YOLOv5 ile Comet
Bu kılavuzda YOLOv5 ile nasıl kullanılacağı ele alınacaktır Comet
Hakkında Comet
Comet veri bilimcilerin, mühendislerin ve ekip liderlerinin makine öğrenimi ve derin öğrenme modellerini hızlandırmasına ve optimize etmesine yardımcı olan araçlar geliştirir.
Model ölçümlerini gerçek zamanlı olarak takip edin ve görselleştirin, hiperparametrelerinizi, veri kümelerinizi ve model kontrol noktalarınızı kaydedin ve Comet Özel Paneller ile model tahminlerinizi görselleştirin! Comet çalışmanızın izini asla kaybetmemenizi sağlar ve sonuçları paylaşmayı ve her büyüklükteki ekipler arasında işbirliği yapmayı kolaylaştırır!
Başlarken
Kurulum Comet
Comet Kimlik Bilgilerini Yapılandırma
Comet adresini YOLOv5 ile yapılandırmanın iki yolu vardır.
Kimlik bilgilerinizi ortam değişkenleri aracılığıyla ayarlayabilirsiniz
Ortam Değişkenleri
export COMET_API_KEY=<Your Comet API Key>
export COMET_PROJECT_NAME=<Your Comet Project Name> # This will default to 'yolov5'
Ya da bir .comet.config dosyasını açın ve kimlik bilgilerinizi orada ayarlayın.
Comet Yapılandırma Dosyası
[comet]
api_key=<Your Comet API Key>
project_name=<Your Comet Project Name> # This will default to 'yolov5'
Eğitim Komut Dosyasını Çalıştırın
# Train YOLOv5s on COCO128 for 5 epochs
python train.py --img 640 --batch 16 --epochs 5 --data coco128.yaml --weights yolov5s.pt
İşte bu kadar! Comet hiperparametrelerinizi, komut satırı argümanlarınızı, eğitim ve doğrulama metriklerinizi otomatik olarak günlüğe kaydedecektir. Çalışmalarınızı Comet kullanıcı arayüzünde görselleştirebilir ve analiz edebilirsiniz
Bir Örnek Deneyin!
Tamamlanmış bir çalışma örneğine buradan göz atın
Ya da daha iyisi, bu Colab Notebook'ta kendiniz deneyin
Otomatik olarak günlüğe kaydet
Varsayılan olarak, Comet aşağıdaki öğeleri günlüğe kaydeder
Metrikler
- Eğitim ve doğrulama verileri için Kutu Kaybı, Nesne Kaybı, Sınıflandırma Kaybı
- mAP_0.5, doğrulama verileri için mAP_0.5:0.95 metrikleri.
- Doğrulama verileri için Kesinlik ve Geri Çağırma
Parametreler
- Model Hiperparametreleri
- Komut satırı seçenekleri aracılığıyla aktarılan tüm parametreler
Görselleştirmeler
- Doğrulama verileri üzerindeki model tahminlerinin karışıklık matrisi
- Tüm sınıflarda PR ve F1 eğrileri için grafikler
- Sınıf Etiketlerinin Korelogramı
Comet Günlük Kaydını Yapılandırma
Comet eğitim betiğine aktarılan komut satırı bayrakları veya ortam değişkenleri aracılığıyla ek verileri günlüğe kaydedecek şekilde yapılandırılabilir.
export COMET_MODE=online # Set whether to run Comet in 'online' or 'offline' mode. Defaults to online
export COMET_MODEL_NAME=<your model name> #Set the name for the saved model. Defaults to yolov5
export COMET_LOG_CONFUSION_MATRIX=false # Set to disable logging a Comet Confusion Matrix. Defaults to true
export COMET_MAX_IMAGE_UPLOADS=<number of allowed images to upload to Comet> # Controls how many total image predictions to log to Comet. Defaults to 100.
export COMET_LOG_PER_CLASS_METRICS=true # Set to log evaluation metrics for each detected class at the end of training. Defaults to false
export COMET_DEFAULT_CHECKPOINT_FILENAME=<your checkpoint filename> # Set this if you would like to resume training from a different checkpoint. Defaults to 'last.pt'
export COMET_LOG_BATCH_LEVEL_METRICS=true # Set this if you would like to log training metrics at the batch level. Defaults to false.
export COMET_LOG_PREDICTIONS=true # Set this to false to disable logging model predictions
ile Kontrol Noktalarını Günlüğe Kaydetme Comet
Modellerin Comet adresinde günlüğe kaydedilmesi varsayılan olarak devre dışıdır. Etkinleştirmek için save-period eğitim komut dosyasına argüman. Bu, günlüğe kaydedilen kontrol noktalarını Comet adresine kaydedecektir. save-period
python train.py \
--img 640 \
--batch 16 \
--epochs 5 \
--data coco128.yaml \
--weights yolov5s.pt \
--save-period 1
Günlük Modeli Tahminleri
Varsayılan olarak, model tahminleri (görüntüler, temel gerçek etiketleri ve sınırlayıcı kutular) Comet adresine kaydedilecektir.
Günlüğe kaydedilen tahminlerin ve ilişkili görüntülerin sıklığını bbox_interval komut satırı argümanı. Tahminler Comet's kullanılarak görselleştirilebilir. Nesne Algılama Özel Panel. Bu sıklık, her N'inci veri grubuna karşılık gelir. çağ. Aşağıdaki örnekte, her epok için her 2. veri grubunu günlüğe kaydediyoruz.
