Nâng cao khả năng theo dõi và trực quan hóa thí nghiệm YOLO11 với Weights & Biases

Các mô hình phát hiện đối tượng như Ultralytics YOLO11 đã trở thành một phần không thể thiếu của nhiều ứng dụng thị giác máy tính . Tuy nhiên, việc đào tạo, đánh giá và triển khai các mô hình phức tạp này lại đặt ra một số thách thức. Theo dõi các số liệu đào tạo chính, so sánh các biến thể mô hình, phân tích hành vi mô hình và phát hiện các vấn đề đòi hỏi phải có thiết bị đo lường và quản lý thử nghiệm đáng kể.

Xem: Cách sử dụng Ultralytics YOLO11 với Weights and Biases

Hướng dẫn này giới thiệu Ultralytics Tích hợp YOLO11 với Weights & Biases để theo dõi thử nghiệm nâng cao, kiểm tra điểm mô hình và trực quan hóa hiệu suất mô hình. Nó cũng bao gồm các hướng dẫn để thiết lập tích hợp, đào tạo, tinh chỉnh và trực quan hóa kết quả bằng cách sử dụng Weights & Biases ' tính năng tương tác.

Weights & Biases

Weights & Biases là nền tảng MLOps tiên tiến được thiết kế để theo dõi, trực quan hóa và quản lý các thí nghiệm học máy . Nó có tính năng tự động ghi nhật ký các số liệu đào tạo để tái tạo toàn bộ thí nghiệm, giao diện người dùng tương tác để phân tích dữ liệu hợp lý và các công cụ quản lý mô hình hiệu quả để triển khai trên nhiều môi trường khác nhau.

YOLO11 Đào tạo với Weights & Biases

Bạn có thể sử dụng Weights & Biases mang lại hiệu quả và tự động hóa cho quá trình đào tạo YOLO11 của bạn.

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

Để biết hướng dẫn chi tiết và các biện pháp thực hành tốt nhất liên quan đến quy trình cài đặt, hãy nhớ kiểm tra hướng dẫn Cài đặt YOLO11 của chúng tôi. Trong khi cài đặt các gói cần thiết cho YOLO11, nếu bạn gặp bất kỳ khó khăn nào, hãy tham khảo hướng dẫn Các vấn đề thường gặp của chúng tôi để biết giải pháp và mẹo.

Cấu hình Weights & Biases

Sau khi cài đặt các gói cần thiết, bước tiếp theo là thiết lập Weights & Biases môi trường. Điều này bao gồm việc tạo một Weights & Biases tài khoản và lấy khóa API cần thiết để kết nối trơn tru giữa môi trường phát triển của bạn và nền tảng W&B.

Bắt đầu bằng cách khởi tạo Weights & Biases môi trường trong không gian làm việc của bạn. Bạn có thể thực hiện việc này bằng cách chạy lệnh sau và làm theo hướng dẫn được nhắc.

import wandb

# Initialize your Weights & Biases environment
wandb.login(key="<API_KEY>")

# Initialize your Weights & Biases environment
wandb login <API_KEY>

Điều hướng đến nút Weights & Biases trang ủy quyền để tạo và truy xuất khóa API của bạn. Sử dụng khóa này để xác thực môi trường của bạn với W&B.

Sử dụng: Huấn luyện YOLO11 với Weights & Biases

Trước khi tìm hiểu hướng dẫn sử dụng cho mô hình đào tạo YOLO11 với Weights & Biases , hãy chắc chắn kiểm tra phạm vi các mô hình YOLO11 do Ultralytics cung cấp . Điều này sẽ giúp bạn chọn mô hình phù hợp nhất cho các yêu cầu dự án của bạn.

from ultralytics import YOLO

# Load a YOLO model
model = YOLO("yolo11n.pt")

# Train and Fine-Tune the Model
model.train(data="coco8.yaml", epochs=5, project="ultralytics", name="yolo11n")

# Train a YOLO11 model with Weights & Biases
yolo train data=coco8.yaml epochs=5 project=ultralytics name=yolo11n

Lập luận của W&B

# Enable Weights & Biases logging
wandb enabled

# Disable Weights & Biases logging
wandb disabled

Hiểu đầu ra

Khi chạy đoạn mã sử dụng ở trên, bạn có thể mong đợi các kết quả đầu ra chính sau:

• Việc thiết lập một lần chạy mới với ID duy nhất của nó, cho biết bắt đầu quá trình đào tạo.
• Một bản tóm tắt ngắn gọn về cấu trúc của mô hình, bao gồm số lượng lớp và tham số.
• Cập nhật thường xuyên các số liệu quan trọng như mất hộp, mất cls, mất dfl, độ chính xác , độ thu hồi và điểm mAP trong mỗi giai đoạn đào tạo.
• Khi kết thúc quá trình đào tạo, các số liệu chi tiết bao gồm tốc độ suy luận của mô hình và số liệu về độ chính xác tổng thể sẽ được hiển thị.
• Liên kết đến Weights & Biases Bảng điều khiển để phân tích chuyên sâu và trực quan hóa quá trình đào tạo, cùng với thông tin về vị trí tệp nhật ký cục bộ.

Xem Weights & Biases Bảng điều khiển

Sau khi chạy đoạn mã sử dụng, bạn có thể truy cập Weights & Biases Bảng điều khiển (W&B) thông qua liên kết được cung cấp trong đầu ra. Bảng điều khiển này cung cấp cái nhìn toàn diện về quá trình đào tạo mô hình của bạn với YOLO11.

Các tính năng chính của Weights & Biases Bảng điều khiển

• Theo dõi số liệu thời gian thực: Quan sát các số liệu như tổn thất, độ chính xác và điểm xác thực khi chúng phát triển trong quá trình đào tạo, cung cấp thông tin chi tiết ngay lập tức để điều chỉnh mô hình. Xem cách theo dõi thử nghiệm bằng cách sử dụng Weights & Biases.

• Tối ưu hóa siêu tham số : Weights & Biases hỗ trợ tinh chỉnh các thông số quan trọng như tốc độ học , quy mô lô và nhiều thông số khác, giúp nâng cao hiệu suất của YOLO11.

• Phân tích so sánh: Nền tảng này cho phép so sánh song song các lần chạy đào tạo khác nhau, điều cần thiết để đánh giá tác động của các cấu hình mô hình khác nhau.

• Trực quan hóa tiến trình đào tạo: Biểu diễn đồ họa của các số liệu chính cung cấp sự hiểu biết trực quan về hiệu suất của mô hình qua các thời đại. Xem cách thực hiện Weights & Biases giúp bạn hình dung kết quả xác thực.

• Giám sát tài nguyên: Theo dõi CPU, GPUvà sử dụng bộ nhớ để tối ưu hóa hiệu quả của quá trình đào tạo.

• Quản lý thành phần lạ mô hình: Truy cập và chia sẻ các điểm kiểm tra mô hình, tạo điều kiện triển khai và cộng tác dễ dàng.

• Xem kết quả suy luận bằng Lớp phủ hình ảnh: Trực quan hóa kết quả dự đoán trên hình ảnh bằng cách sử dụng lớp phủ tương tác trong Weights & Biases, cung cấp cái nhìn rõ ràng và chi tiết về hiệu suất mô hình trên dữ liệu trong thế giới thực. Để biết thêm thông tin chi tiết về Weights & Biases'Khả năng lớp phủ hình ảnh, hãy xem liên kết này. Xem cách thực hiện Weights & Biases' lớp phủ hình ảnh giúp trực quan hóa các suy luận mô hình.

Bằng cách sử dụng các tính năng này, bạn có thể theo dõi, phân tích và tối ưu hóa hiệu quả đào tạo của mô hình YOLO11, đảm bảo hiệu suất và hiệu quả tốt nhất có thể.

Tóm tắt

Hướng dẫn này đã giúp bạn khám phá Ultralytics YOLO tích hợp với Weights & Biases . Nó minh họa khả năng tích hợp này để theo dõi và trực quan hóa hiệu quả kết quả đào tạo và dự đoán mô hình.

