Mastering YOLOv5 🚀 Triển khai trên Google Cloud Platform (GCP) Máy ảo học sâu (VM) ⭐
Bắt tay vào hành trình của trí tuệ nhân tạo và học máy 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 được thiết kế riêng cho những người đam mê máy học cũng như các chuyên gia. Một 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 tôi sẽ điều hướng qua quá trình thiết lập YOLOv5 trên máy ảo GCP Deep Learning. 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.
🆓 Ngoài ra, nếu bạn là người dùng GCP mới, bạn thật may mắn với ưu đãi tín dụng miễn phí $ 300 để bắt đầu các 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 Máy tính xách tay Colab 
cho trải nghiệm dựa trên trình duyệt hoặc khả năng mở rộng của Amazon AWS. Hơn nữa, những người hâm mộ 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 deep learning của bạn
Hãy bắt đầu bằng cách tạo một máy ảo được điều chỉnh cho deep learning:
- Truy cập thị trường GCP và chọn máy ảo Deep Learning.
- Chọn phiên bản n1-standard-8 ; nó cung cấp sự cân bằng 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 chiếc cơ bản như Tesla T4 cũng sẽ tăng tốc đáng kể việc đào tạo mô hình của bạn.
- Chọn hộp 'Tự động cài đặt trình điều khiển GPU NVIDIA khi khởi động lần đầu?' để thiết lập dễ dàng.
- Phân bổ ổ đĩa ổn định SSD 300 GB để đảm bảo bạn không bị tắc nghẽn trong các hoạt động I / O.
- Nhấn 'Triển khai' và để GCP thực hiện điều kỳ diệu của mình trong việc cung cấp máy ảo Deep Learning tùy chỉnh của bạn.
Máy ảo này được tải với một kho tàng các công cụ và khung được cài đặt sẵn, bao gồm cả Anaconda Python phân phối, thuận tiện gói tất cả các phụ thuộc cần thiết cho YOLOv5.
Bước 2: Sẵn sàng máy chủ ảo cho YOLOv5
Sau khi thiết lập môi trường, hãy bắt đầu YOLOv5 Thiết lập và chạy:
# 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 môi trường phiên bản 3.8.0 hoặc mới hơn và PyTorch 1.8 trở lên. Các tập lệnh của chúng tôi tải xuống các mô hình và bộ dữ liệu một cách trơn tru từ phiên bản mới nhất YOLOv5 phát hành, làm cho nó không gặp rắc rối để bắt đầu đào tạo mô hình.
Bước 3: Đào tạo và triển khai YOLOv5 Mô hình 🌐
Sau khi thiết lập hoàn tất, bạn đã sẵn sàng đi sâu vào đào tạo và suy luận 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 phù hợp với nhu cầu cụ thể của bạn hoặc sử dụng các trọng số được đào tạo trước để có kết quả nhanh chóng trên nhiều nhiệm vụ khác nhau.
Phân bổ không gian hoán đổi (tùy chọn)
Đối với những người xử lý các bộ dữ liệu khổng lồ, hãy cân nhắc 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 luận
Chúc mừng! Bây giờ bạn được trao quyền để khai thác các khả năng của YOLOv5 với sức mạnh tính toán của Google Cloud Platform. 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 quan trọng vào thế giới AI và học máy trên đám mây.
Hãy nhớ ghi lại hành trình của bạn, chia sẻ thông tin chi tiết với Ultralytics cộng đồng và tận dụng các đấu trường 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? Đi sâu vào tài liệu và hướng dẫn của chúng tôi để biết thêm tài nguyên. Hãy để cuộc phiêu lưu AI của bạn tiếp tục!