Ultralytics YOLO27：
Get Started

AzureML 上的 YOLO26 🚀#

什么是 Azure？#

Azure 是 Microsoft 的云计算平台，旨在帮助组织将工作负载从本地数据中心迁移到云端。Azure 提供全面的云服务，包括计算、数据库、分析、机器学习和网络服务。用户可以灵活选择这些服务，在公有云中开发和扩展新应用，或运行现有应用。

什么是 Azure 机器学习（AzureML）？#

Azure 机器学习（AzureML）是一项全托管云服务，可用于大规模构建、训练和部署机器学习模型。它提供自动化机器学习、拖放式模型训练，以及可全面以编程方式控制模型的 Python SDK。

AzureML 如何帮助 YOLO 用户？#

借助 AzureML，你可以在云端训练和部署 Ultralytics YOLO26 模型，既可快速制作原型，也可执行大规模任务。你可以：

  • 轻松管理训练所需的大型数据集和计算资源。
  • 使用内置工具进行数据预处理、特征选择和模型训练。
  • 借助机器学习运维（MLOps）功能，更高效地协作，包括但不限于监控、审核以及模型和数据的版本管理。

后续章节将提供一份快速入门指南，详细介绍如何通过计算终端或笔记本使用 AzureML 运行 YOLO26 目标检测模型。

前置条件#

开始之前，请确保你可以访问 AzureML 工作区。如果还没有工作区，可以按照 Azure 官方文档中的说明创建一个新的 AzureML 工作区。此工作区是集中管理所有 AzureML 资源的地方。

创建计算实例#

在 AzureML 工作区中，选择 Compute > Compute instances > New，然后选择所需资源配置的实例。

Create Azure Compute Instance

从终端快速入门#

启动计算实例并打开终端：

Open Terminal

创建虚拟环境#

创建 Conda 虚拟环境，并在其中安装 pip：

conda create --name yolo26env -y python=3.12
conda activate yolo26env
conda install pip -y
Python 版本

目前，Python 3.13 在 AzureML 上存在依赖项问题，因此请改用 Python 3.12。

安装所需依赖项：

pip install ultralytics onnx

执行 YOLO26 任务#

预测：

yolo predict model=yolo26n.pt source='https://ultralytics.com/images/bus.jpg'

训练一个检测模型，进行 10 个轮次训练：

yolo train data=coco8.yaml model=yolo26n.pt epochs=10

你可以在此处找到更多使用 Ultralytics CLI 的说明。

从笔记本快速入门#

创建新的 IPython 内核#

打开计算终端。

Open Terminal

在计算终端中，使用 Python 3.12 创建一个新的 ipykernel，供笔记本用于管理依赖项：

conda create --name yolo26env -y python=3.12
conda activate yolo26env
conda install pip -y
conda install ipykernel -y
python -m ipykernel install --user --name yolo26env --display-name "yolo26env"

关闭终端并创建一个新笔记本。在笔记本中选择刚创建的内核。

然后打开笔记本单元格并安装所需依赖项：

%%bash
source activate yolo26env
pip install ultralytics onnx
在每个单元格中激活环境

在每个 %%bash 单元格的顶部运行 source activate yolo26env，确保单元格使用预期的环境。

使用 Ultralytics CLI 运行一些预测：

%%bash
source activate yolo26env
yolo predict model=yolo26n.pt source='https://ultralytics.com/images/bus.jpg'

或者使用 Ultralytics Python 接口，例如训练模型：

from ultralytics import YOLO

# 加载模型
model = YOLO("yolo26n.pt")  # 加载官方 YOLO26n 模型

# 使用模型
model.train(data="coco8.yaml", epochs=3)  # 训练模型
metrics = model.val()  # 在验证集上评估模型性能
results = model("https://ultralytics.com/images/bus.jpg")  # 对图像进行预测
path = model.export(format="onnx")  # 将模型导出为 ONNX 格式

你可以使用 Ultralytics CLI 或 Python 接口运行 YOLO26 任务。上面的 Python 示例还会将训练好的模型导出为 ONNX，以便部署。

按照这些步骤，你可以快速在 AzureML 上运行 YOLO26。有关更高级的工作流，请参阅 AzureML 文档。

深入了解 AzureML#

本指南介绍了在 AzureML 上运行 YOLO26 的基础知识。若要进一步了解，请参阅以下资源：

常见问题#

  • 要在 AzureML 上运行 YOLO26 进行训练，请创建计算实例、设置 Conda 环境、安装 Ultralytics，然后运行训练命令：

    1. 创建计算实例：在 AzureML 工作区中，依次选择 Compute > Compute instances > New，然后选择所需的实例。

    2. 设置环境：启动计算实例，打开终端，并使用 Python 3.12 创建 Conda 环境（Python 3.13 目前在 AzureML 上存在依赖问题）：

      conda create --name yolo26env -y python=3.12
conda activate yolo26env
conda install pip -y
pip install ultralytics onnx

    3. 运行 YOLO26 任务：使用 Ultralytics CLI 训练模型：

      yolo train data=coco8.yaml model=yolo26n.pt epochs=10

    如需了解更多详情，请参阅使用 Ultralytics CLI 的说明。

  • AzureML 为训练 YOLO26 模型提供了稳健、高效的生态系统：

    • 可扩展性：随着数据量和模型复杂度的增加，轻松扩展计算资源。
    • MLOps 集成：利用版本控制、监控和审计等功能，简化 ML 运维。
    • 协作：在团队内共享和管理资源，提升协作效率。

    这些优势使 AzureML 成为各类项目的理想平台，无论是快速原型验证还是大规模部署。想了解更多技巧，请查看 AzureML Jobs。

  • 要排查 AzureML 上的 YOLO26 问题，请检查依赖项是否已安装、确认 Conda 环境已激活，并确保计算实例有足够的资源：

    • 依赖项问题：确保已使用 pip install ultralytics onnx 安装所有必需的软件包。
    • 环境设置：运行命令前，确认 conda 环境已正确激活。
    • 资源分配：确保计算实例有足够的资源来处理训练工作负载。

    如需更多指导，请查看我们的 YOLO 常见问题文档。

  • 可以，AzureML 支持你无缝使用 Ultralytics CLI 和 Python 接口：

    • CLI：适合快速任务，也适合直接从终端运行标准脚本。

      yolo predict model=yolo26n.pt source='https://ultralytics.com/images/bus.jpg'

    • Python 接口：适用于需要自定义编码并在笔记本中集成的复杂任务。

      from ultralytics import YOLO

model = YOLO("yolo26n.pt")
model.train(data="coco8.yaml", epochs=3)

    如需分步说明，请参阅 CLI 快速入门指南和 Python 快速入门指南。

  • 与其他目标检测模型相比，Ultralytics YOLO26 具有多项独特优势：

    • 速度：与 Faster R-CNN 和 SSD 等模型相比，推理和训练速度更快。
    • 准确率：凭借无锚框设计和改进的数据增强策略等特性，在检测任务中实现高准确率。
    • 易用性：直观的 API 和 CLI 可帮助你快速完成设置，让新手和专家都能轻松上手。

    想进一步了解 YOLO26 的功能，请访问 Ultralytics YOLO页面，查看详细介绍。

贡献者
GLglenn-jocher12RAraimbekovm4PDpderrenger1Y-Y-T-G1LULucashygi1RIRizwanMunawar1

评论