YOLOv5 AWS Derin Öğrenme Örneğinde 🚀: Eksiksiz Kılavuzunuz
Yüksek performanslı bir derin öğrenme ortamı kurmak yeni başlayanlar için göz korkutucu olabilir, ancak korkmayın! 🛠️ Bu kılavuzla, YOLOv5 adresini bir AWS Derin Öğrenme örneğinde çalışır hale getirme sürecinde size yol göstereceğiz. Amazon Web Services'in (AWS) gücünden yararlanarak, makine öğreniminde yeni olanlar bile hızlı ve uygun maliyetli bir şekilde başlayabilir. AWS platformunun ölçeklenebilirliği hem deney hem de üretim dağıtımı için mükemmeldir.
YOLOv5 için diğer hızlı başlangıç seçenekleri arasında Colab Not Defteri 
, GCP Derin Öğrenme Sanal Makinesive Docker imajımızı Docker Hub 
Adım 1: AWS Konsolunda Oturum Açma
Bir hesap oluşturarak veya https://aws.amazon.com/console/ adresindeki AWS konsolunda oturum açarak başlayın. Giriş yaptıktan sonra, örneklerinizi yönetmek ve ayarlamak için EC2 hizmetini seçin.
Adım 2: Örneğinizi Başlatın
EC2 panosunda, yeni bir sanal sunucu oluşturmak için geçidiniz olan Launch Instance (Örneği Başlat ) düğmesini bulacaksınız.
Doğru Amazon Makine İmajını (AMI) Seçme
Burada örneğiniz için işletim sistemini ve yazılım yığınını seçersiniz. Arama alanına'Derin Öğrenme' yazın ve ihtiyaçlarınız aksini gerektirmediği sürece en son Ubuntu tabanlı Derin Öğrenme AMI'sini seçin. Amazon'un Derin Öğrenme AMI'leri, kurulum sürecinizi kolaylaştırmak için popüler çerçeveler ve GPU sürücüleri ile önceden yüklenmiş olarak gelir.
Bir Örnek Türü Seçme
Derin öğrenme görevleri için, model eğitimini büyük ölçüde hızlandırabileceğinden genellikle bir GPU örnek türü seçilmesi önerilir. Örnek boyutu ile ilgili olarak, modelin bellek gereksinimlerinin asla örneğinizin sağlayabileceği bellek miktarını aşmaması gerektiğini unutmayın.
Not: Modelinizin boyutu, bir örnek seçerken bir faktör olmalıdır. Modeliniz bir örneğin kullanılabilir RAM'ini aşıyorsa, uygulamanız için yeterli belleğe sahip farklı bir örnek türü seçin.
Kullanılabilir GPU örnek türlerinin bir listesi için, özellikle Hızlandırılmış Hesaplama altında EC2 Örnek Türleri'ni ziyaret edin.
GPU izleme ve optimizasyon hakkında daha fazla bilgi için bkz. GPU İzleme ve Optimizasyon. Fiyatlandırma için İsteğe Bağlı Fiyatlandırma ve Spot Fiyatlandırma bölümlerine bakın.
Örneğinizi Yapılandırma
Amazon EC2 Spot Örnekleri, kullanılmayan kapasite için standart maliyetin çok altında teklif vermenize olanak tanıyarak uygulamaları çalıştırmak için uygun maliyetli bir yol sunar. Spot Instance kapandığında bile verileri koruyan kalıcı bir deneyim için kalıcı bir isteği tercih edin.
Başlatmadan önce örnek ayarlarınızın ve güvenlik yapılandırmalarınızın geri kalanını Adım 4-7'de gerektiği gibi ayarlamayı unutmayın.
Adım 3: Örneğinize Bağlanın
Örneğiniz çalıştığında, onay kutusunu seçin ve SSH bilgilerine erişmek için Bağlan'a tıklayın. Örneğinizle bağlantı kurmak için tercih ettiğiniz terminalde görüntülenen SSH komutunu kullanın.
Adım 4: Çalıştırma YOLOv5
Örneğinizde oturum açtığınızda, artık YOLOv5 deposunu klonlamaya ve Python 3.8 veya sonraki bir ortamda bağımlılıkları yüklemeye hazırsınız. YOLOv5'nin modelleri ve veri kümeleri otomatik olarak en son sürümden indirilecektir.
git clone https://github.com/ultralytics/yolov5 # clone repository
cd yolov5
pip install -r requirements.txt # install dependencies
Ortamınız kurulduktan sonra YOLOv5 modellerinizi eğitmeye, doğrulamaya, çıkarım yapmaya ve dışa aktarmaya başlayabilirsiniz:
# Train a model on your data
python train.py
# Validate the trained model for Precision, Recall, and mAP
python val.py --weights yolov5s.pt
# Run inference using the trained model on your images or videos
python detect.py --weights yolov5s.pt --source path/to/images
# Export the trained model to other formats for deployment
python export.py --weights yolov5s.pt --include onnx coreml tflite
İsteğe Bağlı Ekstralar
Büyük veri kümeleri için kurtarıcı olabilecek daha fazla takas belleği eklemek için çalıştırın:
sudo fallocate -l 64G /swapfile # allocate 64GB swap file
sudo chmod 600 /swapfile # modify permissions
sudo mkswap /swapfile # set up a Linux swap area
sudo swapon /swapfile # activate swap file
free -h # verify swap memory
Ve işte bu kadar! Bir AWS Deep Learning örneğini başarıyla oluşturdunuz ve YOLOv5 çalıştırdınız. İster nesne algılamaya yeni başlıyor olun ister üretim için ölçeklendiriyor olun, bu kurulum makine öğrenimi hedeflerinize ulaşmanıza yardımcı olabilir. İyi eğitimler, doğrulamalar ve dağıtımlar! Yol boyunca herhangi bir sorunla karşılaşırsanız, güçlü AWS belgeleri ve aktif Ultralytics topluluğu size destek olmak için burada.
