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 dịch vụ điện toán, cơ sở dữ liệu, phân tích, machine learning và mạng, người dùng có thể tùy chọn các dịch vụ để phát triển và mở rộng ứng dụng mới hoặc chạy 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 toàn diện để xây dựng, training và triển khai model machine learning ở quy mô lớn. Dịch vụ cung cấp machine learning tự động, tính năng training model bằng thao tác kéo thả và Python SDK để kiểm soát hoàn toàn các model theo phương thức lập trình.

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

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

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

Trong các phần tiếp theo, bạn sẽ tìm thấy hướng dẫn bắt đầu nhanh, trình bày cách chạy 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 workspace AzureML. Nếu chưa có, bạn có thể tạo workspace AzureML mới theo tài liệu chính thức của Azure. Workspace này đóng vai trò là nơi tập trung để quản lý mọi tài nguyên AzureML.

Tạo Compute Instance#

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

Bắt đầu nhanh từ Terminal#

Khởi động tài nguyên tính toán và mở Terminal:

Tạo môi trường ảo#

Tạo môi trường ảo 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 cần thiết:

pip install ultralytics onnx

Thực hiện các tác vụ YOLO26#

Dự đoán:

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

Training model phát hiện trong 10 epoch:

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

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

Bắt đầu nhanh từ notebook#

Tạo IPython Kernel mới#

Mở Terminal của tài nguyên tính toán.

Từ terminal của tài nguyên tính toán, tạo ipykernel mới bằng Python 3.12 để notebook sử dụng kernel này quản lý 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 ô notebook và cài đặt các dependency cần thiết:

%%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 dùng giao diện Python của Ultralytics, chẳng hạn để training model:

from ultralytics import YOLO

# Tải model
model = YOLO("yolo26n.pt")  # tải model YOLO26n chính thức

# Sử dụng model
model.train(data="coco8.yaml", epochs=3)  # training model
metrics = model.val()  # đánh giá hiệu suất model trên tập validation
results = model("https://ultralytics.com/images/bus.jpg")  # dự đoán trên một ảnh
path = model.export(format="onnx")  # xuất model sang định dạng ONNX

Bạn có thể dùng Ultralytics CLI hoặc giao diện Python để chạy các tác vụ YOLO26. Ví dụ Python ở trên cũng xuất model đã training 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 về AzureML#

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

• Tạo tài sản dữ liệu: Thiết lập và quản lý tài sản dữ liệu trong môi trường AzureML.
• Khởi chạy job AzureML: Bắt đầu các job training machine learning trên AzureML.
• Đăng ký model: Quản lý việc đăng ký, quản lý phiên bản và triển khai model.
• Hướng dẫn bắt đầu nhanh với Modal: Chạy YOLO26 trên đám mây GPU serverless của Modal như một lựa chọn thay thế AzureML.

Câu hỏi thường gặp#