Theo dõi và trực quan hóa thí nghiệm YOLO với Weights & Biases#

Các model phát hiện đối tượng như Ultralytics YOLO26 đã trở thành thành phần không thể thiếu trong nhiều ứng dụng thị giác máy tính. Tuy nhiên, việc huấn luyện, đánh giá và triển khai các model phức tạp này đặt ra một số thách thức. Theo dõi các metric huấn luyện chính, so sánh các biến thể model, phân tích hành vi model và phát hiện sự cố đòi hỏi phải có hệ thống instrumentation và quản lý thí nghiệm đáng kể.

Hướng dẫn này giới thiệu cách tích hợp Ultralytics YOLO26 với Weights & Biases để cải thiện việc theo dõi thí nghiệm, lưu checkpoint model và trực quan hóa hiệu suất model. Hướng dẫn cũng bao gồm chỉ dẫn thiết lập tích hợp, huấn luyện và trực quan hóa kết quả bằng các tính năng tương tác của Weights & Biases.

Weights & Biases#

Weights & Biases là một nền tảng MLOps tiên tiến, được thiết kế để theo dõi, trực quan hóa và quản lý các thí nghiệm machine learning. Nền tảng này có tính năng tự động ghi log các metric huấn luyện để đảm bảo khả năng tái lập thí nghiệm đầy đủ, giao diện người dùng tương tác giúp đơn giản hóa việc phân tích dữ liệu và các công cụ quản lý model hiệu quả để triển khai trên nhiều môi trường.

Huấn luyện YOLO26 với Weights & Biases#

Bạn có thể sử dụng Weights & Biases để nâng cao hiệu quả và tự động hóa quy trình huấn luyện YOLO26. Tích hợp này cho phép bạn theo dõi thí nghiệm, so sánh model và đưa ra quyết định dựa trên dữ liệu để cải thiện các dự án thị giác máy tính của mình.

Cài đặt#

Để cài đặt các gói cần thiết, hãy chạy:

# Install the required packages for Ultralytics YOLO and Weights & Biases
pip install -U ultralytics wandb

# Enable W&B logging for Ultralytics
yolo settings wandb=True

Để xem hướng dẫn chi tiết và các phương pháp hay nhất liên quan đến quy trình cài đặt, hãy tham khảo hướng dẫn Cài đặt YOLO26. Nếu gặp khó khăn khi cài đặt các gói cần thiết cho YOLO26, hãy tham khảo hướng dẫn Các vấn đề thường gặp để tìm giải pháp và mẹo khắc phục.

Cấu hình Weights & Biases#

Sau khi cài đặt các package cần thiết, bước tiếp theo là thiết lập môi trường Weights & Biases. Việc này bao gồm tạo tài khoản Weights & Biases và lấy API key cần thiết để kết nối liền mạch giữa môi trường phát triển của bạn với nền tảng W&B.

Trước tiên, hãy khởi tạo môi trường Weights & Biases trong workspace của bạn. Bạn có thể thực hiện việc này bằng cách chạy lệnh sau và làm theo hướng dẫn được nhắc.

import wandb

# Khởi tạo môi trường Weights & Biases của bạn
wandb.login(key="YOUR_API_KEY")

Truy cập trang xác thực Weights & Biases để tạo và lấy API key. Sử dụng key này khi được nhắc để xác thực môi trường của bạn với W&B.

Cách sử dụng: Huấn luyện YOLO26 với Weights & Biases#

Trước khi tìm hiểu hướng dẫn sử dụng để huấn luyện model YOLO26 với Weights & Biases, hãy xem các model YOLO26 do Ultralytics cung cấp. Việc này sẽ giúp bạn chọn model phù hợp nhất với yêu cầu dự án.

from ultralytics import YOLO

# Tải model YOLO
model = YOLO("yolo26n.pt")

# Huấn luyện và tinh chỉnh model
model.train(data="coco8.yaml", epochs=5, project="ultralytics", name="yolo26n")

Tham số W&B#

# Enable Weights & Biases logging
yolo settings wandb=True

# Disable Weights & Biases logging
yolo settings wandb=False

Tìm hiểu kết quả đầu ra#

Sau khi chạy đoạn mã sử dụng ở trên, bạn có thể nhận được các kết quả chính sau:

• Thiết lập một lần chạy mới với ID duy nhất, cho biết quy trình huấn luyện đã bắt đầu.
• Bản tóm tắt ngắn gọn về cấu trúc model, bao gồm số lớp và số tham số.
• Các metric quan trọng được cập nhật thường xuyên trong mỗi epoch huấn luyện, chẳng hạn như box loss, cls loss, box-distance loss, precision, recall và điểm mAP.
• Khi kết thúc huấn luyện, các metric chi tiết bao gồm tốc độ suy luận của model và các metric độ chính xác tổng thể sẽ được hiển thị.
• Các liên kết đến dashboard Weights & Biases để phân tích chuyên sâu và trực quan hóa quy trình huấn luyện, cùng thông tin về vị trí các file log cục bộ.

Xem dashboard Weights & Biases#

Sau khi chạy đoạn mã sử dụng, bạn có thể truy cập dashboard Weights & Biases (W&B) thông qua liên kết được cung cấp trong đầu ra. Dashboard này cung cấp cái nhìn tổng quan về quy trình huấn luyện model YOLO26 của bạn.

Các tính năng chính của dashboard Weights & Biases#

• Theo dõi metric theo thời gian thực: Theo dõi diễn biến của các metric như loss, độ chính xác và điểm số validation trong quá trình huấn luyện, giúp bạn nhanh chóng có được thông tin hữu ích để tinh chỉnh model. Tìm hiểu cách theo dõi thí nghiệm bằng Weights & Biases.

• Tối ưu hóa hyperparameter: Weights & Biases hỗ trợ tinh chỉnh các tham số quan trọng như learning rate, batch size và nhiều tham số khác, giúp cải thiện hiệu suất YOLO26. Tính năng này giúp bạn tìm cấu hình tối ưu cho tập dữ liệu và tác vụ cụ thể.

• Phân tích so sánh: Nền tảng cho phép so sánh song song các lần chạy huấn luyện khác nhau, rất cần thiết để đánh giá tác động của nhiều cấu hình model và xác định những thay đổi nào giúp cải thiện hiệu suất.

• Trực quan hóa tiến trình huấn luyện: Các biểu đồ thể hiện những metric chính giúp bạn nắm bắt trực quan hiệu suất của model qua các epoch. Tìm hiểu cách Weights & Biases giúp bạn trực quan hóa kết quả validation.

• Giám sát tài nguyên: Theo dõi mức sử dụng CPU, GPU và bộ nhớ để tối ưu hiệu quả của quy trình huấn luyện và xác định các điểm nghẽn tiềm ẩn trong workflow.

• Quản lý model artifact: Truy cập và chia sẻ checkpoint model, giúp triển khai dễ dàng và cộng tác với các thành viên trong nhóm trên những dự án phức tạp.

Bằng cách sử dụng các tính năng này, bạn có thể theo dõi, phân tích và tối ưu hóa hiệu quả quá trình huấn luyện model YOLO26, đảm bảo hiệu suất và hiệu quả cao nhất có thể cho các tác vụ phát hiện đối tượng của mình.

Tóm tắt#

Hướng dẫn này đã giúp bạn tìm hiểu về tích hợp Ultralytics YOLO với Weights & Biases. Hướng dẫn minh họa khả năng theo dõi và trực quan hóa hiệu quả quá trình huấn luyện model cũng như kết quả dự đoán của tích hợp này. Bằng cách tận dụng các tính năng mạnh mẽ của W&B, bạn có thể đơn giản hóa workflow machine learning, đưa ra quyết định dựa trên dữ liệu và cải thiện hiệu suất model.

Để biết thêm chi tiết về cách sử dụng, hãy xem tài liệu chính thức của Weights & Biases hoặc tìm hiểu bài thuyết trình của Soumik Rakshit tại YOLO VISION 2023 về tích hợp này.

Ngoài ra, hãy xem trang hướng dẫn tích hợp của Ultralytics để tìm hiểu thêm về các tích hợp hữu ích khác như MLflow và Comet ML.

Câu hỏi thường gặp#