Roboflow Datasets
Bây giờ bạn có thể sử dụng Roboflow để sắp xếp, gắn nhãn, chuẩn bị, lập phiên bản và lưu trữ bộ dữ liệu của bạn để đào tạo YOLOv5 🚀 Mô hình. Roboflow được sử dụng miễn phí với YOLOv5 nếu bạn đặt không gian làm việc của mình ở chế độ công khai.
Giấy phép
Ultralytics Cung cấp hai tùy chọn cấp phép:
- Các AGPL-3.0 Giấy phép, một giấy phép mã nguồn mở được OSI phê duyệt lý tưởng cho sinh viên và những người đam mê.
- Giấy phép Doanh nghiệp dành cho các doanh nghiệp đang tìm cách kết hợp các mô hình AI của chúng tôi vào các sản phẩm và dịch vụ của họ.
Để biết thêm chi tiết, hãy xem Ultralytics Cấp phép.
Tải lên
Bạn có thể tải dữ liệu của mình lên Roboflow thông qua giao diện người dùng web, API REST hoặc Python.
Ghi nhãn
Sau khi tải dữ liệu lên Roboflow, bạn có thể gắn nhãn dữ liệu và xem lại các nhãn trước đó.
Phiên bản
Bạn có thể tạo các phiên bản tập dữ liệu của mình với các tùy chọn tiền xử lý và tăng cường ngoại tuyến khác nhau. YOLOv5 Có tăng cường trực tuyến nguyên bản không, vì vậy hãy cố ý khi xếp lớp Roboflow'tăng cường ngoại tuyến ở trên cùng.
Xuất dữ liệu
Bạn có thể tải dữ liệu của mình xuống trong YOLOv5 định dạng để nhanh chóng bắt đầu đào tạo.
from roboflow import Roboflow
rf = Roboflow(api_key="YOUR API KEY HERE")
project = rf.workspace().project("YOUR PROJECT")
dataset = project.version("YOUR VERSION").download("yolov5")
Đào tạo tùy chỉnh
Chúng tôi đã phát hành một hướng dẫn đào tạo tùy chỉnh thể hiện tất cả các khả năng trên. Bạn có thể truy cập mã tại đây:
Học tập tích cực
Thế giới thực rất lộn xộn và mô hình của bạn sẽ luôn gặp phải những tình huống mà tập dữ liệu của bạn không lường trước được. Sử dụng học tập tích cực là một chiến lược quan trọng để cải thiện lặp đi lặp lại tập dữ liệu và mô hình của bạn. Với Roboflow và YOLOv5 Tích hợp, bạn có thể nhanh chóng cải thiện việc triển khai mô hình của mình bằng cách sử dụng quy trình machine learning đã được thử nghiệm chiến đấu.
Môi trường được hỗ trợ
Ultralytics cung cấp một loạt các môi trường sẵn sàng sử dụng, mỗi môi trường được cài đặt sẵn các phụ thuộc thiết yếu như CUDA, CUDNN,Pythonvà PyTorch, để khởi động các dự án của bạn.
- Máy tính xách tay GPU miễn phí:
- Google Cloud: Hướng dẫn bắt đầu nhanh GCP
- Amazon: Hướng dẫn bắt đầu nhanh AWS
- Azure: Hướng dẫn bắt đầu nhanh AzureML
- Docker: Hướng dẫn bắt đầu nhanh Docker
Tình trạng dự án
Huy hiệu này cho biết rằng tất cả YOLOv5 Các bài kiểm tra Tích hợp liên tục (CI) GitHub Actions đã vượt qua thành công. Các bài kiểm tra CI này kiểm tra nghiêm ngặt chức năng và hiệu suất của YOLOv5 trên các khía cạnh chính khác nhau: đào tạo, xác nhận, suy luận, xuất khẩu và điểm chuẩn. Chúng đảm bảo hoạt động nhất quán và đáng tin cậy trên macOS, Windows và Ubuntu, với các thử nghiệm được tiến hành 24 giờ một lần và theo mỗi cam kết mới.