Geri aramalar
Geri aramalar
Ultralytics çerçevesi, train, val, export ve predict modlarının stratejik aşamalarında giriş noktaları olarak geri aramaları destekler. Her geri arama bir Trainer
, Validator
veya Predictor
işlem türüne bağlı olarak nesne. Bu nesnelerin tüm özellikleri dokümanların Referans bölümünde bulunabilir.
İzle: Mastering Ultralytics YOLO: Callbacks
Örnekler
Tahmin ile ek bilgi döndürme
Bu örnekte, her sonuç nesnesiyle birlikte orijinal kareyi döndürmek istiyoruz. Bunu şu şekilde yapabiliriz
from ultralytics import YOLO
def on_predict_batch_end(predictor):
"""Handle prediction batch end by combining results with corresponding frames; modifies predictor results."""
_, image, _, _ = predictor.batch
# Ensure that image is a list
image = image if isinstance(image, list) else [image]
# Combine the prediction results with the corresponding frames
predictor.results = zip(predictor.results, image)
# Create a YOLO model instance
model = YOLO("yolo11n.pt")
# Add the custom callback to the model
model.add_callback("on_predict_batch_end", on_predict_batch_end)
# Iterate through the results and frames
for result, frame in model.predict(): # or model.track()
pass
Tüm geri aramalar
İşte desteklenen tüm geri aramalar. Ek ayrıntılar için callbacks kaynak koduna bakın.
Eğitmen Geri Aramaları
Geri arama | Açıklama |
---|---|
on_pretrain_routine_start |
Antrenman öncesi rutinin başlangıcında tetiklenir |
on_pretrain_routine_end |
Antrenman öncesi rutinin sonunda tetiklenir |
on_train_start |
Eğitim başladığında tetiklenir |
on_train_epoch_start |
Triggered at the start of each training epoch |
on_train_batch_start |
Her eğitim grubunun başlangıcında tetiklenir |
optimizer_step |
Optimize edici adım sırasında tetiklenir |
on_before_zero_grad |
Gradyanlar sıfırlanmadan önce tetiklenir |
on_train_batch_end |
Her eğitim grubunun sonunda tetiklenir |
on_train_epoch_end |
Her eğitim epokunun sonunda tetiklenir |
on_fit_epoch_end |
Her fit epokunun sonunda tetiklenir |
on_model_save |
Model kaydedildiğinde tetiklenir |
on_train_end |
Eğitim süreci sona erdiğinde tetiklenir |
on_params_update |
Model parametreleri güncellendiğinde tetiklenir |
teardown |
Eğitim süreci temizlenirken tetiklenir |
Doğrulayıcı Geri Çağırmaları
Geri arama | Açıklama |
---|---|
on_val_start |
Doğrulama başladığında tetiklenir |
on_val_batch_start |
Her doğrulama grubunun başlangıcında tetiklenir |
on_val_batch_end |
Her doğrulama grubunun sonunda tetiklenir |
on_val_end |
Doğrulama sona erdiğinde tetiklenir |
Tahminci Geri Çağırmaları
Geri arama | Açıklama |
---|---|
on_predict_start |
Tahmin süreci başladığında tetiklenir |
on_predict_batch_start |
Her tahmin grubunun başlangıcında tetiklenir |
on_predict_postprocess_end |
Tahmin son işlemenin sonunda tetiklenir |
on_predict_batch_end |
Her tahmin grubunun sonunda tetiklenir |
on_predict_end |
Tahmin süreci sona erdiğinde tetiklenir |
İhracatçı Geri Çağırmaları
Geri arama | Açıklama |
---|---|
on_export_start |
Dışa aktarma işlemi başladığında tetiklenir |
on_export_end |
Dışa aktarma işlemi sona erdiğinde tetiklenir |
SSS
Ultralytics geri aramaları nedir ve bunları nasıl kullanabilirim?
Ultralytics geri aramalar eğitim, doğrulama, dışa aktarma ve tahmin gibi model işlemlerinin önemli aşamalarında tetiklenen özel giriş noktalarıdır. Bu geri aramalar, sürecin belirli noktalarında özel işlevsellik sağlayarak iş akışında geliştirmeler ve değişiklikler yapılmasına olanak tanır. Her geri arama bir Trainer
, Validator
veya Predictor
nesnesi, işlem türüne bağlı olarak. Bu nesnelerin ayrıntılı özellikleri için bkz. Referans bölümü.
Geri arama kullanmak için bir işlev tanımlayabilir ve ardından bunu modele add_callback
yöntemini kullanabilirsiniz. Tahmin sırasında ek bilgilerin nasıl döndürüleceğine dair bir örnek aşağıda verilmiştir:
from ultralytics import YOLO
def on_predict_batch_end(predictor):
"""Handle prediction batch end by combining results with corresponding frames; modifies predictor results."""
_, image, _, _ = predictor.batch
image = image if isinstance(image, list) else [image]
predictor.results = zip(predictor.results, image)
model = YOLO("yolo11n.pt")
model.add_callback("on_predict_batch_end", on_predict_batch_end)
for result, frame in model.predict():
pass
Geri aramaları kullanarak Ultralytics eğitim rutinini nasıl özelleştirebilirim?
