在 GitHub 上编辑页面 (EN)

如何使用 JupyterLab 训练 YOLO26 模型的指南

构建 深度学习 模型可能很困难，尤其是在你没有合适的工具或环境的情况下。如果你正面临这个问题，JupyterLab 可能是你的理想解决方案。JupyterLab 是一个用户友好的网页版平台，让编程变得更加灵活和具有交互性。你可以在一个地方处理大型数据集、创建复杂模型，甚至与他人协作。

你可以使用 JupyterLab 从事项目开发，例如与 Ultralytics YOLO26 模型 相关的项目。JupyterLab 是进行高效模型开发和实验的绝佳选择。它让你能轻松地从电脑上开始尝试和 训练 YOLO26 模型。让我们深入了解 JupyterLab、其主要功能以及如何使用它来训练 YOLO26 模型。

什么是 JupyterLab？

JupyterLab 是一个开源网页版平台，专为使用 Jupyter 笔记本、代码和数据而设计。它是传统 Jupyter Notebook 界面的升级版，提供了更加通用和强大的用户体验。

JupyterLab 允许你在一个地方使用笔记本、文本编辑器、终端和其他工具。其灵活的设计让你能够根据需要整理工作区，从而更轻松地执行数据分析、可视化和 机器学习 等任务。JupyterLab 还支持实时协作，使其成为研究和数据科学团队项目的理想选择。

JupyterLab 的主要功能

以下是一些使 JupyterLab 成为模型开发和实验的绝佳选择的核心功能：

  • 一体化工作区：JupyterLab 是满足你所有数据科学需求的一站式商店。与传统的 Jupyter Notebook 不同，后者在文本编辑、终端访问和笔记本方面拥有独立的界面，而 JupyterLab 将所有这些功能集成到了一个统一的环境中。你可以在 JupyterLab 内直接查看和编辑各种文件格式，包括 JPEG、PDF 和 CSV。一体化工作区让你触手可及所需的一切，简化了你的工作流程并节省了时间。
  • 灵活布局：JupyterLab 最突出的功能之一是其灵活的布局。你可以拖放并调整选项卡的大小，以创建有助于提高工作效率的个性化布局。可折叠的左侧边栏使文件浏览器、运行中的内核和命令面板等重要选项卡触手可及。你可以同时打开多个窗口，从而更有效地进行多任务处理和项目管理。
  • 交互式代码控制台：JupyterLab 中的代码控制台提供了一个交互式空间，用于测试代码片段或函数。它们还可以作为笔记本中执行计算的日志。为笔记本创建新控制台并查看所有内核活动非常简单。当你尝试新想法或排查代码问题时，此功能特别有用。
  • Markdown 预览：得益于同步预览功能，在 JupyterLab 中使用 Markdown 文件更加高效。当你编写或编辑 Markdown 文件时，可以实时查看格式化后的输出。这让你更容易确认文档看起来是否完美，省去了在编辑模式和预览模式之间来回切换的麻烦。
  • 从文本文件运行代码：如果你正在分享一个包含代码的文本文件，JupyterLab 可以让你轻松地在平台内直接运行它。你只需选中代码并按下 Shift + Enter 即可执行。这对于快速验证代码片段非常有效，并有助于确保你分享的代码功能正常且无错误。

为什么你应该在 YOLO26 项目中使用 JupyterLab？

现在有多种开发和评估机器学习模型的平台，那么是什么让 JupyterLab 脱颖而出呢？让我们探讨一下 JupyterLab 为你的机器学习项目提供的一些独特优势：

  • 简单的单元格管理：在 JupyterLab 中管理单元格非常轻松。无需繁琐的剪切粘贴方法，你只需拖放单元格即可重新排列它们。
  • 跨笔记本单元格复制：JupyterLab 可以轻松地在不同笔记本之间复制单元格。你可以直接将单元格从一个笔记本拖放到另一个。
  • 轻松切换回经典笔记本视图：对于怀念经典 Jupyter Notebook 界面的人，JupyterLab 提供了轻松切换回来的方式。只需将 URL 中的 /lab 替换为 /tree 即可返回熟悉的笔记本视图。
  • 多视图：JupyterLab 支持同一笔记本的多个视图，这对于长篇笔记本特别有用。你可以并排打开不同部分进行比较或探索，在一个视图中所做的任何更改都会在另一个视图中反映出来。
  • 可自定义主题：JupyterLab 内置了笔记本的深色主题，非常适合深夜编码。此外，文本编辑器和终端也有对应主题，让你能够自定义整个工作区的外观。

