Başla

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.



İzle: Ultralytics YOLO model eğitimi günlükleri ve ölçümleri için Comet nasıl kullanılır 🚀

Ultralytics YOLO26, YOLO26 nesne algılama modellerinin eğitim sürecini kaydetmek için Comet (eski adıyla Comet ML) ile entegre olur. Bu kılavuzda kurulum, Comet yapılandırması, gerçek zamanlı öngörüler, özel günlük kaydı ve çevrimdışı kullanım ele alınır; böylece YOLO26 eğitim çalışmaların belgelenir ve yeniden üretilebilir.

Comet#

Comet ML experiment tracking dashboard

Comet, makine öğrenimi modellerini ve deneylerini izlemek, karşılaştırmak, açıklamak ve optimize etmek için kullanılan bir platformdur. Model eğitimi sırasında ölçümleri, parametreleri, medyayı ve daha fazlasını günlüğe kaydetmeni, ayrıca deneylerini web arayüzü üzerinden izlemeni sağlar. 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 kullanmak; basitleştirilmiş deney takibi, hızlı ayarlamalar için gerçek zamanlı öngörüler, esnek ve ihtiyaca göre uyarlanmış günlük kaydı seçenekleri ve internet erişiminin kısıtlı olduğu durumlarda deneyleri çevrimdışı günlüğe kaydetme olanağı gibi çeşitli avantajlar sunar. Bu entegrasyon, veriye dayalı kararlar almana ve performans ölçümlerini analiz etmene yardımcı olur.

Kurulum#

Gerekli paketleri yüklemek için şunu çalıştır:

Kurulum
# 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.

Comet'i Yapılandırma
# 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.

Comet projesini başlat
import comet_ml

comet_ml.login()

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

Kullanım#

Kullanım
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 yüklendikten ve yapılandırıldıktan sonra geri çağırma işlevi varsayılan olarak etkinleşir ve mAP ile kayıp gibi ölçümleri, hiperparametreleri, model kontrol noktalarını ve etkileşimli bir karmaşıklık matrisini günlüğe kaydeder. Doğrulama kümesindeki görüntüler için sınırlayıcı kutu tahminleri, save_json=True ile algılama ve segmentasyon eğitimi sırasında günlüğe kaydedilir. Entegrasyonu devre dışı bırakmak için yolo settings comet=False komutunu çalıştır.

Comet Görselleştirmeleriyle Model Performansını Anlama#

YOLO26 modelin eğitime başladığında Comet panosu, otomatik olarak günlüğe kaydedilen bilgileri görseller ve istatistikler halinde sunar:

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.

Comet experiment panels comparing YOLO26 training runs and metrics

Metrikler

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

Comet metrics pane listing YOLO26 training metrics in a table

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.

Comet interactive confusion matrix for YOLO26 validation results

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 system metrics showing GPU and CPU utilization during training

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):

Ortam DeğişkeniVarsayılanAçıklama
COMET_START_ONLINE1Deneyi çevrimiçi (1) veya çevrimdışı (0) modda çalıştır.
COMET_PROJECT_NAMEargs.projectComet çalışma alanı projesi. Ayarlanmadığında YOLO eğitimindeki project argümanının değerini kullanır.
COMET_MODEL_NAMEUltralyticsGünlüğe kaydedilen model yapıtı için belirtilen ad.
COMET_MAX_IMAGE_PREDICTIONS100Her çalıştırma için günlüğe kaydedilecek doğrulama görüntüsü tahminlerinin toplam sayısı.
COMET_EVAL_BATCH_LOGGING_INTERVAL1Görüntü tahminlerini doğrulama gruplarının her N'incisinde günlüğe kaydet.
COMET_EVAL_LOG_IMAGE_PREDICTIONStrueGörüntü tahmini günlüğü kaydını etkinleştir (true) veya devre dışı bırak (false).
COMET_EVAL_LOG_CONFUSION_MATRIXfalseHer save_period kontrol noktasında bir karmaşıklık matrisi kaydet. Eğitimden sonra son bir matris her zaman kaydedilir.
COMET_MAX_CONFIDENCE_SCORE100.0Günlüğe kaydetmeden önce algılama güven puanlarına uygulanan çarpan (Comet arayüzü yüzde ölçeği bekler).
COMET_MODE (kullanımdan kaldırıldı)onlineCOMET_START_ONLINE için eski takma ad ("online" ↔ 1, "offline" ↔ 0). Kullanımdan kaldırma uyarısı verir.

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#

Comet'in denemelerin sırasında günlüğe kaydettiği görüntü tahminlerinin sayısını kontrol edebilirsin. save_json=True ile Comet, doğrulama kümesinden en fazla 100 görüntü tahminini günlüğe kaydeder. Ancak bu sayıyı ihtiyaçlarına daha uygun olacak şekilde değiştirebilirsin. Örneğin, 200 görüntü tahminini günlüğe kaydetmek için aşağıdaki kodu kullan:

import os

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

Ek açıklama eklenmiş görüntü tahminlerinin günlüğe kaydedilmesini 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"

train_batch*.jpg ve val_batch*.jpg çizim görüntüleri eğitim sonunda yine günlüğe kaydedilir.

