Link to this sectionTheo dõi thử nghiệm với Neptune#

Neptune là một kho lưu trữ metadata cho MLOps, được xây dựng cho các nhóm thực hiện nhiều thử nghiệm. Nó cung cấp cho bạn một nơi duy nhất để ghi lại, lưu trữ, hiển thị, sắp xếp, so sánh và truy vấn tất cả metadata xây dựng mô hình của bạn.

Ultralytics YOLO26 tích hợp với Neptune để hợp lý hóa theo dõi thử nghiệm. Tích hợp này cho phép bạn tự động ghi lại các chỉ số huấn luyện, trực quan hóa dự đoán của mô hình và lưu trữ các artifact của mô hình mà không cần viết code ghi log tùy chỉnh.

Link to this sectionTính năng chính#

• Ghi log tự động: Tự động ghi lại các chỉ số huấn luyện chính như box loss, classification loss và mAP.
• Trực quan hóa hình ảnh: Xem các mosaic huấn luyện và dự đoán kiểm định trực tiếp trên bảng điều khiển của Neptune.
• Lưu checkpoint mô hình: Tự động tải lên và kiểm soát phiên bản trọng số mô hình đã huấn luyện (best.pt) của bạn khi kết thúc huấn luyện.
• Theo dõi siêu tham số (Hyperparameter): Ghi lại tất cả các tham số cấu hình để đảm bảo khả năng tái lập hoàn toàn cho các thử nghiệm của bạn.
• Biểu đồ tương tác: Trực quan hóa ma trận nhầm lẫn (confusion matrix) và đường cong precision-recall để phân tích hiệu suất mô hình.

Link to this sectionCài đặt#

Để sử dụng Neptune với Ultralytics, bạn cần cài đặt gói client neptune cùng với ultralytics.

# Install the required packages
pip install ultralytics neptune

# Enable Neptune integration in Ultralytics settings
yolo settings neptune=True

Link to this sectionCấu hình#

Trước khi bắt đầu huấn luyện, bạn cần kết nối môi trường cục bộ với dự án Neptune của mình. Bạn sẽ cần API Token và Project Name từ bảng điều khiển Neptune của mình.

Link to this sectionLấy thông tin đăng nhập của bạn#

1. Đăng nhập vào Neptune.ai.
2. Tạo dự án mới (hoặc chọn dự án hiện có).
3. Đi tới menu người dùng và lấy API Token của bạn.

Link to this sectionThiết lập biến môi trường#

Cách an toàn nhất để xử lý thông tin đăng nhập là thông qua các biến môi trường. Lưu ý rằng callback Neptune của Ultralytics đọc đối số project của YOLO và không sử dụng NEPTUNE_PROJECT. Hãy chuyển toàn bộ slug của Neptune (ví dụ: workspace/name) thông qua project= trong lệnh huấn luyện của bạn; nếu không, Neptune sẽ cố gắng sử dụng giá trị mặc định là "Ultralytics" và quá trình chạy sẽ thất bại.

export NEPTUNE_API_TOKEN="your_long_api_token_here" # required

Link to this sectionCách sử dụng#

Sau khi cấu hình xong, bạn có thể bắt đầu huấn luyện các mô hình YOLO26 của mình. Tích hợp Neptune hoạt động tự động khi gói neptune được cài đặt và tích hợp được bật trong cài đặt.

Link to this sectionVí dụ về huấn luyện#

from ultralytics import YOLO

# Load a model
model = YOLO("yolo26n.pt")

# Train the model
# Pass the Neptune project slug as the 'project' argument (workspace/name)
results = model.train(data="coco8.yaml", epochs=10, project="my-workspace/my-project", name="experiment-1")

Link to this sectionHiểu về tích hợp#

Sơ đồ sau đây minh họa cách quy trình huấn luyện Ultralytics tương tác với Neptune để ghi lại các artifact và chỉ số khác nhau.

graph LR
    A[YOLO Training Loop]:::start --> B{Neptune Callback}:::decide
    B -->|Log Scalars| C[Loss, mAP, LR]:::proc
    B -->|Log Images| D[Mosaics, Preds]:::proc
    B -->|Log Artifacts| E[Model Weights]:::proc
    B -->|Log Metadata| F[Hyperparameters]:::proc

