YOLO26 Eğitimini Geliştirin: Comet ile Günlük Kaydı Sürecinizi Basitleştirin#

Parametreler, metrikler, görüntü tahminleri ve model kontrol noktaları gibi temel eğitim ayrıntılarının günlüğe kaydedilmesi makine öğreniminde büyük önem taşır; projenizi şeffaf, ilerlemenizi ölçülebilir ve sonuçlarınızı tekrarlanabilir tutar.

Ultralytics YOLO26, Comet ile (eski adıyla Comet ML) sorunsuz biçimde entegre olur ve YOLO26 nesne algılama modelinizin eğitim sürecinin her yönünü verimli bir şekilde yakalayıp optimize eder. Bu kılavuzda kurulum sürecini, Comet ayarlarını, gerçek zamanlı içgörüleri, özel günlük kaydını ve çevrimdışı kullanımı ele alarak YOLO26 eğitiminizin kapsamlı şekilde belgelenmesini ve üstün sonuçlar için ince ayarlanmasını sağlayacağız.

Comet#

Comet, makine öğrenimi modellerini ve deneylerini izlemek, karşılaştırmak, açıklamak ve optimize etmek için kullanılan bir platformdur. Model eğitiminiz sırasında metrikleri, parametreleri, medyayı ve daha fazlasını günlüğe kaydetmenize, deneylerinizi estetik açıdan hoş bir web arayüzü üzerinden izlemenize olanak tanır. Comet, veri bilimcilerin daha hızlı yineleme yapmasına yardımcı olur, şeffaflığı ve yeniden üretilebilirliği artırır ve üretim modellerinin geliştirilmesini destekler.

YOLO26 ve Comet'in Gücünden Yararlanma#

Ultralytics YOLO26'yı Comet ile birleştirerek çeşitli avantajlardan yararlanabilirsin. Bunlar arasında basitleştirilmiş deney yönetimi, hızlı ayarlamalar için gerçek zamanlı içgörüler, esnek ve ihtiyaçlarına göre uyarlanmış günlük kaydı seçenekleri ve internet erişiminin sınırlı olduğu durumlarda deneyleri çevrimdışı günlüğe kaydetme 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 Key alman ve bunu yapılandırman gerekir.

# Set your Comet API Key
export COMET_API_KEY=YOUR_API_KEY

Ardından Comet ile kimlik doğrulaması yap. Ultralytics geri çağırması deneyi oluşturur ve YOLO project eğitim bağımsız değişkenini 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 talimatlarına geçmeden önce Ultralytics tarafından sunulan YOLO26 modellerine göz atmayı unutma. Bu, proje gereksinimlerin için en uygun modeli seçmene yardımcı olur.

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 izlemek için Comet çalışma alanında bir deney oluşturur. Daha sonra YOLO26 modelinin eğitim sürecine ilişkin ayrıntılı günlük kaydını görüntüleyebileceğin bir bağlantı sağlanır.

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

Comet Görselleştirmeleriyle Modelinin Performansını Anlama#

YOLO26 modelin eğitime başladığında Comet panosunda neler göreceğine bakalım. Pano, tüm işlemlerin gerçekleştiği yerdir ve otomatik olarak günlüğe kaydedilen çeşitli bilgileri görseller ve istatistikler aracılığıyla sunar. Kısaca inceleyelim:

Deney Panelleri

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

Metrikler

Metrikler bölümünde metrikleri tablo biçiminde de inceleyebilirsin; bu görünüm burada gösterildiği gibi özel bir bölmede sunulur.

Etkileşimli Karmaşıklık Matrisi

Karmaşıklık Matrisi sekmesinde bulunan karmaşıklık matrisi, modelin sınıflandırma doğruluğunu değerlendirmek için etkileşimli bir yöntem sunar. Doğru ve yanlış tahminleri ayrıntılı olarak göstererek modelin güçlü ve zayıf yönlerini anlamanı sağlar.

Sistem Metrikleri

Comet, eğitim sürecindeki olası darboğazları belirlemeye yardımcı olmak için sistem metriklerini günlüğe kaydeder. Bunlar GPU kullanımı, GPU bellek kullanımı, CPU kullanımı ve RAM kullanımı gibi metrikleri içerir. Bu metrikler, model eğitimi sırasında kaynak kullanımının verimliliğini izlemek için gereklidir.

Comet Günlük Kaydını Özelleştirme#

Comet, ortam değişkenleri ayarlayarak günlük kaydı davranışını özelleştirme esnekliği sunar. Bu yapılandırmalar, Comet'i özel ihtiyaçlarına ve tercihlerine göre uyarlamana olanak tanır. Ultralytics geri çağırması aşağıdaki ortam değişkenlerini okur (eğitim başlamadan önce bunları ayarla):

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

Görüntü Tahminlerini Günlüğe Kaydetme#

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

import os

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

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

import os

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

Toplu İşlem Günlüğü Kaydı Aralığı#

Comet, görüntü tahminlerinden oluşan toplu işlemlerin ne sıklıkta günlüğe kaydedileceğini belirtmene olanak tanır. COMET_EVAL_BATCH_LOGGING_INTERVAL ortam değişkeni bu sıklığı kontrol eder. Varsayılan ayar 1'dir; bu, her doğrulama toplu işlemindeki tahminleri günlüğe kaydeder. Tahminleri farklı bir aralıkta günlüğe kaydetmek için bu değeri ayarlayabilirsin. Örneğin değeri 4 olarak ayarlamak, her dördüncü toplu işlemdeki tahminleri günlüğe kaydeder.

import os

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

Karmaşıklık Matrisi Günlük Kaydını Devre Dışı Bırakma#

Bazı durumlarda doğrulama kümenizdeki karmaşıklık matrisini her epoch sonrasında 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 (default) = online, 0 = offline

Proje Adı#

Comet geri çağırması varsayılan olarak YOLO project eğitim bağımsız değişkenini Comet'e aktarır (bağımsız değişken ayarlanmadığında None kullanılır; bu durumda Comet çalışma alanı varsayılanını kullanır). Bunu COMET_PROJECT_NAME ile geçersiz kılarak YOLO eğitim bağımsız değişkeninden bağımsız olarak tüm deneyleri belirli bir Comet çalışma alanı projesine gönderebilirsin:

import os

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

Model Yapıtı Adı#

COMET_MODEL_NAME, Comet'in günlüğe kaydedilen model yapıtı için kullandığı adı belirler (varsayılan değer Ultralytics). Paylaşılan bir çalışma alanında model varyantlarını ayırt etmek için bunu kullan:

import os

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

Güven Skoru Ölçeklendirme#

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

import os

os.environ["COMET_MAX_CONFIDENCE_SCORE"] = "1.0"  # log raw [0, 1] scores

Özet#

Bu kılavuzda Comet'i Ultralytics YOLO26 ile entegre etme sürecini ele aldık. Kurulumdan özelleştirmeye kadar deney yönetimini kolaylaştırmayı, gerçek zamanlı içgörüler elde etmeyi ve günlük kaydını projenin ihtiyaçlarına göre uyarlamayı öğrendin.

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

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

Ayrıca Ultralytics ile diğer heyecan verici entegrasyonları keşfetmek için zengin kaynaklar ve bilgiler sunan entegrasyon kılavuzu sayfasına göz at.

SSS#