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"

Her Epoch'ta Karmaşıklık Matrisi Kaydı#

Varsayılan olarak, doğrulama kümesinin karmaşıklık matrisi eğitim tamamlandıktan sonra bir kez kaydedilir. Matrisi save_period tarafından kaydedilen her kontrol noktasında da kaydetmek için (save_period=1 her epoch'ta bir kayıt yapar), COMET_EVAL_LOG_CONFUSION_MATRIX ortam değişkenini "true" olarak ayarla.

import os

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

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
`COMET_MODE` kullanımdan kaldırıldı

Önceki sürümlerde bu amaçla COMET_MODE="offline" kullanılıyordu. Geriye dönük uyumluluk için değişken desteklenmeye devam eder, ancak kullanımdan kaldırma uyarısı verir. Bundan sonra COMET_START_ONLINE kullan.

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

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

Sık Sorulan Sorular#

  • Comet'i Ultralytics YOLO26 ile bütünleştirmek için şu adımları izle:

    1. Gerekli paketleri yükle:

      pip install ultralytics comet_ml
    2. Comet API anahtarını ayarla:

      export COMET_API_KEY=YOUR_API_KEY
    3. Python kodunda Comet'te kimlik doğrulaması yap:

      import comet_ml
      
      comet_ml.login()
    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 ayrıntılı talimatlar için Comet yapılandırma bölümüne başvur.

  • Ultralytics YOLO26'yı Comet ile entegre ederek şunları yapabilirsin:

    • Gerçek zamanlı analizleri izle: Eğitim sonuçların hakkında anında geri bildirim alarak hızlıca ayarlamalar yapabilirsin.
    • Kapsamlı metrikleri kaydet: mAP, kayıp, hiperparametreler ve model kontrol noktaları gibi temel metrikleri otomatik olarak kaydedebilirsin.
    • Deneyleri çevrimdışı takip et: İnternet erişimi olmadığında eğitim çalıştırmalarını yerel olarak kaydedebilirsin.
    • Farklı eğitim çalıştırmalarını karşılaştır: Birden fazla deneyi analiz etmek ve karşılaştırmak için etkileşimli Comet panosunu kullanabilirsin.

    Bu özelliklerle makine öğrenimi iş akışlarını daha iyi performans ve tekrarlanabilirlik için optimize edebilirsin.

  • Comet, ortam değişkenleri kullanılarak günlük kaydı davranışının kapsamlı biçimde özelleştirilmesine olanak tanır:

    • Günlüğe kaydedilen görüntü tahminlerinin sayısını değiştir:

      import os
      
      os.environ["COMET_MAX_IMAGE_PREDICTIONS"] = "200"
    • Toplu günlük kaydı aralığını ayarla:

      import os
      
      os.environ["COMET_EVAL_BATCH_LOGGING_INTERVAL"] = "4"
    • Her save_period kontrol noktasında karmaşıklık matrisini kaydet:

      import os
      
      os.environ["COMET_EVAL_LOG_CONFUSION_MATRIX"] = "true"
    • Comet proje adını ayarla:

      import os
      
      os.environ["COMET_PROJECT_NAME"] = "my-yolo26-experiments"
    • Günlüğe kaydedilen model yapıtının adını ayarla:

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

    Görüntü tahmini ayarları, güven puanı ölçeklendirmesi ve çevrimiçi/çevrimdışı mod dâhil eksiksiz liste için Comet Günlük Kaydını Özelleştirme bölümüne bak.

  • YOLO26 modelin eğitilmeye başladığında Comet panosundan çok çeşitli metriklere ve görselleştirmelere erişebilirsin. Önemli özellikler şunlardır:

    • Deney Panelleri: Segmentasyon maskesi kaybı, sınıf kaybı ve ortalama kesinlik dahil olmak üzere farklı çalışmaları ve bunların ölçümlerini görüntüle.
    • Metrikler: Ayrıntılı analiz için metrikleri tablo biçiminde incele.
    • Etkileşimli Karışıklık Matrisi: Etkileşimli bir karışıklık matrisiyle sınıflandırma doğruluğunu değerlendir.
    • Sistem Metrikleri: GPU ve CPU kullanımını, bellek kullanımını ve diğer sistem metriklerini izle.

    Bu özelliklerin ayrıntılı açıklaması için Comet Görselleştirmeleriyle Modelinin Performansını Anlama bölümünü ziyaret et.

  • Evet. Yerel olarak günlük kaydı tutmak için eğitim başlamadan önce COMET_START_ONLINE=0 değerini ayarla:

    import os
    
    os.environ["COMET_START_ONLINE"] = "0"

    Deney verileri diske kaydedilir ve bağlantı olduğunda comet upload CLI ile daha sonra Comet'e yüklenebilir. Önceki COMET_MODE="offline" değişkeni çalışmaya devam eder, ancak kullanımdan kaldırıldığına dair bir uyarı verir. Daha fazla bilgi için Çevrimiçi ve Çevrimdışı Mod bölümüne bak.

Yorumlar5

Bir soru sor, sonuçlarını paylaş veya başka birine yardım et.

  1. lauravchrobakGitHub

    I am getting this warning when using the above workflow, 'comet_ml.init() is deprecated and will be removed soon. Please use comet_ml.login()' perhaps the above should be updated to use comet_ml.login() instead?

    1. Paula DerrengerUltralytics

      @lauravchrobak thank you for pointing that out. The warning indicates that comet_ml.init() is deprecated and should be replaced with comet_ml.login(). We will update the documentation accordingly. For now, please use comet_ml.login() to avoid the deprecation warning. If you encounter any further issues, ensure you are using the latest versions of the packages. For more details, you can visit the Comet ML integration guide.

      1
    2. Glenn JocherUltralytics

      Thank you for your feedback! We've updated our documentation to use comet_ml.login() instead of the deprecated comet_ml.init(). This should resolve the warning you're encountering. If you have any other questions or need further assistance, feel free to ask. For more details, you can visit the Comet ML integration guide.