Geri aramaları kullanarak Ultralytics eğitim rutininizi özelleştirmek için, eğitim sürecinin belirli aşamalarına mantığınızı enjekte edebilirsiniz. Ultralytics YOLO aşağıdaki gibi çeşitli eğitim geri aramaları sağlar on_train_start
, on_train_end
ve on_train_batch_end
. Bunlar özel ölçümler, işleme veya günlük kaydı eklemenize olanak tanır.
İşte her eğitim döneminin sonunda ek ölçümlerin nasıl kaydedileceğine dair bir örnek:
from ultralytics import YOLO
def on_train_epoch_end(trainer):
"""Custom logic for additional metrics logging at the end of each training epoch."""
additional_metric = compute_additional_metric(trainer)
trainer.log({"additional_metric": additional_metric})
model = YOLO("yolo11n.pt")
model.add_callback("on_train_epoch_end", on_train_epoch_end)
model.train(data="coco.yaml", epochs=10)
Eğitim geri aramalarının nasıl etkili bir şekilde kullanılacağı hakkında daha fazla bilgi için Eğitim Kılavuzuna bakın.
Neden Ultralytics YOLO adresinde doğrulama sırasında geri aramalar kullanmalıyım?
Kullanma doğrulama sırasında geri aramalar Ultralytics YOLO özel işleme, günlük kaydı veya metrik hesaplamaya izin vererek model değerlendirmesini geliştirebilir. Geri aramalar, örneğin on_val_start
, on_val_batch_end
ve on_val_end
özel mantık enjekte etmek için giriş noktaları sağlayarak ayrıntılı ve kapsamlı doğrulama süreçleri sağlar.
Örneğin, ek doğrulama ölçümlerini günlüğe kaydetmek veya daha fazla analiz için ara sonuçları kaydetmek isteyebilirsiniz. Doğrulamanın sonunda özel metriklerin nasıl kaydedileceğine dair bir örnek aşağıda verilmiştir:
from ultralytics import YOLO
def on_val_end(validator):
"""Log custom metrics at end of validation."""
custom_metric = compute_custom_metric(validator)
validator.log({"custom_metric": custom_metric})
model = YOLO("yolo11n.pt")
model.add_callback("on_val_end", on_val_end)
model.val(data="coco.yaml")
Doğrulama sürecinize geri aramaları dahil etme hakkında daha fazla bilgi için Doğrulama Kılavuzu 'na göz atın.
Ultralytics YOLO adresinde tahmin modu için özel bir geri çağırmayı nasıl ekleyebilirim?
için özel bir geri arama eklemek için Tahmin Modu Ultralytics YOLO adresinde bir geri arama işlevi tanımlar ve bunu tahmin sürecine kaydedersiniz. Yaygın tahmin geri çağrıları şunları içerir on_predict_start
, on_predict_batch_end
ve on_predict_end
. Bunlar, tahmin çıktılarının değiştirilmesine ve veri kaydı veya sonuç dönüşümü gibi ek işlevlerin entegrasyonuna izin verir.
İşte tahminleri günlüğe kaydetmek için özel bir geri aramanın kullanıldığı bir örnek:
from ultralytics import YOLO
def on_predict_end(predictor):
"""Log predictions at the end of prediction."""
for result in predictor.results:
log_prediction(result)
model = YOLO("yolo11n.pt")
model.add_callback("on_predict_end", on_predict_end)
results = model.predict(source="image.jpg")
Daha kapsamlı kullanım için ayrıntılı talimatlar ve ek özelleştirme seçenekleri içeren Tahmin Kılavuzu 'na bakın.
Ultralytics YOLO adresinde geri aramaları kullanmanın bazı pratik örnekleri nelerdir?
Ultralytics YOLO eğitim, doğrulama ve tahmin gibi farklı aşamaları geliştirmek ve özelleştirmek için çeşitli pratik geri arama uygulamalarını destekler. Bazı pratik örnekler şunlardır:
- Özel Metrikleri Günlüğe Kaydetme: Eğitim veya doğrulama dönemlerinin sonu gibi farklı aşamalarda ek metrikleri günlüğe kaydedin.
- Data Augmentation: Implement custom data transformations or augmentations during prediction or training batches.
- Ara Sonuçlar: Daha fazla analiz veya görselleştirme için tahminler veya çerçeveler gibi ara sonuçları kaydedin.
Örnek: Tahmin sırasında çerçevelerin tahmin sonuçlarıyla birleştirilmesi on_predict_batch_end
:
from ultralytics import YOLO
def on_predict_batch_end(predictor):
"""Combine prediction results with frames."""
_, image, _, _ = predictor.batch
image = image if isinstance(image, list) else [image]
predictor.results = zip(predictor.results, image)
model = YOLO("yolo11n.pt")
model.add_callback("on_predict_batch_end", on_predict_batch_end)
for result, frame in model.predict():
pass
Daha fazla seçenek ve örnek bulmak için Complete Callback Reference 'ı keşfedin.