利用YOLO11 增强实验跟踪和可视化功能Weights & Biases
物体检测模型,如 Ultralytics YOLO11等物体检测模型已成为许多计算机视觉应用不可或缺的一部分。然而,训练、评估和部署这些复杂的模型会带来一些挑战。跟踪关键训练指标、比较模型变体、分析模型行为和检测问题都需要大量的仪器和实验管理。
观看: 如何将Ultralytics YOLO11 与Weights and Biases
本指南展示了Ultralytics YOLO11 与Weights & Biases 的集成,以增强实验跟踪、模型检查点和模型性能的可视化。本指南还包括使用Weights & Biases 交互式功能设置集成、训练、微调和结果可视化的说明。
Weights & Biases
Weights & Biases是一个先进的 MLOps 平台,用于跟踪、可视化和管理机器学习实验。它具有自动记录训练指标以实现全面的实验可重复性、交互式用户界面以简化数据分析,以及高效的模型管理工具以用于在各种环境中部署。
YOLO11 培训与Weights & Biases
您可以使用Weights & Biases 为您的YOLO11 培训流程带来效率和自动化。
安装
要安装所需的软件包,请运行
安装
有关安装过程的详细说明和最佳实践,请务必查看我们的YOLO11 安装指南。在安装YOLO11 所需的软件包时,如果遇到任何困难,请查阅我们的常见问题指南,了解解决方案和技巧。
配置Weights & Biases
安装必要的软件包后,下一步是设置Weights & Biases 环境。这包括创建Weights & Biases 账户和获取必要的 API 密钥,以便顺利连接开发环境和 W&B 平台。
首先在工作区中初始化Weights & Biases 环境。运行以下命令并按照提示说明操作即可。
初始 SDK 设置
导航至Weights & Biases 授权页面,创建并获取您的 API 密钥。使用此密钥向 W&B 验证您的环境。
使用方法:培训YOLO11 Weights & Biases
在使用Weights & Biases 开始YOLO11 模型培训的使用说明之前,请务必查看 Ultralytics 提供的YOLO11 模型范围。这将有助于您根据项目要求选择最合适的模型。
使用方法:培训YOLO11 Weights & Biases
W&B 论点
论据 | 默认值 | 说明 |
---|---|---|
项目 | None |
指定本地和 W&B 中记录的项目名称。这样就可以将多个运行组合在一起。 |
名字 | None |
训练运行的名称。这将决定用于创建子文件夹的名称和用于 W&B 日志记录的名称 |
启用或禁用Weights & Biases
如果要启用或禁用Weights & Biases 日志记录,可以使用 wandb
命令。默认情况下,Weights & Biases 日志已启用。
了解输出
运行上面的使用代码片段后,您可以得到以下主要输出结果:
- 新运行的设置及其唯一 ID,表示训练过程的开始。
- 模型结构的简明摘要,包括层数和参数。
- 在每个训练周期内定期更新重要指标,如 box loss、cls loss、dfl loss、精确度、召回率和 mAP 分数。
- 训练结束后,将显示详细的指标,包括模型的推理速度和总体准确度指标。
- 与Weights & Biases 仪表板的链接,用于对培训过程进行深入分析和可视化,以及有关本地日志文件位置的信息。
查看Weights & Biases 控制面板
运行使用代码段后,您可以通过输出中提供的链接访问Weights & Biases (W&B) 面板。通过YOLO11 ,可以全面查看模型的训练过程。
Weights & Biases 控制面板的主要功能
-
实时指标跟踪:观察损失、准确率和验证分数等指标在训练过程中的变化,为模型调整提供即时见解。查看如何使用Weights & Biases 跟踪实验。
-
比较分析:该平台可对不同的训练运行进行并排比较,这对评估各种模型配置的影响至关重要。
-
训练进度可视化:通过关键指标的图形表示,可以直观地了解模型在不同时间段的表现。了解Weights & Biases 如何帮助您实现验证结果的可视化。
-
资源监控:跟踪CPU 、GPU 和内存使用情况,优化培训过程的效率。
-
模型工件管理:访问和共享模型检查点,方便部署和协作。
-
通过图像叠加查看推理结果:使用Weights & Biases 中的交互式叠加功能,在图像上可视化预测结果,从而清晰详细地查看模型在真实世界数据上的表现。有关Weights & Biases' 图像叠加功能的更多详细信息,请查看此链接。了解Weights & Biases' 图像叠加如何帮助可视化模型推论。
通过使用这些功能,您可以有效地跟踪、分析和优化YOLO11 模型的训练,确保最佳的性能和效率。
摘要
本指南可帮助您探索Ultralytics YOLO 与Weights & Biases 的集成。它说明了该集成可有效跟踪和可视化模型训练和预测结果的能力。
有关使用的更多详情,请访问Weights & Biases' 官方文档。
此外,请务必查看Ultralytics 集成指南页面,了解更多不同的精彩集成。
常见问题
如何将Weights & Biases 与Ultralytics YOLO11 整合?
将Weights & Biases 与Ultralytics YOLO11 整合:
- 安装所需的软件包:
- 登录Weights & Biases 账户:
- 在启用 W&B 日志的情况下训练YOLO11 模型:
from ultralytics import YOLO
model = YOLO("yolo11n.pt")
model.train(data="coco8.yaml", epochs=5, project="ultralytics", name="yolo11n")
这将自动把指标、超参数和模型工件记录到 W&B 项目中。
Weights & Biases 与YOLO11 集成的主要功能是什么?
主要功能包括
- 培训期间的实时指标跟踪
- 超参数优化工具
- 不同训练运行的比较分析
- 通过图表直观显示培训进度
- 资源监控(CPU,GPU, 内存使用情况)
- 模型工件管理和共享
- 通过图像叠加查看推理结果
这些功能有助于跟踪实验、优化模型以及在YOLO11 项目上进行更有效的合作。
如何查看Weights & Biases YOLO11 培训仪表板?
运行与 W&B 整合的培训脚本后:
- 控制台输出中将提供 W&B 仪表板链接。
- 点击链接或访问wandb.ai,登录您的账户。
- 导航至您的项目,查看详细指标、可视化效果和模型性能数据。
仪表板可让您深入了解模型的训练过程,从而有效地分析和改进YOLO11 模型。
我能否禁用Weights & Biases 登录YOLO11 培训?
可以,您可以使用以下命令禁用 W&B 日志记录:
要重新启用日志记录,请使用
这样,您就可以控制何时使用 W&B 日志记录,而无需修改训练脚本。
Weights & Biases 如何帮助优化YOLO11 模型?
Weights & Biases 通过以下方式帮助优化YOLO11 模型
- 提供详细的可视化培训指标
- 便于对不同型号进行比较
- 提供超参数调整工具
- 允许对模型性能进行协作分析
- 便于共享模型工件和结果
这些功能有助于研究人员和开发人员更快地迭代,并根据数据做出决策,以改进他们的YOLO11 模型。