İçeriğe geç

Roboflow Veri Setleri

Artık YOLOv5 🚀 modellerini eğitmek üzere veri kümelerinizi düzenlemek, etiketlemek, hazırlamak, sürümlemek ve barındırmak için Roboflow adresini kullanabilirsiniz. Roboflow çalışma alanınızı herkese açık hale getirirseniz YOLOv5 ile birlikte kullanmak ücretsizdir.

Lisanslama

Ultralytics iki lisanslama seçeneği sunar:

Daha fazla ayrıntı için bkz. Ultralytics Lisanslama.

Yükle

Verilerinizi Roboflow adresine web UI, REST API veya Python.

Etiketleme

Verileri Roboflow adresine yükledikten sonra, verilerinizi etiketleyebilir ve önceki etiketleri inceleyebilirsiniz.

Roboflow Ek açıklama

Versiyonlama

Veri kümenizin farklı ön işleme ve çevrimdışı büyütme seçeneklerine sahip sürümlerini oluşturabilirsiniz. YOLOv5 çevrimiçi büyütmeleri yerel olarak yapar, bu nedenle Roboflow'un çevrimdışı büyütmelerini üstüne katmanlarken bilinçli olun.

Roboflow Ön işleme

Verileri Dışa Aktarma

Hızlı bir şekilde eğitime başlamak için verilerinizi YOLOv5 formatında indirebilirsiniz.

from roboflow import Roboflow
rf = Roboflow(api_key="YOUR API KEY HERE")
project = rf.workspace().project("YOUR PROJECT")
dataset = project.version("YOUR VERSION").download("yolov5")

Özel Eğitim

Yukarıdaki tüm özellikleri gösteren özel bir eğitim yayınladık. Koda buradan erişebilirsiniz:

Colab'da Aç

Aktif Öğrenme

Gerçek dünya dağınıktır ve modeliniz her zaman veri setinizin öngörmediği durumlarla karşılaşacaktır. Aktif öğrenmeyi kullanmak, veri setinizi ve modelinizi yinelemeli olarak geliştirmek için önemli bir stratejidir. Roboflow ve YOLOv5 entegrasyonu sayesinde, savaşta test edilmiş bir makine öğrenimi işlem hattı kullanarak model dağıtımlarınızda hızlı bir şekilde iyileştirmeler yapabilirsiniz.

Roboflow aktif öğrenme

Desteklenen Ortamlar

Ultralytics her biri CUDA, CUDNN gibi temel bağımlılıklarla önceden yüklenmiş bir dizi kullanıma hazır ortam sağlar, Pythonve PyTorchProjelerinizi başlatmak için.

Proje Durumu

YOLOv5 CI

Bu rozet, tüm YOLOv5 GitHub Actions Sürekli Entegrasyon (CI) testlerinin başarıyla geçtiğini gösterir. Bu CI testleri, YOLOv5 'un işlevselliğini ve performansını çeşitli temel yönlerden titizlikle kontrol eder: eğitim, doğrulama, çıkarım, dışa aktarma ve kıyaslamalar. Her 24 saatte bir ve her yeni işlemde yapılan testlerle macOS, Windows ve Ubuntu üzerinde tutarlı ve güvenilir çalışma sağlarlar.



Oluşturuldu 2023-11-12, Güncellendi 2024-01-21
Yazarlar: glenn-jocher (6)

Yorumlar