Để biết thêm chi tiết về cách sử dụng, hãy truy cập Weights & Biases' tài liệu chính thức.

Ngoài ra, hãy chắc chắn kiểm tra Ultralytics Trang hướng dẫn tích hợp, để tìm hiểu thêm về các tích hợp thú vị khác nhau.

FAQ

Làm thế nào để tôi tích hợp Weights & Biases với Ultralytics YOLO11 là gì?

Để tích hợp Weights & Biases với Ultralytics YOLO11:

1. Cài đặt các gói cần thiết:

pip install -U ultralytics wandb

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

import wandb

wandb.login(key="<API_KEY>")

1. Đào tạo mô hình YOLO11 của bạn bằng cách bật tính năng ghi nhật ký W&B:

from ultralytics import YOLO

model = YOLO("yolo11n.pt")
model.train(data="coco8.yaml", epochs=5, project="ultralytics", name="yolo11n")

Thao tác này sẽ tự động ghi lại số liệu, siêu tham số và hiện vật mô hình vào dự án W&B của bạn.

Những đặc điểm chính của là gì? Weights & Biases tích hợp với YOLO11?

Các tính năng chính bao gồm:

• Theo dõi số liệu thời gian thực trong quá trình đào tạo
• Công cụ tối ưu hóa siêu tham số
• Phân tích so sánh các đợt đào tạo khác nhau
• Hình ảnh hóa tiến trình đào tạo thông qua biểu đồ
• Giám sát tài nguyên ( CPU , GPU , sử dụng bộ nhớ)
• Quản lý và chia sẻ hiện vật mô hình
• Xem kết quả suy luận với lớp phủ hình ảnh

Các tính năng này giúp theo dõi các thử nghiệm, tối ưu hóa mô hình và cộng tác hiệu quả hơn trong các dự án YOLO11.

Làm thế nào tôi có thể xem Weights & Biases bảng điều khiển cho khóa đào tạo YOLO11 của tôi?

Sau khi chạy tập lệnh đào tạo của bạn với tích hợp W&B:

1. Liên kết đến bảng điều khiển W&B của bạn sẽ được cung cấp trong đầu ra của bảng điều khiển.
2. Nhấp vào liên kết hoặc truy cập wandb.ai và đăng nhập vào tài khoản của bạn.
3. Điều hướng đến dự án của bạn để xem số liệu chi tiết, hình ảnh trực quan và dữ liệu hiệu suất mô hình.

Bảng thông tin cung cấp thông tin chi tiết về quy trình đào tạo mô hình của bạn, cho phép bạn phân tích và cải thiện các mô hình YOLO11 của mình một cách hiệu quả.

Tôi có thể vô hiệu hóa Weights & Biases đăng nhập để đào tạo YOLO11?

Có, bạn có thể tắt chức năng ghi nhật ký W&B bằng lệnh sau:

wandb disabled

Để bật lại chức năng ghi nhật ký, hãy sử dụng:

wandb enabled

Điều này cho phép bạn kiểm soát thời điểm bạn muốn sử dụng ghi nhật ký W&B mà không cần sửa đổi tập lệnh đào tạo của mình.

Làm thế nào Weights & Biases giúp tối ưu hóa mô hình YOLO11?

Weights & Biases giúp tối ưu hóa các mô hình YOLO11 bằng cách:

1. Cung cấp hình ảnh chi tiết về số liệu đào tạo
2. Cho phép so sánh dễ dàng giữa các phiên bản mô hình khác nhau
3. Cung cấp các công cụ để điều chỉnh siêu tham số
4. Cho phép phân tích cộng tác hiệu suất mô hình
5. Tạo điều kiện chia sẻ dễ dàng các hiện vật và kết quả mô hình

Các tính năng này giúp các nhà nghiên cứu và nhà phát triển lặp lại nhanh hơn và đưa ra quyết định dựa trên dữ liệu để cải thiện mô hình YOLO11 của họ.

📅 Được tạo cách đây 10 tháng ✏️ Đã cập nhật cách đây 1 tháng

Ý kiến