YOLO11 ile Deney Takibi ve Görselleştirmenin Geliştirilmesi Weights & Biases

Nesne algılama modelleri gibi Ultralytics YOLO11 birçok bilgisayarla görme uygulamasının ayrılmaz bir parçası haline gelmiştir. Ancak bu karmaşık modellerin eğitilmesi, değerlendirilmesi ve dağıtılması çeşitli zorlukları beraberinde getirmektedir. Temel eğitim metriklerinin izlenmesi, model varyantlarının karşılaştırılması, model davranışının analiz edilmesi ve sorunların tespit edilmesi önemli enstrümantasyon ve deney yönetimi gerektirir.

İzle: Ultralytics YOLO11 ile nasıl kullanılır? Weights and Biases

Bu kılavuz, gelişmiş deney takibi, model kontrol noktası ve model performansının görselleştirilmesi için Weights & Biases ile Ultralytics YOLO11 entegrasyonunu göstermektedir. Ayrıca entegrasyonun kurulumu, eğitim, ince ayar ve Weights & Biases'interaktif özelliklerini kullanarak sonuçların görselleştirilmesi için talimatlar içerir.

Weights & Biases

Weights & Biasesmakine öğrenimi deneylerini izlemek, görselleştirmek ve yönetmek için tasarlanmış son teknoloji bir MLOps platformudur. Tam deney tekrarlanabilirliği için eğitim metriklerinin otomatik olarak kaydedilmesini, kolaylaştırılmış veri analizi için etkileşimli bir kullanıcı arayüzünü ve çeşitli ortamlarda dağıtım için verimli model yönetim araçlarını içerir.

YOLO11 ile Eğitim Weights & Biases

YOLO11 eğitim sürecinize verimlilik ve otomasyon getirmek için Weights & Biases adresini kullanabilirsiniz.

Kurulum

Gerekli paketleri yüklemek için çalıştırın:

# Install the required packages for Ultralytics YOLO and Weights & Biases
pip install -U ultralytics wandb

Kurulum süreciyle ilgili ayrıntılı talimatlar ve en iyi uygulamalar için YOLO11 Kurulum kılavuzumuzu kontrol ettiğinizden emin olun. YOLO11 için gerekli paketleri yüklerken herhangi bir zorlukla karşılaşırsanız, çözümler ve ipuçları için Ortak Sorunlar kılavuz umuza başvurun.

Yapılandırma Weights & Biases

Gerekli paketleri yükledikten sonra, bir sonraki adım Weights & Biases ortamınızı kurmaktır. Bu, bir Weights & Biases hesabı oluşturmayı ve geliştirme ortamınız ile W&B platformu arasında sorunsuz bir bağlantı için gerekli API anahtarını almayı içerir.

Çalışma alanınızda Weights & Biases ortamını başlatarak başlayın. Bunu aşağıdaki komutu çalıştırarak ve sorulan talimatları izleyerek yapabilirsiniz.

import wandb

# Initialize your Weights & Biases environment
wandb.login(key="<API_KEY>")

# Initialize your Weights & Biases environment
wandb login <API_KEY>

API anahtarınızı oluşturmak ve almak için Weights & Biases yetkilendirme sayfasına gidin. W&B ile ortamınızın kimliğini doğrulamak için bu anahtarı kullanın.

Kullanım: Eğitim YOLO11 ile Weights & Biases

Weights & Biases ile YOLO11 model eğitimi için kullanım talimatlarına dalmadan önce, Ultralytics tarafından sunulanYOLO11 modelleri yelpazesine göz attığınızdan emin olun. Bu, proje gereksinimleriniz için en uygun modeli seçmenize yardımcı olacaktır.

from ultralytics import YOLO

# Load a YOLO model
model = YOLO("yolo11n.pt")

# Train and Fine-Tune the Model
model.train(data="coco8.yaml", epochs=5, project="ultralytics", name="yolo11n")

# Train a YOLO11 model with Weights & Biases
yolo train data=coco8.yaml epochs=5 project=ultralytics name=yolo11n

W&B Tartışmaları

# Enable Weights & Biases logging
wandb enabled

# Disable Weights & Biases logging
wandb disabled

Çıktıyı Anlama

Yukarıdaki kullanım kodu parçacığını çalıştırdıktan sonra, aşağıdaki temel çıktıları bekleyebilirsiniz:

• Eğitim sürecinin başlangıcını gösteren benzersiz kimliği ile yeni bir çalıştırma kurulumu.
• Katman sayısı ve parametreler de dahil olmak üzere modelin yapısının kısa bir özeti.
• Her eğitim dönemi sırasında kutu kaybı, cls kaybı, dfl kaybı, hassasiyet, geri çağırma ve mAP puanları gibi önemli metrikler hakkında düzenli güncellemeler.
• Eğitimin sonunda, modelin çıkarım hızı ve genel doğruluk metrikleri dahil olmak üzere ayrıntılı metrikler görüntülenir.
• Eğitim sürecinin derinlemesine analizi ve görselleştirilmesi için Weights & Biases kontrol paneline bağlantılar ve yerel günlük dosyası konumları hakkında bilgiler.

Weights & Biases Gösterge Tablosunun Görüntülenmesi

Kullanım kodu parçacığını çalıştırdıktan sonra, çıktıda verilen bağlantı aracılığıyla Weights & Biases (W&B) panosuna erişebilirsiniz. Bu pano, YOLO11 ile modelinizin eğitim sürecinin kapsamlı bir görünümünü sunar.

Weights & Biases Gösterge Tablosunun Temel Özellikleri

• Gerçek Zamanlı Metrik Takibi: Kayıp, doğruluk ve doğrulama puanları gibi metrikleri eğitim sırasında geliştikçe gözlemleyin ve model ayarlama için anında içgörüler sunun. Weights & Biases adresini kullanarak deneylerin nasıl izlendiğini görün.

• Hiperparametre Optimizasyonu: Weights & Biases öğrenme oranı, yığın boyutu ve daha fazlası gibi kritik parametrelerin ince ayarının yapılmasına yardımcı olarak YOLO11'un performansını artırır.

• Karşılaştırmalı Analiz: Platform, çeşitli model konfigürasyonlarının etkisini değerlendirmek için gerekli olan farklı eğitim çalışmalarının yan yana karşılaştırılmasına olanak tanır.

• Eğitim İlerlemesinin Görselleştirilmesi: Temel metriklerin grafiksel gösterimleri, modelin dönemler boyunca performansının sezgisel olarak anlaşılmasını sağlar. Weights & Biases adresinin doğrulama sonuçlarını görselleştirmenize nasıl yardımcı olduğunu görün.

• Kaynak İzleme: Eğitim sürecinin verimliliğini optimize etmek için CPU, GPU ve bellek kullanımını takip edin.

• Model Yapıtları Yönetimi: Model kontrol noktalarına erişin ve paylaşın, kolay dağıtım ve işbirliğini kolaylaştırın.

• Çıkarım Sonuçlarını Görüntü Yer Paylaşımı ile Görüntüleme: Weights & Biases adresindeki etkileşimli kaplamaları kullanarak tahmin sonuçlarını görüntüler üzerinde görselleştirin ve gerçek dünya verileri üzerindeki model performansının net ve ayrıntılı bir görünümünü sağlayın. Weights & Biases 'görüntü kaplama özellikleri hakkında daha ayrıntılı bilgi için bu bağlantıya göz atın. Weights & Biases 'görüntü kaplamalarının model çıkarımlarını görselleştirmeye nasıl yardımcı olduğunu görün.

Bu özellikleri kullanarak YOLO11 modelinizin eğitimini etkili bir şekilde izleyebilir, analiz edebilir ve optimize ederek mümkün olan en iyi performansı ve verimliliği sağlayabilirsiniz.

Özet

Bu kılavuz, Ultralytics YOLO entegrasyonunu Weights & Biases ile keşfetmenize yardımcı oldu. Bu entegrasyonun model eğitimi ve tahmin sonuçlarını verimli bir şekilde izleme ve görselleştirme becerisini göstermektedir.

