YOLO26 Eğitimini Geliştir: Comet ile Günlük Kaydı Sürecini Basitleştir#

Parametreler, metrikler, görüntü tahminleri ve model kontrol noktaları gibi önemli eğitim ayrıntılarını günlüğe kaydetmek makine öğreniminde çok önemlidir; projenin şeffaf, ilerlemenin ölçülebilir ve sonuçların tekrarlanabilir olmasını sağlar.

Ultralytics YOLO26, Comet (eski adıyla Comet ML) ile sorunsuz biçimde bütünleşerek YOLO26 nesne algılama modelinin eğitim sürecinin her yönünü verimli şekilde kaydeder ve iyileştirir. Bu kılavuzda kurulum sürecini, Comet yapılandırmasını, gerçek zamanlı içgörüleri, özel günlük kaydını ve çevrimdışı kullanımı ele alacağız; böylece YOLO26 eğitimin kapsamlı biçimde belgelenip olağanüstü sonuçlar için ince ayardan geçirilecek.

Comet#

Comet, makine öğrenimi modellerini ve deneylerini takip etmek, karşılaştırmak, açıklamak ve iyileştirmek için kullanılan bir platformdur. Model eğitimi sırasında metrikleri, parametreleri, medyayı ve daha fazlasını günlüğe kaydetmene ve deneylerini görsel açıdan etkileyici bir web arayüzünden izlemene olanak tanır. Comet, veri bilimcilerin daha hızlı yineleme yapmasına, şeffaflığı ve tekrarlanabilirliği artırmasına ve üretim modelleri geliştirmesine yardımcı olur.

YOLO26 ve Comet'in Gücünden Yararlanma#

Ultralytics YOLO26'yı Comet ile birleştirerek pek çok avantaj elde edebilirsin. Bunlar arasında basitleştirilmiş deney yönetimi, hızlı ayarlamalar için gerçek zamanlı içgörüler, esnek ve ihtiyaca göre uyarlanabilen günlük kaydı seçenekleri ve internet erişimi sınırlıyken deneyleri çevrimdışı kaydedebilme olanağı bulunur. Bu entegrasyon, veriye dayalı kararlar almanı, performans metriklerini analiz etmeni ve olağanüstü sonuçlar elde etmeni sağlar.

Kurulum#

Gerekli paketleri yüklemek için şunu çalıştır:

# Install YOLO26 and Comet
pip install ultralytics comet_ml

Comet'i Yapılandırma#

Gerekli paketleri yükledikten sonra kaydolman, bir Comet API anahtarı alman ve yapılandırman gerekir.

# Set your Comet API Key
export COMET_API_KEY=YOUR_API_KEY

Ardından Comet'te kimlik doğrulaması yap. Ultralytics geri çağırımı deneyi oluşturur ve YOLO eğitimindeki project argümanını Comet proje adı olarak kullanır.

import comet_ml

comet_ml.login()

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

Kullanım#

Kullanım yönergelerine geçmeden önce Ultralytics'in sunduğu YOLO26 model çeşitlerine göz at. Bu, proje gereksinimlerine en uygun modeli seçmene yardımcı olur.

from ultralytics import YOLO

# Bir model yükle
model = YOLO("yolo26n.pt")

# Modeli eğit
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 oluşturur. Ardından YOLO26 modelinin eğitim sürecine ilişkin ayrıntılı günlük kayıtlarını görüntüleyebileceğin bir bağlantı verilir.

Comet ek yapılandırma gerektirmeden şu verileri otomatik olarak günlüğe kaydeder: mAP ve kayıp gibi metrikler, hiperparametreler, model kontrol noktaları, etkileşimli karmaşıklık matrisi ve görüntü sınırlayıcı kutusu tahminleri.

Comet Görselleştirmeleriyle Model Performansını Anlama#

YOLO26 modelin eğitime başladığında Comet kontrol panelinde göreceklerine bir göz atalım. Tüm işlemlerin gerçekleştiği kontrol panelinde, otomatik olarak kaydedilen çeşitli bilgiler görseller ve istatistiklerle sunulur. İşte kısa bir tanıtım:

Deney Panelleri

Comet kontrol panelinin deney panelleri bölümü farklı çalıştırmaları ve bunların metriklerini (segment maskesi kaybı, sınıf kaybı, kesinlik ve ortalama ortalama kesinlik gibi) düzenler ve sunar.

Metrikler

Metrikler bölümünde, burada gösterildiği gibi özel bir bölmede görüntülenen metrikleri tablo biçiminde de inceleyebilirsin.

Etkileşimli Karmaşıklık Matrisi

Karmaşıklık Matrisi sekmesinde bulunan karmaşıklık matrisi, modelin sınıflandırma doğruluğunu etkileşimli biçimde değerlendirmene olanak tanır. Doğru ve yanlış tahminleri ayrıntılı olarak göstererek modelin güçlü ve zayıf yönlerini anlamanı sağlar.

Sistem Metrikleri

Comet, eğitim sürecindeki darboğazları belirlemene yardımcı olmak için sistem metriklerini günlüğe kaydeder. Bu metrikler arasında GPU kullanımı, GPU bellek kullanımı, CPU kullanımı ve RAM kullanımı bulunur. Bunlar, model eğitimi sırasında kaynak kullanımının verimliliğini izlemek için 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. Ultralytics geri çağırımı aşağıdaki ortam değişkenlerini okur (eğitim başlamadan önce ayarla):

Boolean geçişleri (COMET_EVAL_LOG_IMAGE_PREDICTIONS ve COMET_EVAL_LOG_CONFUSION_MATRIX) için 1, true, yes, on, y ve t değerleri True olarak ayrıştırılır (büyük/küçük harf duyarlı değildir). Diğer tüm değerler False olarak değerlendirilir.

