YOLO26 Eğitimini İyileştirme: Günlük Kaydı Sürecini Comet ile Basitleştir

Parametreler, metrikler, görüntü tahminleri ve model kontrol noktaları gibi önemli eğitim ayrıntılarını günlüğe kaydetmek, machine learningiçin elzemdir; projenin şeffaf kalmasını, ilerlemenin ölçülebilir olmasını ve sonuçların tekrarlanabilir olmasını sağlar.

Ultralytics YOLO26Comet (eski adıyla Comet ML) ile sorunsuz bir şekilde entegre olur ve YOLO26 object detectionmodelinin eğitim sürecinin her aşamasını verimli bir şekilde yakalar ve optimize eder. Bu rehberde; kurulum sürecini, Comet yapılandırmasını, gerçek zamanlı içgörüleri, özel günlük kaydını ve çevrimdışı kullanımı ele alacağız. Böylece YOLO26 eğitiminin eksiksiz bir şekilde belgelenmesini ve olağanüstü sonuçlar için hassas bir şekilde ayarlanmasını sağlayacağız.

Comet

CometMakine öğrenimi modellerini ve deneylerini izlemek, karşılaştırmak, açıklamak ve optimize etmek için kullanılan bir platformdur. Model eğitimi sırasında metrikleri, parametreleri, medyaları ve daha fazlasını günlüğe kaydetmene ve deneylerini estetik bir web arayüzü üzerinden izlemene olanak tanır. Comet, veri bilimcilerin daha hızlı yineleme yapmasına, şeffaflığı ve tekrarlanabilirliği artırmasına ve üretim modellerinin geliştirilmesine yardımcı olur.

YOLO26 ve Comet Gücünden Yararlanma

Ultralytics YOLO26'yı Comet ile birleştirerek bir dizi avantaj elde edersin. Bunlar arasında basitleştirilmiş deney yönetimi, hızlı ayarlamalar için gerçek zamanlı içgörüler, esnek ve özelleştirilmiş günlük kaydı seçenekleri ve internet erişimi sınırlı olduğunda deneyleri çevrimdışı kaydetme yeteneği yer alır. Bu entegrasyon, veriye dayalı kararlar vermeni, performans metriklerini analiz etmeni ve olağanüstü sonuçlara ulaşmanı sağlar.

Kurulum

Gerekli paketleri kurmak için şu komutu çalıştır:

# Install the required packages for YOLO26 and Comet
pip install ultralytics comet_ml torch torchvision

Comet Yapılandırması

Gerekli paketleri kurduktan sonra kaydolman, bir Comet API Keyalman ve yapılandırman gerekecek.

# Set your Comet API Key
export COMET_API_KEY=YOUR_API_KEY

Ardından, Comet projeni başlatabilirsin. Comet, API anahtarını otomatik olarak algılayacak ve kuruluma devam edecektir.

import comet_ml

comet_ml.login(project_name="comet-example-yolo26-coco128")

Google Colab not defteri kullanıyorsan, yukarıdaki kod senden başlatma için API anahtarını girmeni isteyecektir.

Kullanım

Kullanım talimatlarına dalmadan önce, çeşitli 5. Adım: YOLO Modelini DağıtDağıtım talimatlarına dalmadan önce,

from ultralytics import YOLO

# Load a model
model = YOLO("yolo26n.pt")

# Train the model
results = model.train(
    data="coco8.yaml",
    project="comet-example-yolo26-coco128",
    batch=32,
    save_period=1,
    save_json=True,
    epochs=3,
)

Eğitim kodunu çalıştırdıktan sonra Comet, çalıştırmayı otomatik olarak takip etmek için Comet çalışma alanında bir deney oluşturacaktır. Daha sonra, YOLO26 modelinin eğitimsürecinin ayrıntılı günlük kaydını görüntülemen için sana bir bağlantı sağlanacaktır.

Comet, ek bir yapılandırma gerekmeden şu verileri otomatik olarak günlüğe kaydeder: mAP ve loss gibi metrikler, hiperparametreler, model kontrol noktaları, etkileşimli karışıklık matrisi ve görüntü bounding boxtahminleri.

Comet Görselleştirmeleri ile Modelinin Performansını Anlamak

YOLO26 modelin eğitime başladığında Comet panosunda neler göreceğine bir bakalım. Pano, tüm eylemin gerçekleştiği yerdir ve otomatik olarak günlüğe kaydedilen bir dizi bilgiyi görseller ve istatistiklerle sunar. İşte kısa bir tur:

Deney Panelleri

Comet panosunun deney panelleri bölümü, farklı çalıştırmaları ve segment mask kaybı, sınıf kaybı, kesinlik ve mean average precision.