Not: YOLOv5 doğrulama veri yükleyicisi varsayılan olarak 32'lik bir yığın boyutuna sahip olacaktır, bu nedenle günlük kaydı sıklığını buna göre ayarlamanız gerekecektir.
İşte Panel'i kullanan örnek bir proje
python train.py \
--img 640 \
--batch 16 \
--epochs 5 \
--data coco128.yaml \
--weights yolov5s.pt \
--bbox_interval 2
Kaydedilen Tahmin Görüntülerinin sayısını kontrol etme Comet
YOLOv5 adresinden tahminleri günlüğe kaydederken, Comet her bir tahmin setiyle ilişkili görüntüleri günlüğe kaydeder. Varsayılan olarak en fazla 100 doğrulama görüntüsü kaydedilir. Bu sayıyı şu komutu kullanarak artırabilir veya azaltabilirsiniz COMET_MAX_IMAGE_UPLOADS ortam değişkeni.
env COMET_MAX_IMAGE_UPLOADS=200 python train.py \
--img 640 \
--batch 16 \
--epochs 5 \
--data coco128.yaml \
--weights yolov5s.pt \
--bbox_interval 1
Sınıf Seviyesi Metriklerini Günlüğe Kaydetme
Kullanın COMET_LOG_PER_CLASS_METRICS mAP'yi günlüğe kaydetmek için ortam değişkeni, hassas, geri çağırma, f1 her sınıf için.
env COMET_LOG_PER_CLASS_METRICS=true python train.py \
--img 640 \
--batch 16 \
--epochs 5 \
--data coco128.yaml \
--weights yolov5s.pt
Bir Veri Setini Comet Artifacts'e Yükleme
Verilerinizi aşağıdakileri kullanarak saklamak isterseniz Comet Eserlerkullanarak bunu yapabilirsiniz. upload_dataset bayrak.
Veri kümesi, aşağıda açıklanan şekilde düzenlenmelidir YOLOv5 dokümantasyon. Veri kümesi yapılandırması yaml dosyasının formatı ile aynı formatı takip etmelidir. coco128.yaml Dosya.
python train.py \
--img 640 \
--batch 16 \
--epochs 5 \
--data coco128.yaml \
--weights yolov5s.pt \
--upload_dataset
Yüklenen veri setini Comet Çalışma Alanınızdaki Artifacts sekmesinde bulabilirsiniz 
Verileri doğrudan Comet kullanıcı arayüzünde önizleyebilirsiniz. 
Eserler sürümlendirilir ve ayrıca veri kümesi hakkında meta veri eklemeyi destekler. Comet veri kümenizdeki meta verileri otomatik olarak günlüğe kaydeder yaml dosya 
Kaydedilmiş bir Eseri Kullanma
Comet Artifacts adresinden bir veri kümesi kullanmak isterseniz path veri kümenizdeki değişken yaml dosyasını aşağıdaki Artifact kaynak URL'sine işaret edecek şekilde ayarlayın.
# contents of artifact.yaml file
path: "comet://<workspace name>/<artifact name>:<artifact version or alias>"
Ardından bu dosyayı eğitim betiğinize aşağıdaki şekilde aktarın
Eserler aynı zamanda Deneme iş akışınız boyunca akan veri akışını izlemenize de olanak tanır. Burada, yüklediğiniz veri kümesini kullanan tüm deneyleri gösteren bir grafik görebilirsiniz. 
Antrenman Koşusuna Devam Etme
Eğitim koşunuz herhangi bir nedenle kesintiye uğrarsa, örneğin internet bağlantınız kesilirse, koşuya devam etmek için resume bayrağı ve Comet Run Path.
Çalıştırma Yolu aşağıdaki biçime sahiptir comet://<your workspace name>/<your project name>/<experiment id>.
Bu, modeli bir kontrol noktasından geri yüklemeyi, tüm hiperparametreleri ve eğitim argümanlarını geri yüklemeyi ve orijinal çalışmada kullanılmışlarsa Comet veri kümesi Artefaktlarını indirmeyi içeren çalışmayı kesintiden önceki durumuna geri yükleyecektir. Yeniden başlatılan çalıştırma, Comet kullanıcı arayüzündeki mevcut Deneye günlük tutmaya devam edecektir
Comet Optimizer ile Hiperparametre Arama
YOLOv5 ayrıca Comet's Optimizer ile entegre edilmiştir ve hiperparametre taramalarını Comet kullanıcı arayüzünde görselleştirmeyi kolaylaştırır.
Optimize Edici Taramasını Yapılandırma
Comet Optimizer'ı yapılandırmak için, tarama ile ilgili bilgileri içeren bir JSON dosyası oluşturmanız gerekecektir. Örnek bir dosya şurada verilmiştir utils/loggers/comet/optimizer_config.json
python utils/loggers/comet/hpo.py \
--comet_optimizer_config "utils/loggers/comet/optimizer_config.json"
Bu hpo.py betiği şu argümanlarla aynı argümanları kabul eder train.py. Süpürme işleminize ek argümanlar aktarmak isterseniz bunları koddan sonra eklemeniz yeterlidir.
python utils/loggers/comet/hpo.py \
--comet_optimizer_config "utils/loggers/comet/optimizer_config.json" \
--save-period 1 \
--bbox_interval 1
Bir Taramayı Paralel Çalıştırma
comet optimizer -j <set number of workers> utils/loggers/comet/hpo.py \
utils/loggers/comet/optimizer_config.json"
Sonuçları Görselleştirme
Comet taramanızın sonuçlarını görselleştirmek için çeşitli yollar sunar. Tamamlanmış bir taramaya sahip bir projeye buradan göz atın
