在 GitHub 上编辑页面 (EN)

使用 Kaggle 训练你的 YOLO26 模型指南

如果你正在学习 AI 并进行一些小项目，你可能暂时无法获取强大的计算资源，而且高端硬件通常比较昂贵。幸运的是，谷歌旗下的平台 Kaggle 提供了一个出色的解决方案。Kaggle 提供了一个免费的云端环境，你可以在其中访问 GPU 资源、处理大数据集，并与多元化的数据科学家和机器学习爱好者社区进行协作。

Kaggle 是训练和实验 Ultralytics YOLO26 模型的绝佳选择。Kaggle Notebooks 让你的项目中能够轻松使用主流的机器学习库和框架。本指南将探讨 Kaggle 的主要功能，并展示如何在该平台上训练 YOLO26 模型。

什么是 Kaggle？

Kaggle 是一个汇集了全球数据科学家的平台，他们在这里协作、学习并竞相解决现实世界中的数据科学问题。Kaggle 由 Anthony Goldbloom 和 Jeremy Howard 于 2010 年创立，并于 2017 年被 Google 收购。它使用户能够建立联系、发现和共享数据集、使用基于 GPU 的 Notebook，以及参与数据科学竞赛。该平台旨在通过提供强大的工具和资源，帮助经验丰富的专业人士和积极的学习者实现他们的目标。

截至 2022 年，Kaggle 拥有超过 1000 万用户，为开发和实验机器学习模型提供了丰富的环境。你不必担心本地机器的配置或环境设置；只需一个 Kaggle 账号和一个网页浏览器，就能直接上手。

安装

在你开始在 Kaggle 上训练 YOLO26 模型之前，需要确保你的 Notebook 环境配置正确。请按照以下基本步骤操作：

启用互联网访问

Kaggle Notebook 需要互联网访问权限才能下载安装包和依赖项。要在你的 Kaggle Notebook 中启用互联网功能：

  1. 打开你的 Kaggle Notebook
  2. 点击 Notebook 界面右侧的 Settings 面板
  3. 向下滚动到 Internet 部分
  4. 将开关切换至 ON 以启用互联网连接

注意：安装 Ultralytics 包以及下载预训练模型或数据集需要互联网访问权限。如果未启用互联网，包安装将会失败。

Kaggle Notebook Internet Turn on

安装 Ultralytics

启用互联网访问后，请在 Notebook 单元格中运行以下命令来安装 Ultralytics 包：

!pip install ultralytics

若要安装最新的开发版本，你可以直接从 GitHub 安装：

!pip install git+https://github.com/ultralytics/ultralytics.git

解决依赖冲突

在安装过程中，你可能会遇到依赖冲突，特别是在 opencv-python、numpy 或 torch 等包上。以下是常见的解决方案：

方法 1：使用 --upgrade 强制重新安装

如果现有包发生冲突，请强制升级：

!pip install --upgrade --force-reinstall ultralytics

方法 2：使用 --no-deps 并单独安装依赖项

如果冲突持续存在，请先在不安装依赖的情况下安装，然后再手动安装所需的包：

!pip install --no-deps ultralytics
!pip install torch torchvision opencv-python matplotlib pillow pyyaml requests

方法 3：安装后重启内核

有时，安装后需要重启内核以解决导入问题：

!pip install ultralytics
# Then click "Restart Kernel" from the notebook menu

方法 4：使用特定版本的包

如果遇到特定的版本冲突，你可以锁定兼容版本：

!pip install ultralytics opencv-python==4.8.1.78 numpy==1.24.3

常见错误解决方案

错误："No module named 'ultralytics'"

  • 解决方案：确保已启用互联网，然后再次运行安装命令
  • 安装后重启内核

错误："ERROR: pip's dependency resolver does not currently take into account..."

