YOLO Vision 2026:

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

Các model phát hiện đối tượng như Ultralytics YOLO26 đã trở thành thành phần thiết yếu 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 nhiều thách thức. Việc theo dõi các metric huấn luyện chính, so sánh các biến thể model, phân tích hành vi của model và phát hiện vấn đề đòi hỏi khả năng instrumentation và quản lý thử nghiệm đáng kể.



Watch: How to use Ultralytics YOLO26 with Weights and Biases

Hướng dẫn này trình bày cách tích hợp Ultralytics YOLO26 với Weights & Biases để nâng cao khả năng theo dõi thử nghiệm, lưu checkpoint của model và trực quan hóa hiệu suất model. Hướng dẫn cũng bao gồm các 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](https://ultralytics-translation-1.invalid tiên tiến, được thiết kế để theo dõi, trực quan hóa và quản lý các thử nghiệm machine learning. Nền tảng này có tính năng tự động ghi log các metric huấn luyện để đảm bảo khả năng tái lập đầy đủ của thử nghiệm, 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 tăng hiệu quả và tự động hóa quy trình huấn luyện YOLO26. Tích hợp này cho phép bạn theo dõi thử nghiệm, so sánh các model và đưa ra quyết định dựa trên dữ liệu nhằm cải thiện các dự án thị giác máy tính.

Cài đặt#

Để cài đặt các package bắt buộc, hãy chạy:

Cài đặt
# 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 best practice liên quan đến quy trình cài đặt, hãy tham khảo hướng dẫn Cài đặt YOLO26. Nếu gặp khó khăn khi cài đặt các package bắt buộc cho YOLO26, hãy tham khảo hướng dẫn Các vấn đề thường gặp để tìm giải pháp và mẹo xử lý.

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 thuận lợi giữa môi trường phát triển của bạn và nền tảng W&B.

Bắt đầu bằng cách 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 các hướng dẫn được nhắc.

Thiết lập SDK ban đầu
import wandb

# Initialize your Weights & Biases environment
wandb.login(key="YOUR_API_KEY")

Truy cập trang ủy quyền 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 bắt đầu các hướng dẫn sử dụng để huấn luyện model YOLO26 với Weights & Biases, hãy xem qua các model YOLO26 do Ultralytics cung cấp. Điều này sẽ giúp bạn chọn model phù hợp nhất với yêu cầu dự án.

Cách sử dụng: Huấn luyện YOLO26 với Weights & Biases
from ultralytics import YOLO

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

# Train and Fine-Tune the Model
model.train(data="coco8.yaml", epochs=5, project="ultralytics", name="yolo26n")

Đối số W&B#

Đối sốMặc địnhMô tả
projectNoneChỉ định tên của project được ghi log cục bộ và trong W&B. Nhờ đó, bạn có thể nhóm nhiều run lại với nhau.
nameNoneTên của run huấn luyện. Tên này quyết định tên được dùng để tạo các thư mục con và tên được dùng cho việc ghi log vào W&B.
saveTrueXác định có tải checkpoint tốt nhất lên dưới dạng model artifact của W&B hay không.
Bật hoặc tắt Weights & Biases

Nếu muốn bật hoặc tắt việc ghi log Weights & Biases trong Ultralytics, bạn có thể sử dụng lệnh yolo settings. Theo mặc định, việc ghi log Weights & Biases bị tắt.

# Enable Weights & Biases logging
yolo settings wandb=True

# Disable Weights & Biases logging
yolo settings wandb=False

Tìm hiểu về output#

Sau khi chạy đoạn mã sử dụng ở trên, bạn có thể thấy các đầu ra chính sau:

  • Thiết lập một run mới với ID duy nhất, cho biết quá trình huấn luyện đã bắt đầu.
  • Bản tóm tắt ngắn gọn về cấu trúc model, bao gồm số layer và parameter.
  • Các cập nhật định kỳ về những metric quan trọng như box loss, cls loss, box-distance loss, precision, recall và điểm mAP trong mỗi epoch huấn luyện.
  • Khi kết thúc huấn luyện, các metric chi tiết, bao gồm tốc độ inference 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 quá 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 chế độ xem toàn diện về quá trình huấn luyện model của bạn với YOLO26.

Các tính năng chính của dashboard Weights & Biases#

  • Theo dõi metric theo thời gian thực: Quan sát các metric như loss, accuracy và điểm validation khi chúng thay đổi trong quá trình huấn luyện, cung cấp thông tin tức thời để tinh chỉnh model. Xem cách theo dõi thử nghiệm bằng Weights & Biases.

