─░├žeri─če ge├ž

MLflow Entegrasyonu i├žin Ultralytics YOLO

MLflow ekosistemi

Giri┼č

Deney kayd─▒, ├že┼čitli metriklerin, parametrelerin ve eserlerin izlenmesini sa─člayan makine ├Â─črenimi i┼č ak─▒┼člar─▒n─▒n ├Ânemli bir y├Ân├╝d├╝r. Modelin yeniden ├╝retilebilirli─čini art─▒rmaya, sorunlar─▒ ay─▒klamaya ve model performans─▒n─▒ iyile┼čtirmeye yard─▒mc─▒ olur. Ultralytics YOLO Ger├žek zamanl─▒ nesne alg─▒lama yetenekleriyle bilinen MLflow, art─▒k eksiksiz makine ├Â─črenimi ya┼čam d├Âng├╝s├╝ y├Ânetimi i├žin a├ž─▒k kaynakl─▒ bir platform olan MLflow ile entegrasyon sunuyor.

Bu dok├╝mantasyon sayfas─▒, Ultralytics YOLO projeniz i├žin MLflow g├╝nl├╝k kayd─▒ ├Âzelliklerini ayarlamak ve kullanmak i├žin kapsaml─▒ bir k─▒lavuzdur.

MLflow nedir?

MLflow, u├žtan uca makine ├Â─črenimi ya┼čam d├Âng├╝s├╝n├╝ y├Ânetmek i├žin Databricks taraf─▒ndan geli┼čtirilen a├ž─▒k kaynakl─▒ bir platformdur. Deneyleri izlemek, kodu tekrarlanabilir ├žal─▒┼čt─▒rmalar halinde paketlemek ve modelleri payla┼čmak ve da─č─▒tmak i├žin ara├žlar i├žerir. MLflow, herhangi bir makine ├Â─črenimi k├╝t├╝phanesi ve programlama dili ile ├žal─▒┼čmak ├╝zere tasarlanm─▒┼čt─▒r.

├ľzellikler

  • Metrik G├╝nl├╝─č├╝: Her epo─čun sonunda ve e─čitimin sonunda metrikleri g├╝nl├╝─če kaydeder.
  • Parametre G├╝nl├╝─č├╝: E─čitimde kullan─▒lan t├╝m parametreleri g├╝nl├╝─če kaydeder.
  • Artefaktlar─▒n G├╝nl├╝─če Kaydedilmesi: E─čitimin sonunda a─č─▒rl─▒klar ve yap─▒land─▒rma dosyalar─▒ dahil olmak ├╝zere model yap─▒tlar─▒n─▒ g├╝nl├╝─če kaydeder.

Kurulum ve ├ľn Ko┼čullar

MLflow'un kurulu oldu─čundan emin olun. De─čilse, pip kullanarak y├╝kleyin:

pip install mlflow

MLflow g├╝nl├╝─č├╝n├╝n Ultralytics ayarlar─▒nda etkinle┼čtirildi─činden emin olun. Genellikle, bu ayarlar taraf─▒ndan kontrol edilir mflow Anahtar. Bkz. ayarlar Daha fazla bilgi i├žin sayfa.

Ultralytics MLflow Ayarlar─▒n─▒ G├╝ncelleme

Python ortam─▒ i├žinde update y├Ântemi ├╝zerinde settings ayarlar─▒n─▒z─▒ de─či┼čtirmek i├žin nesne:

from ultralytics import settings

# Update a setting
settings.update({"mlflow": True})

# Reset settings to default values
settings.reset()

Komut sat─▒r─▒ aray├╝z├╝n├╝ kullanmay─▒ tercih ederseniz, a┼ča─č─▒daki komutlar ayarlar─▒n─▒z─▒ de─či┼čtirmenize olanak tan─▒r:

# Update a setting
yolo settings runs_dir='/path/to/runs'

# Reset settings to default values
yolo settings reset

Nas─▒l Kullan─▒l─▒r

Komutlar

  1. Bir Proje Ad─▒ Ayarlay─▒n: Proje ad─▒n─▒ bir ortam de─či┼čkeni arac─▒l─▒─č─▒yla ayarlayabilirsiniz:

    export MLFLOW_EXPERIMENT_NAME=<your_experiment_name>
    

    Veya project=<project> YOLO modelini e─čitirken arg├╝man, yani yolo train project=my_project.