  • 解决方案：这通常是一个警告，可以安全忽略。尽管有此消息，安装通常仍会成功
  • 或者，使用上述方法 2 在不进行依赖解析的情况下安装

错误：安装后出现 "ModuleNotFoundError"

  • 解决方案：使用 Notebook 界面中的重启按钮重启内核
  • 在新的单元格中重新运行导入语句

验证安装

安装完成后，通过运行以下命令验证 Ultralytics 是否正确安装：

import ultralytics

ultralytics.checks()

这将显示系统信息并验证所有依赖项是否已正确安装。

在 Kaggle 上训练 YOLO26

得益于平台对强大 GPU 的访问权限，在 Kaggle 上训练 YOLO26 模型既简单又高效。

要开始使用，请访问 Kaggle YOLO26 Notebook。Kaggle 的环境预装了 TensorFlow 和 PyTorch 等库，让设置过程变得轻松无忧。

What is the kaggle integration with respect to YOLO26?

登录你的 Kaggle 账号后，你可以点击复制并编辑代码的选项，在加速器设置中选择一个 GPU，然后运行 Notebook 的单元格开始训练你的模型。有关模型训练过程和最佳实践的详细说明，请参阅我们的 YOLO26 模型训练指南。

Using kaggle for machine learning model training with a GPU

在 官方 YOLO26 Kaggle Notebook 页面上，点击右上角的三个点可以显示更多选项。

Overview of Options From the Official YOLO26 Kaggle Notebook Page

这些选项包括：

  • View Versions：浏览 Notebook 的不同版本以查看随时间的变化，并在需要时恢复到以前的版本。
  • Copy API Command：获取 API 命令以通过程序与 Notebook 交互，这对于自动化和集成到工作流程中非常有用。
  • Open in Google Notebooks：在 Google 的托管 Notebook 环境中打开该 Notebook。
  • Open in Colab：在 Google Colab 中启动该 Notebook 以进行进一步的编辑和执行。
  • Follow Comments：订阅评论区以获取更新并与社区互动。
  • Download Code：将整个 Notebook 下载为 Jupyter (.ipynb) 文件，以便在本地环境中离线使用或进行版本控制。
  • Add to Collection：将 Notebook 保存到你 Kaggle 账号下的集合中，以便于访问和整理。
  • Bookmark：为 Notebook 添加书签，以便将来快速访问。
  • Embed Notebook：获取嵌入链接，将该 Notebook 包含在博客、网站或文档中。

使用 Kaggle 时的常见问题

在使用 Kaggle 时，你可能会遇到一些常见问题。以下是帮助你导航平台的关键要点：

  • GPU 访问权限：在 Kaggle Notebook 中，你可以随时激活 GPU，每周最多允许使用 30 小时。Kaggle 提供具有 16GB 内存的 NVIDIA Tesla P100 GPU，并提供使用 NVIDIA GPU T4 x2 的选项。强大的硬件可以加速你的机器学习任务，使模型训练和推理速度快得多。
  • Kaggle Kernels：Kaggle Kernels 是免费的 Jupyter Notebook 服务器，可以集成 GPU，使你能够在云端计算机上执行机器学习操作。你不必依赖自己计算机的 CPU，从而避免过载并释放本地资源。
  • Kaggle Datasets：Kaggle 数据集可免费下载。但是，务必查看每个数据集的许可证，以了解任何使用限制。有些数据集可能对学术出版或商业用途有限制。你可以通过 Kaggle API 将数据集直接下载到你的 Kaggle Notebook 或其他任何地方。
  • 保存和提交 Notebook：要在 Kaggle 上保存并提交 Notebook，请点击 "Save Version"。这会保存你 Notebook 的当前状态。一旦后台内核完成输出文件的生成，你就可以在 Notebook 主页的 Output 选项卡中访问它们。
  • 协作：Kaggle 支持协作，但多个用户不能同时编辑同一个 Notebook。Kaggle 上的协作是异步的，这意味着用户可以在不同时间共享并处理同一个 Notebook。
  • 恢复到以前的版本：如果你需要恢复到 Notebook 的以前版本，请打开该 Notebook，点击右上角的三个垂直点并选择 "View Versions"。找到你想恢复的版本，点击其旁边的 "..." 菜单，然后选择 "Revert to Version"。恢复完成后，点击 "Save Version" 以提交更改。

