Roboflow Bộ dữ liệu
Bây giờ bạn có thể sử dụng Roboflow để tổ chức, dán nhãn, chuẩn bị, tạo phiên bản và lưu trữ các tập dữ liệu của bạn để đào tạo YOLOv5 🚀 người mẫu. Roboflow được sử dụng miễn phí với YOLOv5 nếu bạn công khai không gian làm việc của mình.
Cấp phép
Ultralytics cung cấp hai tùy chọn cấp phép:
- Giấy phép AGPL-3.0 , một giấy phép nguồn mở được OSI chấp thuận, lý tưởng cho sinh viên và những người đam mê.
- Giấy phép Doanh nghiệp dành cho các doanh nghiệp muốn kết hợp mô hình AI của chúng tôi vào sản phẩm và dịch vụ của họ.
Để biết thêm chi tiết, hãy xem Cấp phép Ultralytics .
Tải lên
Bạn có thể tải dữ liệu của bạn lên Roboflow thông qua giao diện người dùng web , REST API hoặc Python .
Nhãn hiệu
Sau khi tải dữ liệu lên Roboflow , bạn có thể dán nhãn dữ liệu của mình 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 xử lý trước và tăng cường ngoại tuyến khác nhau. YOLOv5 thực hiện tăng cường trực tuyến một cách tự nhiên, vì vậy hãy cố ý khi xếp lớp Roboflow phần bổ sung ngoại tuyến ở trên cùng.
Xuất dữ liệu
Bạn có thể tải dữ liệu của bạn trong YOLOv5 định dạng để bắt đầu đào tạo nhanh chóng.
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 hướng dẫn đào tạo tùy chỉnh trình bày tất cả các khả năng trên. Bạn có thể truy cập mã tại đây:
Học tập chủ động
Thế giới thực rất hỗn loạn 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 chủ động là một chiến lược quan trọng để cải thiện tập dữ liệu và mô hình của bạn theo từng bước. 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 học máy đã được kiểm nghiệm thực tế.
Môi trường được hỗ trợ
Ultralytics cung cấp nhiều môi trường sẵn sàng sử dụng, mỗi môi trường đều được cài đặt sẵn các thành phần phụ thuộc cần thiết như CUDA , CUDNN , Python và PyTorch để khởi động dự án của bạn.
- Miễn phí GPU Sổ tay:
- Google Cloud : Hướng dẫn bắt đầu nhanh GCP
- Amazon : Hướng dẫn bắt đầu nhanh AWS
- Azure : Hướng dẫn bắt đầu nhanh AzureML
- Người lái tàu: Hướng dẫn khởi động nhanh Docker
Tình trạng dự án
Huy hiệu này cho biết tất cả các thử nghiệm Tích hợp liên tục (CI) YOLOv5 GitHub Actions đều vượt qua thành công. Các thử nghiệm CI này kiểm tra nghiêm ngặt chức năng và hiệu suất của YOLOv5 trên nhiều khía cạnh chính: đào tạo , xác thực , suy luận , xuất và chuẩn . Chúng đảm bảo hoạt động nhất quán và đáng tin cậy trên macOS, Windows và Ubuntu, với các bài kiểm tra được tiến hành sau mỗi 24 giờ và sau mỗi lần cam kết mới.
CÂU HỎI THƯỜNG GẶP
Làm thế nào để tôi tải dữ liệu lên Roboflow để đào tạo YOLOv5 mô hình?
Bạn có thể tải dữ liệu của bạn lên Roboflow sử dụng ba phương pháp khác nhau: thông qua trang web, REST API hoặc thông qua Python . Các tùy chọn này cung cấp tính linh hoạt tùy thuộc vào sở thích kỹ thuật hoặc yêu cầu của dự án. Sau khi dữ liệu của bạn được tải lên, bạn có thể sắp xếp, gắn nhãn và tạo phiên bản để chuẩn bị cho việc đào tạo với Ultralytics YOLOv5 mô hình. Để biết thêm chi tiết, hãy truy cập phần Tải lên của tài liệu.
Những lợi ích của việc sử dụng là gì? Roboflow để dán nhãn dữ liệu và quản lý phiên bản?
Roboflow cung cấp một nền tảng toàn diện cho việc tổ chức dữ liệu, dán nhãn và quản lý phiên bản, điều này rất cần thiết cho quy trình làm việc học máy hiệu quả. Bằng cách sử dụng Roboflow với YOLOv5 , bạn có thể hợp lý hóa quy trình chuẩn bị tập dữ liệu, đảm bảo dữ liệu của bạn được chú thích chính xác và có phiên bản nhất quán. Nền tảng này cũng hỗ trợ nhiều tùy chọn tiền xử lý và tăng cường ngoại tuyến để nâng cao chất lượng tập dữ liệu của bạn. Để tìm hiểu sâu hơn về các tính năng này, hãy xem phần Ghi nhãn và Phiên bản của tài liệu.
Làm thế nào tôi có thể xuất tập dữ liệu của mình từ Roboflow ĐẾN YOLOv5 định dạng?
Xuất tập dữ liệu của bạn từ Roboflow ĐẾN YOLOv5 định dạng rất đơn giản. Bạn có thể sử dụng Python đoạn mã được cung cấp trong tài liệu:
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")
Mã này sẽ tải xuống tập dữ liệu của bạn ở định dạng tương thích với YOLOv5 , cho phép bạn nhanh chóng bắt đầu đào tạo mô hình của mình. Để biết thêm chi tiết, hãy tham khảo phần Xuất dữ liệu .
Học tập chủ động là gì và nó hoạt động như thế nào với YOLOv5 Và Roboflow ?
Học tập chủ động là một chiến lược học máy cải thiện mô hình theo từng bước bằng cách lựa chọn thông minh các điểm dữ liệu nhiều thông tin nhất để dán nhãn. Với Roboflow Và YOLOv5 tích hợp, bạn có thể triển khai học tập chủ động để liên tục nâng cao hiệu suất của mô hình. Điều này bao gồm triển khai mô hình, thu thập dữ liệu mới, sử dụng mô hình để đưa ra dự đoán, sau đó xác minh hoặc sửa thủ công các dự đoán đó để đào tạo thêm mô hình. Để biết thêm thông tin chi tiết về học tập chủ động, hãy xem phần Học tập chủ động ở trên.
Tôi có thể sử dụng như thế nào? Ultralytics môi trường đào tạo YOLOv5 mô hình trên các nền tảng khác nhau?
Ultralytics cung cấp các môi trường sẵn sàng sử dụng với các phụ thuộc được cài đặt sẵn như CUDA , CUDNN, Python và PyTorch , giúp bạn dễ dàng khởi động các dự án đào tạo của mình hơn. Các môi trường này có sẵn trên nhiều nền tảng khác nhau như Google Cloud, AWS, Azure và Docker. Bạn cũng có thể truy cập miễn phí GPU sổ tay qua Paperspace , Google Colab và Kaggle . Để biết hướng dẫn thiết lập cụ thể, hãy truy cập phần Môi trường được hỗ trợ của tài liệu.
