Ultralytics YOLOv5 🚀 on AzureML 快速入门

欢迎来到Ultralytics YOLOv5快速入门指南Microsoft 本指南将指导您在 AzureML 计算实例上设置YOLOv5 ，涵盖从创建虚拟环境到模型训练和运行推理的所有内容。

什么是 Azure？

Azure是Microsoft的综合云计算平台。它提供大量服务，包括计算能力、数据库、分析工具、机器学习能力和网络解决方案。Azure 使企业能够通过Microsoft数据中心构建、部署和管理应用程序和服务，促进工作负载从内部基础设施向云计算迁移。

什么是 Azure 机器学习（AzureML）？

Azure 机器学习（AzureML）是一项专门的云服务，用于开发、训练和部署机器学习模型。它提供了一个协作环境，并配备了适合各种技能水平的数据科学家和开发人员使用的工具。主要功能包括自动机器学习（AutoML）、用于创建模型的拖放界面和强大的 PythonSDK，可对 ML 生命周期进行更精细的控制。AzureML 简化了将预测建模嵌入应用程序的过程。

先决条件

要执行本指南，您需要激活Azure 订阅并访问AzureML 工作区。如果没有设置工作区，请参阅Azure官方文档创建工作区。

创建计算实例

AzureML 中的计算实例为数据科学家提供了一个基于云的托管工作站。

1. 导航至 AzureML 工作区。
2. 在左侧窗格中，选择 "计算"。
3. 转到 "计算实例"选项卡，单击 "新建"。
4. 通过选择相应的CPU 或 GPU资源。

打开终端

计算实例运行后，可以直接从 AzureML studio 访问其终端。

1. 转到左侧窗格中的笔记本部分。
2. 在顶部下拉菜单中找到您的计算实例。
3. 点击文件浏览器下方的终端选项，打开实例的命令行界面。

设置并运行YOLOv5

现在，让我们建立环境，运行Ultralytics YOLOv5。

1.创建虚拟环境

最佳做法是使用虚拟环境来管理依赖关系。我们将使用预装在 AzureML 计算实例上的Conda。有关 Conda 的详细设置指南，请参阅《Ultralytics Conda 快速入门指南》。

创建 Conda 环境（如 yolov5env) 并激活它：

conda create --name yolov5env -y python=3.10 # Create a new Conda environment
conda activate yolov5env                     # Activate the environment
conda install pip -y                         # Ensure pip is installed

2.克隆YOLOv5 资源库

使用Git从GitHub 克隆Ultralytics YOLOv5 官方仓库：

git clone https://github.com/ultralytics/yolov5 # Clone the repository
cd yolov5                                       # Navigate into the directory
# Initialize submodules (if any, though YOLOv5 typically doesn't require this step)
# git submodule update --init --recursive

3.安装依赖项

中列出的必要Python 软件包。 requirements.txt 文件。我们还安装 ONNX 用于模型导出功能。

pip install -r requirements.txt # Install core dependencies
pip install onnx > =1.12.0      # Install ONNX for exporting

4.执行YOLOv5 任务

设置完成后，您就可以训练、验证、执行推理并导出YOLOv5 模型了。

• 在COCO128 等数据集上训练模型。更多详情请查看 "训练模式"文档。

  # Start training using yolov5s pretrained weights on the COCO128 dataset
  python train.py --data coco128.yaml --weights yolov5s.pt --img 640 --epochs 10 --batch 16
  

• 使用精确度、召回率和mAP 等指标验证训练模型的性能。有关选项，请参阅验证模式指南。

  # Validate the yolov5s model on the COCO128 validation set
  python val.py --weights yolov5s.pt --data coco128.yaml --img 640
  

• 在新图像或视频上运行推理探索各种推理源的预测模式文档。

  # Run inference with yolov5s on sample images
  python detect.py --weights yolov5s.pt --source data/images --img 640
  

• 将模型导出为ONNX 等不同格式、 TensorRT或 CoreML等不同格式，以便部署。请参阅导出模式指南和ONNX 集成页面。

  # Export yolov5s to ONNX format
  python export.py --weights yolov5s.pt --include onnx --img 640
  

使用笔记本

如果你喜欢交互式体验，可以在 AzureML Notebook 中运行这些命令。您需要创建一个链接到 Conda 环境的自定义IPython 内核。

创建新的 IPython 内核

在计算实例终端运行以下命令

# Ensure your Conda environment is active
# conda activate yolov5env

# Install ipykernel if not already present
conda install ipykernel -y

# Create a new kernel linked to your environment
python -m ipykernel install --user --name yolov5env --display-name "Python (yolov5env)"

创建内核后，刷新浏览器。当您打开或创建 .ipynb 笔记本文件，从右上角的内核下拉菜单中选择新内核（Python (yolov5env)"）。

在笔记本单元格中运行命令

• Python 细胞 Python 单元格中的代码会自动使用所选的 yolov5env 内核

• Bash 细胞 要运行 shell 命令，请使用 %%bash 魔法命令。记住在每个bash 单元中激活 Conda 环境，因为它们不会自动继承笔记本的内核环境上下文。

  %%bash
  source activate yolov5env # Activate environment within the cell
  
  # Example: Run validation using the activated environment
  python val.py --weights yolov5s.pt --data coco128.yaml --img 640
  

恭喜您！您已经在 AzureML 上成功设置并运行了Ultralytics YOLOv5 。如需进一步了解，请查看其他Ultralytics 集成或详细的YOLOv5 文档。您可能还会发现，AzureML 文档对于分布式培训或作为端点部署模型等高级场景非常有用。

📅创建于 1 年前 ✏️已更新 16 天前

评论