Kaggle 的关键功能

接下来，让我们了解一下 Kaggle 提供的功能，正是这些功能使其成为数据科学和机器学习爱好者的绝佳平台。以下是一些主要亮点：

  • Datasets：Kaggle 托管了海量的各类数据集。你可以轻松搜索并使用这些数据集进行项目开发，这对于训练和测试你的 YOLO26 模型特别方便。
  • Competitions：Kaggle 以其激动人心的竞赛而闻名，允许数据科学家和机器学习爱好者解决现实问题。参加竞赛有助于你提高技能、学习新技术并在社区中获得认可。
  • 免费使用 TPU：Kaggle 提供免费使用强大的 TPU 的权限，这对训练复杂的机器学习模型非常有益。这使你能够提高处理速度并提升 YOLO26 项目的性能，而无需承担额外费用。
  • 与 GitHub 集成：Kaggle 允许你轻松连接你的 GitHub 存储库以上传 Notebook 并保存工作。这种集成使得管理和访问文件变得非常方便。
  • 社区与讨论：Kaggle 拥有一个强大的数据科学家和机器学习从业者社区。讨论区和共享的 Notebook 是学习和排查故障的绝佳资源。你可以轻松找到帮助、分享你的知识并与他人协作。

为什么要为你的 YOLO26 项目使用 Kaggle？

目前有多个平台可用于训练和评估机器学习模型，那么 Kaggle 有什么特别之处？让我们深入了解使用 Kaggle 进行机器学习项目的好处：

  • 公共 Notebook：你可以将你的 Kaggle Notebook 设置为公开，允许其他用户查看、投票、复刻和讨论你的工作。Kaggle 提倡协作、反馈和创意共享，从而帮助你改进你的 YOLO26 模型。
  • 完整的 Notebook 提交历史：Kaggle 会为你 Notebook 的提交创建详细的历史记录。这允许你查看并跟踪随时间的变化，从而更容易理解项目的演变过程，并在需要时恢复到以前的版本。
  • 控制台访问：Kaggle 提供了一个控制台，让你能更好地控制你的环境。此功能允许你直接从命令行执行各种任务，从而提高工作流程和生产力。
  • 资源可用性：Kaggle 上的每个 Notebook 编辑会话都提供显著的资源：CPU 和 GPU 会话提供 12 小时执行时间，TPU 会话提供 9 小时执行时间，以及 20GB 的自动保存磁盘空间。
  • Notebook 调度：Kaggle 允许你安排 Notebook 在特定时间运行。你可以在无需手动干预的情况下自动执行重复任务，例如定期训练你的模型。

继续了解 Kaggle

如果你想了解更多关于 Kaggle 的信息，这里有一些有用的资源供你参考：

  • Kaggle Learn：在 Kaggle Learn 上发现各种免费的交互式教程。这些课程涵盖了必要的数据科学主题，并提供动手实践经验，帮助你掌握新技能。
  • Getting Started with Kaggle：这份详尽的指南将带你了解使用 Kaggle 的基础知识，从参加竞赛到创建你的第一个 Notebook。对于新手来说，这是一个很好的起点。
  • Kaggle Medium Page：探索 Kaggle Medium 页面上的教程、更新和社区贡献。这是了解最新趋势并深入了解数据科学的绝佳来源。
  • Train Ultralytics YOLO Models Using the Kaggle Integration：这篇博客文章提供了关于如何专门利用 Kaggle 来使用 Ultralytics YOLO 模型的更多见解。

总结

我们已经看到 Kaggle 如何通过提供免费访问强大 GPU 的权限来提升你的 YOLO26 项目，使得模型训练和评估更加高效。Kaggle 的平台非常用户友好，预装了各种库以便快速设置。Ultralytics YOLO26 与 Kaggle 的集成为开发、训练和部署最先进的计算机视觉模型创造了一个无缝的环境，无需昂贵的硬件。

