YOLO26 Eğitimini İyileştirme: Günlük Kaydı Sürecini Comet ile Basitleştir

Parametreler, metrikler, görüntü tahminleri ve model kontrol noktaları gibi önemli eğitim ayrıntılarını kaydetmek, makine öğrenimi alanında oldukça önemlidir; bu, projenizin şeffaf, ilerlemenizin ölçülebilir ve sonuçlarınızın tekrarlanabilir kalmasını sağlar.

Ultralytics YOLO26, Comet (eski adıyla Comet ML) ile sorunsuz bir şekilde entegre olur ve YOLO26 nesne algılama modelinizin eğitim sürecinin her yönünü verimli bir şekilde yakalayıp optimize eder. Bu rehberde kurulum sürecini, Comet yapılandırmasını, gerçek zamanlı içgörüleri, özel günlük kaydını ve çevrimdışı kullanımı ele alacağız; böylece YOLO26 eğitiminizin eksiksiz bir şekilde belgelendiğinden ve üstün sonuçlar için ince ayar yapıldığından emin olacağız.

Comet

Comet, makine öğrenimi modellerini ve deneylerini izlemek, karşılaştırmak, açıklamak ve optimize etmek için kullanılan bir platformdur. Model eğitimi sırasında metrikleri, parametreleri, medyayı ve daha fazlasını kaydetmenize ve deneylerinizi estetik açıdan hoş bir web arayüzü üzerinden izlemenize olanak tanır. Comet, veri bilimcilerin daha hızlı yineleme yapmalarına, şeffaflığı ve tekrarlanabilirliği artırmalarına ve üretim modelleri geliştirmelerine yardımcı olur.

YOLO26 ve Comet'in Gücünden Yararlanma

Ultralytics YOLO26'yı Comet ile birleştirerek bir dizi avantajdan yararlanırsın. Bunlar arasında basitleştirilmiş deney yönetimi, hızlı ayarlamalar için gerçek zamanlı içgörüler, esnek ve özelleştirilmiş günlük kaydı seçenekleri ve internet erişiminin sınırlı olduğu durumlarda deneyleri çevrimdışı kaydetme yeteneği yer alır. Bu entegrasyon, veriye dayalı kararlar vermenizi, performans metriklerini analiz etmenizi ve olağanüstü sonuçlar elde etmenizi sağlar.

Kurulum

Gerekli paketleri yüklemek için şunu çalıştır:

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

Comet'i Yapılandırma

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

# Set your Comet API Key
export COMET_API_KEY=YOUR_API_KEY

Ardından Comet projenizi 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 işlemi için API anahtarını girmeni isteyecektir.

Kullanım

Kullanım talimatlarına geçmeden önce, Ultralytics tarafından sunulan YOLO26 modelleri serisine göz atmayı unutma. Bu, proje gereksinimlerin için en uygun modeli seçmene yardımcı olacaktır.

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, çalışma sürecini otomatik olarak izlemek için Comet çalışma alanında bir deney oluşturacaktır. Daha sonra YOLO26 modelinizin eğitim sürecinin ayrıntılı günlük kaydını görüntülemen için bir bağlantı sağlanacaktır.

Comet; mAP ve kayıp (loss) gibi metrikler, hiperparametreler, model kontrol noktaları, etkileşimli karışıklık matrisi ve görüntü sınırlayıcı kutu tahminleri gibi verileri ek bir yapılandırmaya gerek kalmadan otomatik olarak kaydeder.

Comet Görselleştirmeleri ile Modelinin Performansını Anlama

YOLO26 modelin eğitime başladığında Comet panosunda neleri göreceğine bir göz atalım. Pano, otomatik olarak kaydedilen bir dizi bilgiyi görseller ve istatistikler aracılığıyla sunarak tüm aksiyonun gerçekleştiği yerdir. İşte kısa bir tur:

Deney Panelleri

Comet panosunun deney panelleri bölümü, farklı çalıştırmaları ve segment maskesi kaybı, sınıf kaybı, kesinlik (precision) ve ortalama ortalama hassasiyet gibi metriklerini düzenler ve sunar.

Metrikler

Metrikler bölümünde, metrikleri burada gösterildiği gibi özel bir bölmede görüntülenen tablo formatında inceleme seçeneğine de sahipsin.

