Chuyển đến nội dung

Ultralytics YOLOv5 🚀 trên AzureML Quickstart

Chào mừng bạn đến với hướng dẫn khởi động nhanh YOLOv5 Ultralytics dành cho Microsoft Azure Machine Learning (AzureML)! Hướng dẫn này sẽ hướng dẫn bạn thiết lập YOLOv5 trên một phiên bản máy tính AzureML, bao gồm mọi thứ từ việc tạo một môi trường ảo đến huấn luyện và chạy suy luận với mô hình.

Azure là gì?

Azure là nền tảng điện toán đám mây toàn diện của Microsoft. Nó cung cấp một loạt các dịch vụ, bao gồm sức mạnh tính toán, cơ sở dữ liệu, công cụ phân tích, khả năng machine learning và các giải pháp mạng. Azure cho phép các tổ chức xây dựng, triển khai và quản lý các ứng dụng và dịch vụ thông qua các trung tâm dữ liệu do Microsoft quản lý, tạo điều kiện thuận lợi cho việc di chuyển khối lượng công việc từ cơ sở hạ tầng tại chỗ lên đám mây.

Azure Machine Learning (AzureML) là gì?

Azure Machine Learning (AzureML) là một dịch vụ đám mây chuyên dụng được thiết kế để phát triển, huấn luyện và triển khai các mô hình machine learning. Nó cung cấp một môi trường cộng tác với các công cụ phù hợp cho các nhà khoa học dữ liệu và nhà phát triển ở mọi cấp độ kỹ năng. Các tính năng chính bao gồm automated machine learning (AutoML), giao diện kéo và thả để tạo mô hình và Python SDK mạnh mẽ để kiểm soát chi tiết hơn vòng đời ML. AzureML đơn giản hóa quy trình nhúng predictive modeling vào các ứng dụng.

Điều Kiện Tiên Quyết

Để làm theo hướng dẫn này, bạn cần có đăng ký Azure đang hoạt động và quyền truy cập vào không gian làm việc AzureML. Nếu bạn chưa thiết lập không gian làm việc, vui lòng tham khảo tài liệu Azure chính thức để tạo một không gian.

Tạo một Compute Instance

Một phiên bộ xử lý trong AzureML cung cấp một máy trạm dựa trên đám mây được quản lý cho các nhà khoa học dữ liệu.

  1. Điều hướng đến không gian làm việc AzureML của bạn.
  2. Ở ngăn bên trái, chọn Compute.
  3. Chuyển đến tab Compute instances và nhấn New.
  4. Cấu hình instance của bạn bằng cách chọn tài nguyên GPU hoặc CPU phù hợp dựa trên nhu cầu của bạn cho việc huấn luyện hoặc suy luận.

create-compute-arrow

Mở Terminal

Sau khi compute instance của bạn đang chạy, bạn có thể truy cập terminal của nó trực tiếp từ AzureML studio.

  1. Chuyển đến phần Notebooks trong khung bên trái.
  2. Tìm phiên bản máy tính của bạn trong menu thả xuống trên cùng.
  3. Nhấp vào tùy chọn Terminal bên dưới trình duyệt tệp để mở giao diện dòng lệnh cho phiên bản của bạn.

open-terminal-arrow

Thiết lập và chạy YOLOv5

Bây giờ, hãy thiết lập môi trường và chạy Ultralytics YOLOv5.

1. Tạo Môi trường Ảo

Tốt nhất là nên sử dụng môi trường ảo để quản lý các phụ thuộc. Chúng ta sẽ sử dụng Conda, một công cụ được cài đặt sẵn trên các AzureML compute instances. Để xem hướng dẫn chi tiết về cách cài đặt Conda, hãy tham khảo Conda Quickstart Guide của Ultralytics.