Metrikler

gibi metriklerini düzenler ve sunar. Metrikler bölümünde, burada gösterildiği gibi özel bir bölmede görüntülenen tablo biçimindeki metrikleri inceleme seçeneğin de vardır.

Etkileşimli Duyarlılık Eğrisi (

Karışıklık matrisi sekmesinde bulunan karışıklık matrisi, modelin sınıflandırma YOLO modelleri için eğitim ayarları, eğitim sürecinde kullanılan çeşitli hiperparametreleri ve yapılandırmaları kapsar. Bu ayarlar modelin performansını, hızını ve doğruluğunu değerlendirmen için etkileşimli bir yol sağlar. Doğru ve yanlış tahminleri detaylandırarak modelin güçlü ve zayıf yönlerini anlamanı sağlar.

Sistem Metrikleri

Comet, eğitim sürecindeki darboğazları belirlemeye yardımcı olmak için sistem metriklerini günlüğe kaydeder. Bunlar arasında GPU kullanımı, GPU bellek kullanımı, CPU kullanımı ve RAM kullanımı gibi metrikler yer alır. Bunlar, model eğitimi sırasında kaynak kullanımının verimliliğini izlemek için çok önemlidir.

Comet Günlük Kaydını Özelleştirme

Comet, ortam değişkenlerini ayarlayarak günlük kaydı davranışını özelleştirme esnekliği sunar. Bu yapılandırmalar, Comet'i özel ihtiyaçlarına ve tercihlerine göre uyarlamana olanak tanır. İşte bazı yararlı özelleştirme seçenekleri:

Görüntü Tahminlerini Günlüğe Kaydetme

Comet'in deneylerin sırasında günlüğe kaydettiği görüntü tahminlerinin sayısını kontrol edebilirsin. Varsayılan olarak Comet, doğrulama setinden 100 görüntü tahmini günlüğe kaydeder. Ancak, bu sayıyı ihtiyaçlarına daha uygun olacak şekilde değiştirebilirsin. Örneğin, 200 görüntü tahminini günlüğe kaydetmek için şu kodu kullan:

import os

os.environ["COMET_MAX_IMAGE_PREDICTIONS"] = "200"

Toplu Günlük Kaydı Aralığı

Comet, görüntü tahmini yığınlarının ne sıklıkla günlüğe kaydedileceğini belirtmene olanak tanır. COMET_EVAL_BATCH_LOGGING_INTERVALortam değişkeni bu sıklığı kontrol eder. Varsayılan ayar 1'dir, bu da her doğrulama yığınından tahminleri günlüğe kaydeder. Bu değeri, tahminleri farklı bir aralıkta günlüğe kaydetmek için ayarlayabilirsin. Örneğin, bunu 4 olarak ayarlamak, her dördüncü yığından gelen tahminleri günlüğe kaydedecektir.

import os

os.environ["COMET_EVAL_BATCH_LOGGING_INTERVAL"] = "4"

Karışıklık Matrisi Günlüğünü Devre Dışı Bırakma

Bazı durumlarda, her epochsonra doğrulama setinden karışıklık matrisini günlüğe kaydetmek istemeyebilirsin. COMET_EVAL_LOG_CONFUSION_MATRIXortam değişkenini "false" olarak ayarlayarak bu özelliği devre dışı bırakabilirsin. Karışıklık matrisi yalnızca eğitim tamamlandıktan sonra bir kez günlüğe kaydedilecektir.

import os

os.environ["COMET_EVAL_LOG_CONFUSION_MATRIX"] = "false"

Çevrimdışı Günlük Kaydı

İnternet erişiminin sınırlı olduğu bir durumdaysan, Comet çevrimdışı bir günlük kaydı seçeneği sunar. COMET_MODEortam değişkenini bu özelliği etkinleştirmek için "offline" olarak ayarlayabilirsin. Deney verilerin yerel bir dizine kaydedilecek ve internet bağlantısı olduğunda daha sonra Comet'e yükleyebileceksin.

import os

os.environ["COMET_MODE"] = "offline"

Özet

Bu rehber, Comet'i Ultralytics YOLO26 ile entegre etme sürecinde sana yol gösterdi. Kurulumdan özelleştirmeye kadar, deney yönetimini kolaylaştırmayı, gerçek zamanlı içgörüler elde etmeyi ve günlük kaydını projenin ihtiyaçlarına göre uyarlamayı öğrendin.

Şuraya göz at: Comet'in resmi YOLOv8 entegrasyon belgeleri, bunlar aynı zamanda YOLO26 projeleri için de geçerlidir.

Ayrıca, YOLO26'nın pratik uygulamalarına, özellikle ve görevleri için daha derinlemesine bakmak istiyorsan, bu ayrıntılı YOLO26'yı Comet ile ince ayar yapmakılavuzu, modelinin performansını artırmak için değerli içgörüler ve adım adım talimatlar sunar.