Kullanım hakkında daha fazla bilgi için Weights & Biases' resmi belgelerini ziyaret edin.

Ayrıca, farklı heyecan verici entegrasyonlar hakkında daha fazla bilgi edinmek için Ultralytics entegrasyon kılavuzu sayfasına göz atmayı unutmayın.

SSS

Weights & Biases adresini Ultralytics YOLO11 ile nasıl entegre edebilirim?

Weights & Biases adresini Ultralytics YOLO11 adresiyle entegre etmek için:

1. Gerekli paketleri yükleyin:

pip install -U ultralytics wandb

1. Weights & Biases hesabınıza giriş yapın:

import wandb

wandb.login(key="<API_KEY>")

1. YOLO11 modelinizi W&B kaydı etkinken eğitin:

from ultralytics import YOLO

model = YOLO("yolo11n.pt")
model.train(data="coco8.yaml", epochs=5, project="ultralytics", name="yolo11n")

Bu, metrikleri, hiperparametreleri ve model yapıtlarını W&B projenize otomatik olarak kaydedecektir.

YOLO11 ile Weights & Biases entegrasyonunun temel özellikleri nelerdir?

Temel özellikler şunlardır:

• Eğitim sırasında gerçek zamanlı metrik takibi
• Hiperparametre optimizasyon araçları
• Farklı eğitim çalışmalarının karşılaştırmalı analizi
• Grafikler aracılığıyla eğitim ilerlemesinin görselleştirilmesi
• Kaynak izleme (CPU, GPU, bellek kullanımı)
• Model eserlerinin yönetimi ve paylaşımı
• Çıkarım sonuçlarını görüntü kaplamalarıyla görüntüleme

Bu özellikler deneylerin izlenmesine, modellerin optimize edilmesine ve YOLO11 projelerinde daha etkili bir şekilde işbirliği yapılmasına yardımcı olur.

YOLO11 eğitimim için Weights & Biases kontrol panelini nasıl görüntüleyebilirim?

Eğitim komut dosyanızı W&B entegrasyonu ile çalıştırdıktan sonra:

1. Konsol çıktısında W&B kontrol panelinize bir bağlantı sağlanacaktır.
2. Bağlantıya tıklayın veya wandb.ai adresine gidin ve hesabınıza giriş yapın.
3. Ayrıntılı ölçümleri, görselleştirmeleri ve model performans verilerini görüntülemek için projenize gidin.

Gösterge paneli, modelinizin eğitim sürecine ilişkin bilgiler sunarak YOLO11 modellerinizi etkili bir şekilde analiz etmenize ve geliştirmenize olanak tanır.

YOLO11 eğitimi için Weights & Biases günlüğünü devre dışı bırakabilir miyim?

Evet, aşağıdaki komutu kullanarak W&B günlüğünü devre dışı bırakabilirsiniz:

wandb disabled

Günlük kaydını yeniden etkinleştirmek için şunu kullanın:

wandb enabled

Bu, eğitim komut dosyalarınızı değiştirmeden W&B günlüğünü ne zaman kullanmak istediğinizi kontrol etmenizi sağlar.

Weights & Biases , YOLO11 modellerinin optimize edilmesine nasıl yardımcı olur?

Weights & Biases YOLO11 modellerini optimize etmeye yardımcı olur:

1. Eğitim metriklerinin ayrıntılı görselleştirmelerinin sağlanması
2. Farklı model versiyonları arasında kolay karşılaştırma imkanı
3. Hiperparametre ayarı için araçlar sunar
4. Model performansının işbirlikçi analizine izin verilmesi
5. Model eserlerinin ve sonuçlarının kolayca paylaşılmasını kolaylaştırmak

Bu özellikler, araştırmacıların ve geliştiricilerin daha hızlı yineleme yapmalarına ve YOLO11 modellerini iyileştirmek için veriye dayalı kararlar almalarına yardımcı olur.

📅1 1 ay önce oluşturuldu ✏️ 1 ay önce güncellendi

Yorumlar