Görüntü Tahminlerini Günlüğe Kaydetme#

Deneylerin sırasında Comet'in günlüğe kaydettiği görüntü tahminlerinin sayısını kontrol edebilirsin. Comet, doğrulama kümesinden varsayılan olarak 100 görüntü tahminini günlüğe kaydeder. Ancak bu sayıyı gereksinimlerine daha uygun olacak şekilde değiştirebilirsin. Örneğin, 200 görüntü tahminini günlüğe kaydetmek için şu kodu kullan:

import os

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

Görüntü tahmini günlüğü kaydını tamamen devre dışı bırakmak (örneğin, yavaş bağlantılarda yükleme hacmini azaltmak) için COMET_EVAL_LOG_IMAGE_PREDICTIONS değerini "false" olarak ayarla:

import os

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

Grup Günlüğü Kaydı Aralığı#

Comet, görüntü tahminlerinden oluşan grupların ne sıklıkta günlüğe kaydedileceğini belirlemene olanak tanır. COMET_EVAL_BATCH_LOGGING_INTERVAL ortam değişkeni bu sıklığı kontrol eder. Varsayılan değer 1'dir; bu durumda her doğrulama grubundaki tahminler günlüğe kaydedilir. Tahminleri farklı aralıklarla kaydetmek için bu değeri ayarlayabilirsin. Örneğin, 4 olarak ayarlamak her dördüncü gruptaki tahminlerin günlüğe kaydedilmesini sağlar.

import os

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

Karmaşıklık Matrisi Günlük Kaydını Devre Dışı Bırakma#

Bazı durumlarda, her epoch sonrasında doğrulama kümesindeki karmaşıklık matrisini günlüğe kaydetmek istemeyebilirsin. COMET_EVAL_LOG_CONFUSION_MATRIX ortam değişkenini "false" olarak ayarlayarak bu özelliği devre dışı bırakabilirsin. Karmaşıklık matrisi yalnızca eğitim tamamlandıktan sonra bir kez günlüğe kaydedilir.

import os

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

Çevrimiçi ve Çevrimdışı Mod#

Comet varsayılan olarak çevrimiçi modda çalışır ve deney verilerini Comet sunucularına aktarır. İnternet erişimi olmadan eğitim yapman gerekiyorsa, eğitim başlamadan önce COMET_START_ONLINE=0 değerini ayarla. Deney verileri yerel olarak kaydedilir ve daha sonra comet upload CLI ile yüklenebilir.

import os

os.environ["COMET_START_ONLINE"] = "0"  # 1 (varsayılan) = çevrimiçi, 0 = çevrimdışı

Proje Adı#

Comet geri çağırımı varsayılan olarak YOLO eğitimindeki project argümanını Comet'e iletir (argüman ayarlanmamışsa None değerini iletir; bu durumda Comet çalışma alanının varsayılanını kullanır). YOLO eğitim argümanından bağımsız olarak tüm deneyleri belirli bir Comet çalışma alanı projesine göndermek için bunu COMET_PROJECT_NAME ile geçersiz kıl:

import os

os.environ["COMET_PROJECT_NAME"] = "my-yolo26-experiments"

Model Yapıtının Adı#

COMET_MODEL_NAME, Comet'in günlüğe kaydedilen model yapıtı için kullandığı adı belirler (varsayılanı Ultralytics değeridir). Paylaşılan bir çalışma alanında model varyantlarını birbirinden ayırmak için kullan:

import os

os.environ["COMET_MODEL_NAME"] = "yolo26n-coco128"

Güven Puanı Ölçeklendirmesi#

Algılama güven puanları [0, 1] aralığında üretilir, ancak Comet arayüzü varsayılan olarak bunları yüzde ölçeğinde görüntüler. Geri çağırım, günlüğe kaydetmeden önce her puanı COMET_MAX_CONFIDENCE_SCORE ile çarpar (varsayılan 100.0). Ham olasılıkları veya farklı bir ölçeği tercih ediyorsan bu değeri ayarla:

import os

os.environ["COMET_MAX_CONFIDENCE_SCORE"] = "1.0"  # ham [0, 1] puanlarını günlüğe kaydet

Özet#

Bu kılavuz, Comet'i Ultralytics YOLO26 ile bütünleştirme sürecinde sana yol gösterdi. Kurulumdan özelleştirmeye kadar deney yönetimini nasıl kolaylaştıracağını, gerçek zamanlı içgörüler elde edeceğini ve günlük kaydını projenin ihtiyaçlarına göre uyarlayacağını öğrendin.

YOLO26 projeleri için de geçerli olan Comet'in resmi YOLOv8 entegrasyon belgelerini incele.

Ayrıca, YOLO26'nın pratik uygulamalarını, özellikle görüntü segmentasyonu görevlerini daha ayrıntılı incelemek istiyorsan, YOLO26'ya Comet ile ince ayar yapma hakkındaki bu kapsamlı kılavuz model performansını geliştirmek için değerli içgörüler ve adım adım talimatlar sunar.

Ayrıca, Ultralytics ile sunulan diğer ilgi çekici entegrasyonları keşfetmek için zengin kaynaklar ve bilgiler sunan entegrasyon kılavuzu sayfasına göz at.

Sık Sorulan Sorular#