Etkileşimli Karışıklık Matrisi

Karışıklık Matrisi sekmesinde bulunan karışıklık matrisi, modelin sınıflandırma doğruluğunu değerlendirmek 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 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 uyarlamanı sağlar. İşte bazı faydalı özelleştirme seçenekleri:

Görüntü Tahminlerini Kaydetme

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

import os

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

Toplu İş (Batch) Kayıt Aralığı

Comet, görüntü tahmini gruplarının ne sıklıkla kaydedileceğini belirtmene olanak tanır. COMET_EVAL_BATCH_LOGGING_INTERVAL ortam değişkeni bu sıklığı kontrol eder. Varsayılan ayar 1'dir ve her doğrulama grubundan tahminleri kaydeder. Bu değeri farklı bir aralıkta tahmin kaydetmek için ayarlayabilirsin. Örneğin, 4 olarak ayarlarsan her dördüncü gruptan tahminler kaydedilir.

import os

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

Karışıklık Matrisi Kaydını Devre Dışı Bırakma

Bazı durumlarda, her epoktan sonra doğrulama setinden karışıklık matrisini kaydetmek istemeyebilirsin. COMET_EVAL_LOG_CONFUSION_MATRIX ortam değişkenini "false" olarak ayarlayarak bu özelliği devre dışı bırakabilirsin. Karışıklık matrisi yalnızca eğitim tamamlandıktan sonra bir kez 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. Bu özelliği etkinleştirmek için COMET_MODE ortam değişkenini "offline" olarak ayarlayabilirsin. Deney verilerin yerel olarak bir dizine kaydedilecek ve internet bağlantısı olduğunda bunları daha sonra Comet'e yükleyebileceksin.

import os

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

Özet

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

Comet'in YOLO26 projeleri için de geçerli olan resmi YOLOv8 entegrasyon belgelerine göz at.

Ayrıca, özellikle görüntü segmentasyonu görevleri için YOLO26'nın pratik uygulamalarını daha derinlemesine incelemek istiyorsan, YOLO26'ya Comet ile ince ayar yapma konulu bu ayrıntılı rehber, modelinin performansını artırmak için değerli bilgiler ve adım adım talimatlar sunar.

Ek olarak, Ultralytics ile diğer heyecan verici entegrasyonları keşfetmek için zengin kaynaklar ve bilgiler sunan entegrasyon rehberi sayfasına göz atabilirsin.

SSS

Comet'i eğitim için 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. Python kodunda Comet projenizi başlat:

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

4. YOLO26 modelini eğit ve metrikleri 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 ayrıntılı talimatlar için Comet yapılandırma bölümüne bak.

Comet'i YOLO26 ile 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 kaydet: mAP, kayıp, hiperparametreler ve model kontrol noktaları gibi temel metrikleri otomatik olarak yakala.
• Deneyleri çevrimdışı takip et: İnternet erişimi olmadığında eğitim süreçlerini yerel olarak kaydet.
• Farklı eğitim süreçlerini 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 özelleştirebilirim?

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

• Kaydedilen görüntü tahmini sayısını değiştir:

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

• Toplu iş kayıt aralığını ayarla:

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

• Karışıklık matrisi kaydını devre dışı bırak:

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

Daha fazla özelleştirme seçeneği için Comet Günlük Kaydını Özelleştirme bölümüne bak.

YOLO26 eğitimimin ayrıntılı metriklerini ve görselleştirmelerini Comet üzerinde nasıl görüntüleyebilirim?

YOLO26 modelin eğitime başladığında, Comet panosundaki çok çeşitli metrik ve görselleştirmelere erişebilirsin. Temel özellikler şunlardır:

• Deney Panelleri: Segment maskesi kaybı, sınıf kaybı ve ortalama hassasiyet dahil olmak üzere farklı çalıştırmaları ve metriklerini görüntüle.
• Metrikler: Ayrıntılı analiz için metrikleri tablo formatında incele.
• Etkileşimli Karışıklık Matrisi: Sınıflandırma doğruluğunu etkileşimli bir karışıklık matrisi ile değerlendir.
• Sistem Metrikleri: GPU ve CPU kullanımını, bellek kullanımını ve diğer sistem metriklerini izle.

Bu özelliklere genel bir bakış için Comet Görselleştirmeleri ile Modelinin Performansını Anlama bölümünü ziyaret et.

YOLO26 modellerini eğitirken çevrimdışı günlük kaydı için Comet kullanabilir miyim?

Evet, COMET_MODE ortam değişkenini "offline" olarak ayarlayarak Comet'te çevrimdışı günlük kaydını etkinleştirebilirsin:

import os

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

Bu özellik, deney verilerini yerel olarak kaydetmene olanak tanır ve internet bağlantısı olduğunda daha sonra Comet'e yüklenebilir. Bu, özellikle internet erişiminin sınırlı olduğu ortamlarda çalışırken çok yararlıdır. Daha fazla ayrıntı için Çevrimdışı Günlük Kaydı bölümüne bak.