YOLOv5 🚀 AzureML'de

Azure nedir?

Azure, kurumların iş yüklerini şirket içi veri merkezlerinden buluta taşımalarına yardımcı olmak için tasarlanmış Microsoft'un bulut bilişim platformudur. Bilgi işlem, veritabanları, analiz, makine öğrenimi ve ağ oluşturma dahil olmak üzere eksiksiz bir bulut hizmetleri yelpazesi ile kullanıcılar, genel bulutta yeni uygulamalar geliştirmek ve ölçeklendirmek veya mevcut uygulamaları çalıştırmak için bu hizmetler arasından seçim yapabilir.

Azure Machine Learning (AzureML) nedir?

Genellikle AzureML olarak adlandırılan Azure Machine Learning, veri bilimcilerin ve geliştiricilerin uygulamalarına tahmine dayalı analitiği verimli bir şekilde yerleştirmelerini sağlayan tam olarak yönetilen bir bulut hizmetidir. AzureML, makine öğrenimini erişilebilir, kullanımı kolay ve ölçeklenebilir hale getirmeyi amaçlayan çeşitli hizmetler ve yetenekler sunarak otomatik makine öğrenimi, sürükle ve bırak model eğitimi ve sağlam bir Python SDK gibi özellikler sağlar.

Ön Koşullar

Başlamadan önce bir AzureML çalışma alanına ihtiyacınız vardır. Bir çalışma alanınız yoksa Azure'un resmi belgelerini izleyerek yeni bir çalışma alanı oluşturabilirsiniz.

Hesaplama örneği oluşturma

AzureML çalışma alanınızdan Hesaplama > Hesaplama örnekleri > Yeni'yi seçin ve ihtiyacınız olan kaynaklara sahip örneği seçin.

Bir Terminal Açın

Notebooks (Dizüstü Bilgisayarlar) görünümünden bir Terminal açın ve bilgisayarınızı seçin.

Kurun ve çalıştırın YOLOv5

Sanal bir ortam oluşturun

Tercih ettiğiniz Python sürümü ile bir conda ortamı oluşturun:

conda create --name yolov5env -y python=3.10
conda activate yolov5env
conda install pip -y

YOLOv5 deposunu klonlayın

YOLOv5 deposunu alt modülleriyle birlikte klonlayın:

git clone https://github.com/ultralytics/yolov5
cd yolov5
git submodule update --init --recursive # You might see a message asking you to add your folder as a safe.directory

Bağımlılıkları yükleme

Gerekli bağımlılıkları yükleyin:

pip install -r requirements.txt
pip install onnx

YOLOv5 görevlerini gerçekleştirin

YOLOv5 modelini eğitin:

python train.py --data coco128.yaml --weights yolov5s.pt --img 640

Hassasiyet, Geri Çağırma ve mAP için modeli doğrulayın:

python val.py --weights yolov5s.pt --data coco128.yaml

Görüntüler üzerinde çıkarım yapın:

python detect.py --weights yolov5s.pt --source path/to/images

Modelleri diğer formatlara ( ONNX gibi) aktarın:

python export.py --weights yolov5s.pt --include onnx

Not Defteri Kullanma

Terminal yerine not defteri kullanmayı tercih ediyorsanız, yeni bir Kernel oluşturmanız ve not defterinizin üst kısmından seçmeniz gerekir.

Yeni bir IPython çekirdeği oluşturun

Bilgisayar terminalinizden:

conda create --name yolov5env -y python=3.10
conda activate yolov5env
conda install pip ipykernel -y
python -m ipykernel install --user --name yolov5env --display-name "yolov5env"

Not defterinizde Python hücreleri oluştururken, bunlar otomatik olarak özel ortamınızı kullanacaktır. bash hücreleri için, her hücrede ortamınızı etkinleştirmeniz gerekir:

%%bash
source activate yolov5env
python val.py --weights yolov5s.pt --data coco128.yaml

📅1 yıl önce oluşturuldu ✏️ 9 gün önce güncellendi