YOLO26 🚀 trên AzureML#

Azure là gì?#

Azure là nền tảng điện toán đám mây của Microsoft, được thiết kế để giúp các tổ chức chuyển workload từ trung tâm dữ liệu tại chỗ lên đám mây. Với đầy đủ các dịch vụ đám mây, bao gồm điện toán, cơ sở dữ liệu, phân tích, machine learning và mạng, người dùng có thể lựa chọn các dịch vụ này để phát triển và mở rộng ứng dụng mới hoặc chạy các ứng dụng hiện có trên đám mây công cộng.

Azure Machine Learning (AzureML) là gì?#

Azure Machine Learning (AzureML) là dịch vụ đám mây được quản lý hoàn toàn để xây dựng, huấn luyện và triển khai các model machine learning ở quy mô lớn. Dịch vụ cung cấp machine learning tự động, tính năng huấn luyện model kéo-thả và Python SDK để toàn quyền kiểm soát các model bằng lập trình.

AzureML mang lại lợi ích gì cho người dùng YOLO?#

AzureML cho phép bạn huấn luyện và triển khai các model Ultralytics YOLO26 trên đám mây, từ prototype nhanh đến các lượt chạy quy mô lớn. Với AzureML, bạn có thể:

• Dễ dàng quản lý các tập dữ liệu lớn và tài nguyên tính toán phục vụ huấn luyện.
• Sử dụng các công cụ tích hợp sẵn để tiền xử lý dữ liệu, lựa chọn đặc trưng và huấn luyện model.
• Cộng tác hiệu quả hơn với các khả năng MLOps (Vận hành Machine Learning), bao gồm nhưng không giới hạn ở việc giám sát, kiểm tra và quản lý phiên bản của model và dữ liệu.

Trong các phần tiếp theo, bạn sẽ tìm thấy hướng dẫn quickstart trình bày chi tiết cách chạy các model phát hiện đối tượng YOLO26 bằng AzureML, từ terminal tính toán hoặc notebook.

Điều kiện tiên quyết#

Trước khi bắt đầu, hãy đảm bảo bạn có quyền truy cập vào một workspace AzureML. Nếu chưa có, bạn có thể tạo workspace AzureML mới bằng cách làm theo tài liệu chính thức của Azure. Workspace này đóng vai trò là nơi tập trung để quản lý tất cả tài nguyên AzureML.

Tạo Compute Instance#

Trong workspace AzureML, chọn Compute > Compute instances > New, sau đó chọn instance có các tài nguyên bạn cần.

Quickstart từ Terminal#

Khởi động compute và mở Terminal:

Tạo Virtual Environment#

Tạo virtual environment bằng conda và cài đặt pip trong môi trường đó:

conda create --name yolo26env -y python=3.12
conda activate yolo26env
conda install pip -y

Cài đặt các dependency bắt buộc:

pip install ultralytics onnx

Thực hiện các tác vụ YOLO26#

Dự đoán:

yolo predict model=yolo26n.pt source='https://ultralytics.com/images/bus.jpg'

Huấn luyện một model phát hiện trong 10 epoch với learning_rate ban đầu là 0.01:

yolo train data=coco8.yaml model=yolo26n.pt epochs=10 lr0=0.01

Bạn có thể tìm thêm hướng dẫn sử dụng Ultralytics CLI tại đây.

Quickstart từ Notebook#

Tạo IPython Kernel mới#

Mở Terminal của compute.

Từ terminal của compute, tạo một ipykernel mới bằng Python 3.12 để notebook sử dụng nhằm quản lý các dependency:

conda create --name yolo26env -y python=3.12
conda activate yolo26env
conda install pip -y
conda install ipykernel -y
python -m ipykernel install --user --name yolo26env --display-name "yolo26env"

Đóng terminal và tạo notebook mới. Trong notebook, chọn kernel vừa tạo.

Sau đó mở một cell trong notebook và cài đặt các dependency bắt buộc:

%%bash
source activate yolo26env
pip install ultralytics onnx

Chạy một số dự đoán bằng Ultralytics CLI:

%%bash
source activate yolo26env
yolo predict model=yolo26n.pt source='https://ultralytics.com/images/bus.jpg'

Hoặc sử dụng giao diện Python của Ultralytics, chẳng hạn để huấn luyện model:

from ultralytics import YOLO

# Load a model
model = YOLO("yolo26n.pt")  # load an official YOLO26n model

# Use the model
model.train(data="coco8.yaml", epochs=3)  # train the model
metrics = model.val()  # evaluate model performance on the validation set
results = model("https://ultralytics.com/images/bus.jpg")  # predict on an image
path = model.export(format="onnx")  # export the model to ONNX format

Bạn có thể sử dụng Ultralytics CLI hoặc giao diện Python để chạy các tác vụ YOLO26. Ví dụ Python ở trên cũng xuất model đã huấn luyện sang ONNX để triển khai.

Bằng cách làm theo các bước này, bạn có thể nhanh chóng chạy YOLO26 trên AzureML. Để tìm hiểu các workflow nâng cao hơn, hãy xem tài liệu AzureML.

Khám phá thêm với AzureML#

Hướng dẫn này trình bày những kiến thức cơ bản về chạy YOLO26 trên AzureML. Để tìm hiểu sâu hơn, hãy khám phá các tài nguyên sau:

• Tạo Data Asset: Thiết lập và quản lý các data asset trong môi trường AzureML.
• Khởi tạo AzureML Job: Bắt đầu các job huấn luyện machine learning trên AzureML.
• Đăng ký Model: Quản lý việc đăng ký, quản lý phiên bản và triển khai model.
• Quickstart Modal: Chạy YOLO26 trên đám mây GPU serverless của Modal như một giải pháp thay thế cho AzureML.

FAQ#