> ## Documentation Index
> Fetch the complete documentation index at: https://docs.wandb.ai/llms.txt
> Use this file to discover all available pages before exploring further.
# YOLOv5
> Utilisez l’intégration W&B native de YOLOv5 pour le suivi des expériences, la gestion des versions des modèles et la visualisation des prédictions.
export const ColabLink = ({url}) =>
Essayer sur Colab
;
[YOLOv5 d'Ultralytics](https://www.ultralytics.com/yolo) ("You Only Look Once") est une famille de modèles qui permet la détection d'objets en temps réel avec des réseaux de neurones convolutifs, sans les tracas habituels.
[W\&B](https://wandb.com) est directement intégré à YOLOv5 et offre le suivi des métriques d'expérience, la gestion des versions des modèles et des jeux de données, des visualisations riches des prédictions du modèle, et plus encore. **Il suffit d'exécuter un simple `pip install` avant de lancer vos expériences YOLO.**
Toutes les fonctionnalités de journalisation de W\&B sont compatibles avec l'entraînement multi-GPU avec parallélisme de données, par exemple avec [PyTorch DDP](https://pytorch.org/tutorials/intermediate/ddp_tutorial.html).
## Suivre les Experiments essentiels
Il suffit d’installer `wandb` pour activer les [fonctionnalités de journalisation](/fr/models/track/log/) intégrées de W\&B : métriques système, métriques de modèle et médias enregistrés dans des [tableaux de bord](/fr/models/track/workspaces/) interactifs.
```python theme={null}
pip install wandb
git clone https://github.com/ultralytics/yolov5.git
python yolov5/train.py # entraîner un petit réseau sur un petit jeu de données
```
Il vous suffit de suivre les liens affichés dans la sortie standard de wandb.
## Personnaliser l’intégration
En passant quelques arguments simples en ligne de commande à YOLO, vous pouvez tirer parti d’encore plus de fonctionnalités W\&B.
* Si vous passez un nombre à `--save_period`, W\&B enregistre une [version du modèle](/fr/models/registry/) à la fin de chaque période de `save_period` époques. La version du modèle inclut les poids du modèle et ajoute un tag au modèle le plus performant sur l’ensemble de validation.
* L’activation de l’option `--upload_dataset` téléverse également le jeu de données pour la gestion des versions des données.
* Passer un nombre à `--bbox_interval` active [Data Visualization](../). À la fin de chaque période de `bbox_interval` époques, les sorties du modèle sur l’ensemble de validation sont téléversées vers W\&B.
```python theme={null}
python yolov5/train.py --epochs 20 --save_period 1
```
```python theme={null}
python yolov5/train.py --epochs 20 --save_period 1 \
--upload_dataset --bbox_interval 1
```
Chaque compte W\&B inclut 100 Go de stockage gratuit pour les jeux de données et les modèles.
Voici à quoi cela ressemble.
Avec la gestion des versions des données et des modèles, vous pouvez reprendre des expériences mises en pause ou interrompues depuis n’importe quel appareil, sans configuration. Consultez [le Colab ](https://wandb.me/yolo-colab) pour en savoir plus.