  • Tối ưu hóa hyperparameter: Weights & Biases hỗ trợ tinh chỉnh các parameter quan trọng như learning rate, batch size và nhiều parameter khác, giúp nâng cao hiệu suất của YOLO26. Điều này giúp bạn tìm được cấu hình tối ưu cho dataset và task cụ thể.

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

  • Trực quan hóa tiến trình huấn luyện: Các biểu diễn đồ họa của những metric chính giúp hiểu trực quan hiệu suất của model qua các epoch. Xem 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 quá trình huấn luyện và xác định các điểm nghẽn tiềm ẩn trong workflow.

  • Quản lý model artifact: Truy cập và chia sẻ checkpoint của model, hỗ trợ 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 hiệu quả quá trình huấn luyện model YOLO26, đảm bảo hiệu suất và hiệu quả tốt nhất cho các task phát hiện đối tượng.

Tóm tắt#

Hướng dẫn này đã giúp bạn tìm hiểu về tích hợp Ultralytics YOLO với Weights & Biases. Hướng dẫn minh họa khả năng của tích hợp này trong việc theo dõi và trực quan hóa hiệu quả quá trình huấn luyện model cũng như kết quả dự đoán. Bằng cách tận dụng các tính năng mạnh mẽ của W&B, bạn có thể tinh gọn 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 truy cập tài liệu chính thức của Weights & Biases hoặc xem bài thuyết trình của Soumik Rakshit từ 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.

FAQ#

  • Để tích hợp Weights & Biases với Ultralytics YOLO26:

    1. Cài đặt các package bắt buộc:

      pip install -U ultralytics wandb
yolo settings wandb=True

    2. Đăng nhập vào tài khoản Weights & Biases của bạn:

      import wandb

wandb.login(key="YOUR_API_KEY")

    3. Huấn luyện model YOLO26 với tính năng ghi log W&B được bật:

      from ultralytics import YOLO

model = YOLO("yolo26n.pt")
model.train(data="coco8.yaml", epochs=5, project="ultralytics", name="yolo26n")

    Thao tác này sẽ tự động ghi log các metric, hyperparameter và model artifact vào project W&B của bạn.

  • Các tính năng chính bao gồm:

    • Theo dõi metric theo thời gian thực trong quá trình huấn luyện
    • Các công cụ tối ưu hóa hyperparameter
    • Phân tích so sánh các run huấn luyện khác nhau
    • Trực quan hóa tiến trình huấn luyện qua biểu đồ
    • Giám sát tài nguyên (mức sử dụng CPU, GPU và bộ nhớ)
    • Quản lý và chia sẻ model artifact

    Các tính năng này hỗ trợ theo dõi thử nghiệm, tối ưu hóa model và cộng tác hiệu quả hơn trong các dự án YOLO26.

  • Sau khi chạy script huấn luyện với tích hợp W&B:

    1. Liên kết đến dashboard W&B của bạn sẽ được cung cấp trong đầu ra của console.
    2. Nhấp vào liên kết hoặc truy cập wandb.ai và đăng nhập vào tài khoản của bạn.
    3. Đi tới project của bạn để xem các metric chi tiết, hình ảnh trực quan hóa và dữ liệu hiệu suất model.

    Dashboard cung cấp thông tin chuyên sâu về quá trình huấn luyện model, cho phép bạn phân tích và cải thiện hiệu quả các model YOLO26.

  • Có, bạn có thể tắt việc ghi log W&B bằng lệnh sau:

    yolo settings wandb=False

    Để bật lại việc ghi log, hãy sử dụng:

    yolo settings wandb=True

    Điều này cho phép bạn kiểm soát thời điểm muốn sử dụng tính năng ghi log W&B mà không cần sửa các script huấn luyện.

  • Weights & Biases hỗ trợ tối ưu hóa các model YOLO26 bằng cách:

    1. Cung cấp hình ảnh trực quan chi tiết về các metric huấn luyện
    2. Cho phép dễ dàng so sánh giữa các phiên bản model khác nhau
    3. Cung cấp các công cụ tinh chỉnh hyperparameter
    4. Cho phép phân tích cộng tác về hiệu suất model
    5. Hỗ trợ dễ dàng chia sẻ model artifact và kết quả

    Các tính năng này giúp nhà nghiên cứu và developer lặp nhanh hơn, đồng thời đưa ra quyết định dựa trên dữ liệu để cải thiện các model YOLO26.

Những người đóng góp
GLglenn-jocher24RIRizwanMunawar3RAraimbekovm2Y-Y-T-G2FCfcakyon1JKjk4e1MAMatthewNoyce1AMambitious-octopus1IVIvorZhu3311ABabirami-vina1

Bình luận