    C --> G[Neptune Server]:::extern
    D --> G
    E --> G
    F --> G

    G --> H[Neptune Web Dashboard]:::out

    classDef start fill:#4CAF50,color:#fff
    classDef proc fill:#2196F3,color:#fff
    classDef decide fill:#FF9800,color:#fff
    classDef out fill:#9C27B0,color:#fff
    classDef extern fill:#607D8B,color:#fff

Link to this sectionNhững gì được ghi lại?#

Khi bạn chạy lệnh huấn luyện, tích hợp Neptune tự động ghi lại cấu trúc dữ liệu sau trong lần chạy của bạn:

1. Cấu hình/Siêu tham số: Tất cả các đối số huấn luyện (epochs, lr0, optimizer, v.v.) được ghi lại trong phần Configuration.
2. Cấu hình/Mô hình: Kiến trúc và định nghĩa của mô hình.
3. Số liệu (Metrics):
   • Train: box_loss, cls_loss, dfl_loss, lr (tốc độ học).
   • Số liệu: precision, recall, mAP50, mAP50-95.
4. Hình ảnh (Images):
   • Mosaic: Các batch huấn luyện hiển thị tăng cường dữ liệu (data augmentation).
   • Validation: Nhãn sự thật gốc (ground truth) và dự đoán của mô hình trên dữ liệu kiểm định.
   • Plots: Ma trận nhầm lẫn, đường cong Precision-Recall.
5. Trọng số (Weights): Mô hình đã huấn luyện cuối cùng (best.pt) được tải lên thư mục weights trong lần chạy Neptune.

Link to this sectionSử dụng nâng cao#

Link to this sectionTổ chức các lần chạy#

Bạn có thể sử dụng các đối số project và name tiêu chuẩn của Ultralytics để sắp xếp các lần chạy của mình trong Neptune.

• project: Phải là slug của dự án Neptune workspace/name; đây là những gì callback truyền vào neptune.init_run.
• name: Đóng vai trò là định danh cho lần chạy cụ thể.

Link to this sectionGhi log tùy chỉnh#

Nếu bạn cần ghi lại các chỉ số tùy chỉnh bổ sung cùng với việc ghi log tự động, bạn có thể truy cập instance lần chạy của Neptune. Lưu ý rằng bạn sẽ cần sửa đổi logic huấn luyện hoặc tạo một callback tùy chỉnh để truy cập đối tượng chạy cụ thể, vì tích hợp Ultralytics xử lý vòng đời của lần chạy một cách nội bộ.

Link to this sectionCâu hỏi thường gặp#

Link to this sectionLàm thế nào để tắt ghi log Neptune?#

Nếu bạn đã cài đặt neptune nhưng muốn tắt ghi log cho một phiên cụ thể hoặc trên toàn hệ thống, bạn có thể sửa đổi cài đặt YOLO.

# Disable Neptune integration
yolo settings neptune=False

Link to this sectionHình ảnh của tôi không tải lên được. Có chuyện gì vậy?#

Đảm bảo rằng mạng của bạn cho phép kết nối với máy chủ của Neptune. Ngoài ra, việc ghi log hình ảnh thường xảy ra theo các khoảng thời gian nhất định (ví dụ: cuối epoch hoặc cuối quá trình huấn luyện). Nếu bạn ngắt quá trình huấn luyện sớm bằng Ctrl+C, một số artifact cuối cùng như ma trận nhầm lẫn hoặc trọng số mô hình tốt nhất có thể sẽ không được tải lên.

Link to this sectionTôi có thể ghi log vào một ID chạy Neptune cụ thể không?#

Tích hợp hiện tại tự động tạo một lần chạy mới cho mỗi phiên huấn luyện. Để tiếp tục ghi log vào một lần chạy hiện có, bạn thường cần phải tự thực hiện khởi tạo Neptune trong code Python, điều này nằm ngoài phạm vi của tích hợp tự động. Tuy nhiên, Ultralytics hỗ trợ tiếp tục huấn luyện cục bộ, điều này sẽ tạo ra một lần chạy mới trong Neptune để theo dõi các epoch đã tiếp tục.

Link to this sectionTôi có thể tìm trọng số mô hình ở đâu trong Neptune?#

Trong bảng điều khiển Neptune của bạn, hãy điều hướng đến phần Artifacts hoặc All Metadata. Bạn sẽ tìm thấy thư mục weights chứa tệp best.pt của mình, bạn có thể tải xuống tệp này để triển khai.