使用 JupyterLab 时的常见问题

在使用 JupyterLab 时，你可能会遇到一些常见问题。以下是一些帮助你顺利使用该平台的建议：

  • 管理内核：内核至关重要，因为它们管理着你在 JupyterLab 中编写的代码与运行环境之间的连接。它们还可以访问并共享笔记本之间的数据。当你关闭一个 Jupyter Notebook 时，内核可能仍在运行，因为其他笔记本可能正在使用它。如果你想彻底关闭内核，可以选中它，右键点击，并从弹出菜单中选择 "Shut Down Kernel"。
  • 安装 Python 包：有时，你可能需要服务器上未预安装的其他 Python 包。你可以通过使用命令 python -m pip install package-name，轻松地在你的主目录或虚拟环境中安装这些包。要查看所有已安装的包，请使用 python -m pip list。
  • 将 Flask/FastAPI API 部署到 Posit Connect：你可以使用终端中的 rsconnect-python 包将你的 Flask 和 FastAPI API 部署到 Posit Connect。这样做可以更轻松地将你的 Web 应用程序与 JupyterLab 集成并与他人共享。
  • 安装 JupyterLab 扩展：JupyterLab 支持各种扩展以增强功能。你可以安装并自定义这些扩展以满足你的需求。有关详细说明，请参考 JupyterLab 扩展指南 以获取更多信息。
  • 使用多个 Python 版本：如果你需要使用不同版本的 Python，可以使用配置了不同 Python 版本的 Jupyter 内核。

如何使用 JupyterLab 尝试 YOLO26

JupyterLab 使尝试 YOLO26 变得简单。要开始使用，请遵循以下简单步骤。

第 1 步：安装 JupyterLab

首先，你需要安装 JupyterLab。打开你的终端并运行命令：

安装
# Install the required package for JupyterLab
pip install jupyterlab

第 2 步：下载 YOLO26 教程笔记本

接下来，从 Ultralytics GitHub 仓库下载 tutorial.ipynb 文件。将此文件保存到你本地机器上的任何目录中。

第 3 步：启动 JupyterLab

使用终端导航到你保存笔记本文件的目录。然后，运行以下命令来启动 JupyterLab：

使用方法
jupyter lab

运行此命令后，它将在你的默认网络浏览器中打开 JupyterLab，如下所示。

显示 JupyterLab 如何在浏览器中打开的图像

第 4 步：开始尝试

在 JupyterLab 中，打开 tutorial.ipynb 笔记本。你现在可以开始运行单元格来探索和尝试 YOLO26 了。

显示在 JupyterLab 中打开的 YOLO26 笔记本的图像

JupyterLab 的交互式环境让你可以在一个地方修改代码、可视化输出并记录你的发现。你可以尝试不同的配置并了解 YOLO26 的工作原理。

有关模型训练过程和最佳实践的详细了解，请参阅 YOLO26 模型训练指南。本指南将帮助你充分利用实验，并确保你有效地使用 YOLO26。

继续了解 JupyterLab

如果你想了解更多关于 JupyterLab 的信息，以下资源可以帮助你入门：

  • JupyterLab 文档：深入研究官方 JupyterLab 文档以探索其功能和能力。这是了解如何充分利用这一强大工具的绝佳方式。
  • 使用 Binder 尝试：无需安装任何内容即可尝试 JupyterLab，方法是使用 Binder，它允许你直接在浏览器中启动一个实时 JupyterLab 实例。这是立即开始尝试的绝佳方式。
  • 安装指南：有关在本地机器上安装 JupyterLab 的分步指南，请查看安装指南。
  • 使用 JupyterLab 训练 Ultralytics YOLO26：在这篇详细的博客文章中了解更多关于在 YOLO26 模型中使用 JupyterLab 的实际应用。

总结

我们已经探讨了 JupyterLab 如何成为尝试 Ultralytics YOLO26 模型的强大工具。利用其灵活且交互式的环境，你可以轻松地在本地机器上设置 JupyterLab 并开始使用 YOLO26。JupyterLab 使你能够在一个地方轻松地 训练 和 评估 你的模型、可视化输出并 记录你的发现。

