azure gibi platformlarda bulut i┼č y├╝klerini y├Ânetmeye yard─▒mc─▒ olarak arac─▒lar─▒n da─č─▒t─▒m─▒n─▒ otomatikle┼čtirir ve kaynaklar─▒ kaynak b├╝t├ženize g├Âre ayarlar.

Klonlama, D├╝zenleme ve S─▒raya Alma

ClearML'in kullan─▒c─▒ dostu aray├╝z├╝, g├Ârevlerin kolayca klonlanmas─▒na, d├╝zenlenmesine ve s─▒raya al─▒nmas─▒na olanak tan─▒r. Kullan─▒c─▒lar mevcut bir deneyi klonlayabilir, parametreleri veya di─čer ayr─▒nt─▒lar─▒ kullan─▒c─▒ aray├╝z├╝ ├╝zerinden ayarlayabilir ve g├Ârevi y├╝r├╝t├╝lmek ├╝zere s─▒raya koyabilir. Bu kolayla┼čt─▒r─▒lm─▒┼č s├╝re├ž, g├Ârevi y├╝r├╝ten ClearML Agent'─▒n g├╝ncellenmi┼č konfig├╝rasyonlar─▒ kullanmas─▒n─▒ sa─člayarak yinelemeli deneyler ve model ince ayar─▒ i├žin idealdir.


ile Klonlama, D├╝zenleme ve S─▒raya Alma ClearML

├ľzet

Bu k─▒lavuz, ClearML adresini Ultralytics' YOLOv8 ile entegre etme s├╝recinde size yol g├Âstermi┼čtir. ─░lk kurulumdan geli┼čmi┼č model y├Ânetimine kadar her ┼čeyi kapsayan bu k─▒lavuzda, makine ├Â─črenimi projelerinizde verimli e─čitim, deney takibi ve i┼č ak─▒┼č─▒ optimizasyonu i├žin ClearML adresinden nas─▒l yararlanabilece─činizi ke┼čfettiniz.

Kullan─▒m hakk─▒nda daha fazla bilgi i├žin ClearML'un resmi belgelerini ziyaret edin.

Ayr─▒ca, bir kaynak ve i├žg├Âr├╝ hazinesi olan Ultralytics entegrasyon k─▒lavuzu sayfas─▒n─▒ ziyaret ederek Ultralytics 'un daha fazla entegrasyonunu ve ├Âzelli─čini ke┼čfedin.



Created 2023-11-29, Updated 2024-06-09
Authors: IvorZhu331 (1), glenn-jocher (9), abirami-vina (1)

Yorumlar