Làm chủ YOLOv5 🚀 Triển khai trên Google Nền tảng đám mây (GCP) Máy ảo học sâu (VM) ⭐
Bắt đầu hành trình sử dụng trí tuệ nhân tạo và máy học có thể rất thú vị, đặc biệt là khi bạn tận dụng sức mạnh và tính linh hoạt của nền tảng đám mây. Google Cloud Platform (GCP) cung cấp các công cụ mạnh mẽ dành riêng cho những người đam mê học máy và các chuyên gia. Một trong những công cụ như vậy là Deep Learning VM được cấu hình sẵn cho các tác vụ khoa học dữ liệu và ML. Trong hướng dẫn này, chúng ta sẽ điều hướng qua quy trình thiết lập YOLOv5 trên GCP Deep Learning VM. Cho dù bạn đang thực hiện những bước đầu tiên trong ML hay bạn là một học viên dày dạn kinh nghiệm, hướng dẫn này được thiết kế để cung cấp cho bạn một lộ trình rõ ràng để triển khai các mô hình phát hiện đối tượng được hỗ trợ bởi YOLOv5 .
🆓 Thêm vào đó, nếu bạn là người dùng GCP mới, bạn sẽ may mắn khi nhận được ưu đãi tín dụng miễn phí trị giá 300 đô la để bắt đầu dự án của mình.
Ngoài GCP, hãy khám phá các tùy chọn khởi động nhanh có thể truy cập khác cho YOLOv5 , giống như của chúng tôi Sổ tay Colab 
cho trải nghiệm dựa trên trình duyệt hoặc khả năng mở rộng của Amazon AWS. Hơn nữa, những người đam mê container có thể sử dụng hình ảnh Docker chính thức của chúng tôi tại Trung tâm Docker 
Bước 1: Tạo và cấu hình máy ảo học sâu của bạn
Chúng ta hãy bắt đầu bằng cách tạo một máy ảo được điều chỉnh cho khả năng học sâu:
- Truy cập vào thị trường GCP và chọn Deep Learning VM .
- Chọn phiên bản n1-standard-8 ; phiên bản này cung cấp sự cân bằng giữa 8 vCPU và 30 GB bộ nhớ, lý tưởng cho nhu cầu của chúng tôi.
- Tiếp theo, chọn một GPU . Điều này phụ thuộc vào khối lượng công việc của bạn; ngay cả một khối lượng công việc cơ bản như T4 cũng sẽ đẩy nhanh đáng kể quá trình đào tạo mô hình của bạn.
- Đánh dấu vào ô 'Cài đặt NVIDIA GPU trình điều khiển tự động khi khởi động lần đầu?' để thiết lập dễ dàng.
- Phân bổ Ổ đĩa SSD Persistent 300 GB để đảm bảo bạn không gặp tình trạng tắc nghẽn trong các hoạt động I/O.
- Nhấp vào 'Triển khai' và để GCP thực hiện nhiệm vụ trong việc cung cấp VM Học sâu tùy chỉnh của bạn.
Máy ảo này được tích hợp sẵn một kho tàng các công cụ và khung được cài đặt sẵn, bao gồm Anaconda Python phân phối, thuận tiện gói gọn tất cả các phụ thuộc cần thiết cho YOLOv5 .
Bước 2: Chuẩn bị VM cho YOLOv5
Sau khi thiết lập môi trường, chúng ta hãy bắt đầu YOLOv5 đang hoạt động:
# Clone the YOLOv5 repository
git clone https://github.com/ultralytics/yolov5
# Change the directory to the cloned repository
cd yolov5
# Install the necessary Python packages from requirements.txt
pip install -r requirements.txt
Quá trình thiết lập này đảm bảo bạn đang làm việc với Python phiên bản môi trường 3.8.0 trở lên và PyTorch 1.8 trở lên. Các tập lệnh của chúng tôi tải xuống các mô hình và tập dữ liệu một cách trơn tru từ phiên bản mới nhất YOLOv5 phát hành , giúp việc bắt đầu đào tạo mô hình trở nên dễ dàng.
Bước 3: Đào tạo và triển khai YOLOv5 Người mẫu 🌐
Khi thiết lập hoàn tất, bạn đã sẵn sàng để đào tạo và suy luận với YOLOv5 trên máy ảo GCP của bạn:
# Train a model on your data
python train.py
# Validate the trained model for Precision, Recall, and mAP
python val.py --weights yolov5s.pt
# Run inference using the trained model on your images or videos
python detect.py --weights yolov5s.pt --source path/to/images
# Export the trained model to other formats for deployment
python export.py --weights yolov5s.pt --include onnx coreml tflite
Chỉ với một vài lệnh, YOLOv5 cho phép bạn đào tạo các mô hình phát hiện đối tượng tùy chỉnh theo nhu cầu cụ thể của bạn hoặc sử dụng trọng số được đào tạo trước để có kết quả nhanh chóng cho nhiều tác vụ khác nhau.
Phân bổ không gian hoán đổi (tùy chọn)
Đối với những người xử lý các tập dữ liệu lớn, hãy cân nhắc việc khuếch đại phiên bản GCP của bạn với thêm 64GB bộ nhớ hoán đổi:
sudo fallocate -l 64G /swapfile
sudo chmod 600 /swapfile
sudo mkswap /swapfile
sudo swapon /swapfile
free -h # confirm the memory increment
Suy nghĩ kết thúc
Xin chúc mừng! Bây giờ bạn đã có đủ khả năng để khai thác các khả năng của YOLOv5 với sức mạnh tính toán của Google Nền tảng đám mây. Sự kết hợp này cung cấp khả năng mở rộng, hiệu quả và tính linh hoạt cho các tác vụ phát hiện đối tượng của bạn. Cho dù là các dự án cá nhân, nghiên cứu học thuật hay ứng dụng công nghiệp, bạn đã thực hiện một bước tiến quan trọng vào thế giới AI và học máy trên đám mây.
Hãy nhớ ghi lại hành trình của bạn, chia sẻ hiểu biết với Ultralytics cộng đồng và tận dụng các diễn đàn hợp tác như thảo luận GitHub để phát triển hơn nữa. Bây giờ, hãy tiến lên và đổi mới với YOLOv5 và GCP! 🌟
Bạn muốn tiếp tục cải thiện kỹ năng và kiến thức ML của mình? Hãy tham khảo tài liệu và hướng dẫn của chúng tôi để biết thêm nhiều tài nguyên hơn. Hãy để cuộc phiêu lưu AI của bạn tiếp tục!