Tạo môi trường Conda (ví dụ: yolov5env) với một phiên bản Python cụ thể và kích hoạt nó:

conda create --name yolov5env -y python=3.10 # Create a new Conda environment
conda activate yolov5env                     # Activate the environment
conda install pip -y                         # Ensure pip is installed

2. Sao chép Kho lưu trữ YOLOv5

Sao chép kho lưu trữ Ultralytics YOLOv5 chính thức từ GitHub bằng Git:

git clone https://github.com/ultralytics/yolov5 # Clone the repository
cd yolov5                                       # Navigate into the directory
# Initialize submodules (if any, though YOLOv5 typically doesn't require this step)
# git submodule update --init --recursive

3. Cài đặt Các зависимость

Cài đặt các gói Python cần thiết được liệt kê trong requirements.txt tệp. Chúng tôi cũng cài đặt ONNX để biết khả năng xuất mô hình.

pip install -r requirements.txt # Install core dependencies
pip install onnx > =1.12.0      # Install ONNX for exporting

4. Thực hiện Các Tác Vụ YOLOv5

Khi hoàn tất cài đặt, bạn có thể bắt đầu đào tạo, xác thực, thực hiện suy luận và xuất mô hình YOLOv5 của bạn.

  • Đào tạo mô hình trên một tập dữ liệu như COCO128. Tham khảo tài liệu Chế độ Đào tạo để biết thêm chi tiết.

    # Start training using yolov5s pretrained weights on the COCO128 dataset
    python train.py --data coco128.yaml --weights yolov5s.pt --img 640 --epochs 10 --batch 16
    
  • Xác thực hiệu suất của mô hình đã huấn luyện bằng các số liệu như Độ chính xác (Precision), Độ bao phủ (Recall)mAP. Tham khảo hướng dẫn về Chế độ xác thực để biết thêm các tùy chọn.

    # Validate the yolov5s model on the COCO128 validation set
    python val.py --weights yolov5s.pt --data coco128.yaml --img 640
    
  • Chạy suy luận trên hình ảnh hoặc video mới. Khám phá tài liệu Chế độ dự đoán để biết các nguồn suy luận khác nhau.

    # Run inference with yolov5s on sample images
    python detect.py --weights yolov5s.pt --source data/images --img 640
    
  • Xuất mô hình sang các định dạng khác nhau như ONNX, TensorRT hoặc CoreML để triển khai. Tham khảo hướng dẫn Chế độ Xuất và trang Tích hợp ONNX.

    # Export yolov5s to ONNX format
    python export.py --weights yolov5s.pt --include onnx --img 640
    

Sử dụng Notebook

Nếu bạn thích trải nghiệm tương tác, bạn có thể chạy các lệnh này trong AzureML Notebook. Bạn sẽ cần tạo một IPython kernel tùy chỉnh được liên kết với môi trường Conda của bạn.

Tạo một Nhân IPython Mới

Chạy các lệnh sau trong terminal của compute instance:

# Ensure your Conda environment is active
# conda activate yolov5env

# Install ipykernel if not already present
conda install ipykernel -y

# Create a new kernel linked to your environment
python -m ipykernel install --user --name yolov5env --display-name "Python (yolov5env)"

Sau khi tạo kernel, hãy làm mới trình duyệt của bạn. Khi bạn mở hoặc tạo một .ipynb tệp notebook, chọn kernel mới của bạn ("Python (yolov5env)") từ menu thả xuống kernel ở trên cùng bên phải.

Chạy các lệnh trong các ô Notebook

  • Các ô Python: Mã trong các ô Python sẽ tự động thực thi bằng cách sử dụng yolov5env kernel.

  • Các ô Bash: Để chạy các lệnh shell, hãy sử dụng %%bash magic command ở đầu ô. Hãy nhớ kích hoạt môi trường Conda của bạn trong mỗi ô bash, vì chúng không tự động kế thừa ngữ cảnh môi trường kernel của sổ tay.

    %%bash
    source activate yolov5env # Activate environment within the cell
    
    # Example: Run validation using the activated environment
    python val.py --weights yolov5s.pt --data coco128.yaml --img 640
    

Xin chúc mừng! Bạn đã cài đặt và chạy thành công Ultralytics YOLOv5 trên AzureML. Để khám phá thêm, hãy xem xét các Tích hợp Ultralytics khác hoặc tài liệu YOLOv5 chi tiết. Bạn cũng có thể thấy tài liệu AzureML hữu ích cho các trường hợp nâng cao như huấn luyện phân tán hoặc triển khai mô hình dưới dạng một endpoint.



📅 Đã tạo 1 năm trước ✏️ Cập nhật 4 tháng trước

Bình luận