Ek olarak, Ultralytics ile diğer heyecan verici entegrasyonları keşfetmek için entegrasyon rehberi sayfasınagöz at; burada zengin kaynaklar ve bilgiler bulabilirsin.

SSS

Eğitim için Comet'i Ultralytics YOLO26 ile nasıl entegre ederim?

Comet'i Ultralytics YOLO26 ile entegre etmek için şu adımları izle:

1. Gerekli paketleri kur:

   pip install ultralytics comet_ml torch torchvision

2. Comet API Anahtarını ayarla:

   export COMET_API_KEY=YOUR_API_KEY

3. Comet projeni Python kodunda başlat:

   import comet_ml
   
   comet_ml.login(project_name="comet-example-yolo26-coco128")

4. YOLO26 modelini eğit ve metrikleri günlüğe kaydet:

   from ultralytics import YOLO
   
   model = YOLO("yolo26n.pt")
   results = model.train(
       data="coco8.yaml",
       project="comet-example-yolo26-coco128",
       batch=32,
       save_period=1,
       save_json=True,
       epochs=3,
   )

Daha detaylı talimatlar için şu sayfaya bakabilirsin: Comet yapılandırma bölümü.

YOLO26 ile Comet kullanmanın faydaları nelerdir?

Ultralytics YOLO26'yı Comet ile entegre ederek şunları yapabilirsin:

• Gerçek zamanlı içgörüleri izle: Eğitim sonuçların hakkında anında geri bildirim alarak hızlı ayarlamalar yapmanı sağlar.
• Kapsamlı metrikleri günlüğe kaydet: mAP, loss, hiperparametreler ve model kontrol noktaları gibi temel metrikleri otomatik olarak yakala.
• Deneyleri çevrimdışı takip et: İnternet erişimi olmadığında eğitim çalıştırmalarını yerel olarak günlüğe kaydet.
• Farklı eğitim çalıştırmalarını karşılaştır: Birden fazla deneyi analiz etmek ve karşılaştırmak için etkileşimli Comet panosunu kullan.

Bu özelliklerden yararlanarak, makine öğrenimi iş akışlarını daha iyi performans ve tekrarlanabilirlik için optimize edebilirsin. Daha fazla bilgi için Comet entegrasyon rehberini.

ziyaret et.

YOLO26 eğitimi sırasında Comet'in günlük kaydı davranışını nasıl özelleştiririm?

• Comet, ortam değişkenlerini kullanarak günlük kaydı davranışının kapsamlı bir şekilde özelleştirilmesine olanak tanır::

  import os
  
  os.environ["COMET_MAX_IMAGE_PREDICTIONS"] = "200"

• Günlüğe kaydedilen görüntü tahminlerinin sayısını değiştir:

  import os
  
  os.environ["COMET_EVAL_BATCH_LOGGING_INTERVAL"] = "4"

• Toplu günlük kaydı aralığını ayarla:

  import os
  
  os.environ["COMET_EVAL_LOG_CONFUSION_MATRIX"] = "false"

: Precision, doğru pozitif algılamaların toplam algılanan pozitiflere oranını ölçerken, recall, doğru pozitif algılamaların toplam gerçek pozitiflere oranını ölçer.Comet Günlük Kaydını ÖzelleştirmeKarışıklık matrisi günlüğünü devre dışı bırak

Daha fazla özelleştirme seçeneği için bu bölümü incele.

YOLO26 eğitimimin ayrıntılı metriklerini ve görselleştirmelerini Comet üzerinde nasıl görüntüleyebilirim?

• Deney PanelleriYOLO26 modelin eğitime başladığında, Comet panosunda çok çeşitli metrik ve görselleştirmelere erişebilirsin. Temel özellikler şunlardır:hassasiyet.
• Metrikler: Segment mask kaybı, sınıf kaybı ve mean average precision dahil olmak üzere farklı çalıştırmaları ve metriklerini görüntüle.
• : Ayrıntılı analiz için metrikleri tablo biçiminde incele.Etkileşimli Karışıklık Matrisi
• Sistem Metrikleri: Sınıflandırma doğruluğunu etkileşimli bir karışıklık matrisi ile değerlendir.

: GPU ve CPU kullanımını, bellek kullanımını ve diğer sistem metriklerini izle.Comet Görselleştirmeleri ile Modelinin Performansını Anlamakçıkarım argümanları

Bu özelliklerin ayrıntılı bir genel görünümü için

ziyaret et.COMET_MODEYOLO26 modellerini eğitirken çevrimdışı günlük kaydı için Comet kullanabilir miyim?

import os

os.environ["COMET_MODE"] = "offline"

Evet, Çevrimdışı Günlük Kaydıçıkarım argümanları