欲了解更多详情，请访问 Kaggle 的文档。

对更多 YOLO26 集成感兴趣吗？查看 Ultralytics 集成指南 以探索更多工具和机器学习项目的功能。

常见问题 (FAQ)

如何在 Kaggle 上安装 Ultralytics YOLO26？

要在 Kaggle 上安装 Ultralytics YOLO26：

  1. 启用互联网：前往 Settings 面板并将 Internet 开关切换至 ON
  2. 安装包：在 Notebook 单元格中运行 !pip install ultralytics
  3. 验证安装：运行 import ultralytics; ultralytics.checks() 进行确认

如果遇到依赖冲突，请尝试 !pip install --upgrade --force-reinstall ultralytics 或在安装后重启内核。有关详细故障排除，请参阅上方的 安装部分。

如何在 Kaggle 上训练 YOLO26 模型？

在 Kaggle 上训练 YOLO26 模型非常直接。首先，访问 Kaggle YOLO26 Notebook。登录你的 Kaggle 账号，复制并编辑该 Notebook，然后在加速器设置下选择一个 GPU。运行 Notebook 单元格即可开始训练。有关更详细的步骤，请参阅我们的 YOLO26 模型训练指南。

使用 Kaggle 进行 YOLO26 模型训练有哪些好处？

Kaggle 为训练 YOLO26 模型提供了几个优势：

  • 免费 GPU 访问：每周最多可使用 30 小时，利用 NVIDIA Tesla P100 或 T4 x2 等强大 GPU。
  • 预装库：TensorFlow 和 PyTorch 等库已预装，简化了设置过程。
  • 社区协作：与庞大的数据科学家和机器学习爱好者社区进行交流。
  • 版本控制：轻松管理笔记本的不同版本，并在需要时恢复到以前的版本。

更多详细信息，请访问我们的 Ultralytics 集成指南。

在使用 Kaggle 进行 YOLO26 开发时，我可能会遇到哪些常见问题，以及如何解决它们？

常见问题包括：

  • GPU 访问权限：确保在笔记本设置中启用了 GPU。Kaggle 每周允许使用长达 30 小时的 GPU。
  • 未启用互联网：在安装软件包之前，请务必在设置面板中启用互联网。
  • 依赖冲突：使用 !pip install --upgrade --force-reinstall ultralytics 或使用 !pip install --no-deps ultralytics 在不安装依赖的情况下进行安装。
  • 数据集许可：检查每个数据集的许可证，以了解使用限制。
  • 保存和提交笔记本：点击 "Save Version" 来保存笔记本的状态，并从 Output 选项卡访问输出文件。
  • 协作：Kaggle 支持异步协作；多个用户无法同时编辑同一个笔记本。

更多故障排除技巧，请参阅 安装章节 和我们的 常见问题指南。

与 Google Colab 等其他平台相比，为什么我应该选择 Kaggle 来训练 YOLO26 模型？

Kaggle 提供了独特的功能，使其成为绝佳的选择：

  • 公共笔记本：与社区共享你的工作成果，以获取反馈并进行协作。
  • 免费访问 TPU：使用强大的 TPU 加速训练，无需额外费用。
  • 综合历史记录：通过详细的笔记本提交历史记录，跟踪随时间发生的变化。
  • 资源可用性：每个笔记本会话都提供了大量资源，包括 CPU 和 GPU 会话 12 小时的执行时间。

如需与 Google Colab 进行比较，请参考我们的 Google Colab 指南。

如何恢复到我 Kaggle 笔记本的旧版本？

要恢复到以前的版本：

  1. 打开笔记本，点击右上角的三个垂直点。
  2. 选择 "View Versions"。
  3. 找到你想恢复的版本，点击旁边的 "..." 菜单，然后选择 "Revert to Version"。
  4. 点击 "Save Version" 来提交更改。
Contributors
在 GitHub 上编辑页面 (EN)
GLglenn-jocher9RIRizwanMunawar2PRPrashantDixit01LAlakshanthad1LALaughing-q1ABabirami-vina1

评论