与 Google Colab 等其他平台不同，JupyterLab 在你的本地机器上运行，让你能更好地控制计算环境，同时仍提供交互式笔记本体验。对于需要持续访问开发环境而不依赖云资源的开发者来说，这一点尤为宝贵。

更多详情，请访问 JupyterLab 常见问题页面。

对更多 YOLO26 集成感兴趣吗？查看 Ultralytics 集成指南 以探索更多适用于你机器学习项目的工具和功能。

常见问题 (FAQ)

我该如何使用 JupyterLab 训练 YOLO26 模型？

使用 JupyterLab 训练 YOLO26 模型的方法：

  1. 安装 JupyterLab 和 Ultralytics 包：

    pip install jupyterlab ultralytics

  2. 启动 JupyterLab 并打开一个新笔记本。

  3. 导入 YOLO 模型并加载预训练模型：

    from ultralytics import YOLO

model = YOLO("yolo26n.pt")

  4. 在你的自定义数据集上训练模型：

    results = model.train(data="path/to/your/data.yaml", epochs=100, imgsz=640)

  5. 使用 JupyterLab 的内置绘图功能可视化训练结果：

    import matplotlib

from ultralytics.utils.plotting import plot_results

matplotlib.use("inline")  # or 'notebook' for interactive
plot_results(results)

JupyterLab 的交互式环境让你能轻松修改参数、可视化结果并迭代你的模型训练过程。

JupyterLab 有哪些使其适用于 YOLO26 项目的关键功能？

JupyterLab 提供了一些使其成为 YOLO26 项目理想选择的功能：

  1. 交互式代码执行：实时测试和调试 YOLO26 代码片段。
  2. 集成文件浏览器：轻松管理数据集、模型权重和配置文件。
  3. 灵活布局：并排排列多个笔记本、终端和输出窗口，以实现高效工作流程。
  4. 丰富的输出显示：内嵌可视化 YOLO26 检测结果、训练曲线和模型性能指标。
  5. Markdown 支持：使用富文本和图像记录你的 YOLO26 实验和发现。
  6. 扩展生态系统：通过用于版本控制、远程计算 等的扩展来增强功能。

这些功能在处理 YOLO26 模型时提供了无缝的开发体验，从数据准备到 模型部署 均能覆盖。

我该如何在 JupyterLab 中优化 YOLO26 模型性能？

要在 JupyterLab 中优化 YOLO26 模型性能：

  1. 使用自动批处理 (autobatch) 功能确定最佳批大小：

    from ultralytics.utils.autobatch import autobatch

optimal_batch_size = autobatch(model)

  2. 使用 Ray Tune 等库实施 超参数调优：

    from ultralytics.utils.tuner import run_ray_tune

best_results = run_ray_tune(model, data="path/to/data.yaml")

  3. 使用 JupyterLab 的绘图功能可视化和分析模型指标：

    from ultralytics.utils.plotting import plot_results

plot_results(results.results_dict)

  4. 尝试不同的模型架构和 导出格式，以找到最适合你特定用例的速度与 准确率 的平衡点。

JupyterLab 的交互式环境允许快速迭代和实时反馈，从而更轻松地高效优化你的 YOLO26 模型。

我该如何处理使用 JupyterLab 和 YOLO26 时遇到的常见问题？

在使用 JupyterLab 和 YOLO26 时，你可能会遇到一些常见问题。以下是处理它们的方法：

  1. GPU 内存问题：

    • 使用 torch.cuda.empty_cache() 在运行之间清理 GPU 内存。
    • 调整 批大小 或图像大小以适应你的 GPU 内存。

  2. 包冲突：

    • 为你的 YOLO26 项目创建一个单独的 conda 环境以避免冲突。
    • 在笔记本单元格中使用 !pip install package_name 安装缺失的包。

  3. 内核崩溃：

    • 重新启动内核并逐一运行单元格以识别有问题的代码。
    • 检查代码中的内存泄漏，特别是在处理大型数据集时。
Contributors
在 GitHub 上编辑页面 (EN)
GLglenn-jocher8RIRizwanMunawar2LALaughing-q2Y-Y-T-G1WIWillie Maddox1MAMatthewNoyce1AMambitious-octopus1ABabirami-vina1

评论