  2. Bir ├çal─▒┼čt─▒rma Ad─▒ Ayarlay─▒n: Proje ad─▒ ayarlamaya benzer ┼čekilde, ├žal─▒┼čt─▒rma ad─▒n─▒ bir ortam de─či┼čkeni arac─▒l─▒─č─▒yla ayarlayabilirsiniz:

    export MLFLOW_RUN=<your_run_name>
    

    Veya name=<name> YOLO modelini e─čitirken arg├╝man, yani yolo train project=my_project name=my_name.

  3. Yerel MLflow Sunucusunu Ba┼člat─▒n: ─░zlemeyi ba┼člatmak i├žin ┼čunu kullan─▒n:

    mlflow server --backend-store-uri runs/mlflow'
    

    Bu, varsay─▒lan olarak http://127.0.0.1:5000 adresinde yerel bir sunucu ba┼člatacak ve t├╝m mlflow g├╝nl├╝klerini 'runs/mlflow' dizinine kaydedecektir. Farkl─▒ bir URI belirtmek i├žin MLFLOW_TRACKING_URI ortam de─či┼čkeni.

  4. MLflow Sunucu ├ľrneklerini ├ľld├╝r├╝n: ├çal─▒┼čan t├╝m MLflow ├Ârneklerini durdurmak i├žin ├žal─▒┼čt─▒r─▒n:

    ps aux | grep 'mlflow' | grep -v 'grep' | awk '{print $2}' | xargs kill -9
    

G├╝nl├╝k kayd─▒

G├╝nl├╝k kayd─▒ ┼ču ┼čekilde yap─▒l─▒r on_pretrain_routine_end, on_fit_epoch_endve on_train_end geri arama fonksiyonlar─▒. Bu fonksiyonlar e─čitim s├╝recinin ilgili a┼čamalar─▒nda otomatik olarak ├ža─čr─▒l─▒r ve parametrelerin, metriklerin ve eserlerin g├╝nl├╝─če kaydedilmesini sa─člar.

├ľrnekler

  1. ├ľzel Metriklerin G├╝nl├╝─če Kaydedilmesi: G├╝nl├╝─če kaydedilmek ├╝zere ├Âzel ├Âl├ž├╝mler ekleyebilirsiniz. trainer.metrics ├Ânce s├Âzl├╝k on_fit_epoch_end denir.

  2. Deneyi G├Âr├╝nt├╝le: G├╝nl├╝klerinizi g├Âr├╝nt├╝lemek i├žin MLflow sunucunuza gidin (genellikle http://127.0.0.1:5000) ve deneyinizi se├žip ├žal─▒┼čt─▒r─▒n. YOLO MLflow Deneyi

  3. Ko┼čuyu G├Âr├╝nt├╝le: ├çal─▒┼čt─▒rmalar, bir deney i├žindeki bireysel modellerdir. Bir ├çal─▒┼čt─▒rmaya t─▒klay─▒n ve y├╝klenen eserler ve model a─č─▒rl─▒klar─▒ dahil olmak ├╝zere ├çal─▒┼čt─▒rma ayr─▒nt─▒lar─▒n─▒ g├Âr├╝n. YOLO MLflow Ko┼čusu

MLflow'u Devre D─▒┼č─▒ B─▒rakma

MLflow g├╝nl├╝k kayd─▒n─▒ kapatmak i├žin:

yolo settings mlflow=False

Sonu├ž

Ultralytics YOLO ile MLflow g├╝nl├╝k kayd─▒ entegrasyonu, makine ├Â─črenimi deneylerinizi takip etmek i├žin kolayla┼čt─▒r─▒lm─▒┼č bir yol sunar. Performans metriklerini izlemenizi ve artifaktlar─▒ etkili bir ┼čekilde y├Ânetmenizi sa─člar, b├Âylece sa─člam model geli┼čtirme ve da─č─▒t─▒m─▒na yard─▒mc─▒ olur. Daha fazla ayr─▒nt─▒ i├žin l├╝tfen MLflow resmi belgelerini ziyaret edin.



Created 2023-11-12, Updated 2024-06-10
Authors: glenn-jocher (6), Burhan-Q (1)

Yorumlar