YOLOv5

Ultralytics' YOLOv5（"You Only Look Once"）モデルファミリーは、畳み込みニューラルネットワークを使用してリアルタイムのオブジェクト検出を可能にし、煩わしい作業をすべて省きます。

Weights & Biases は YOLOv5 に直接統合されており、実験メトリクスの追跡、モデルとデータセットのバージョン管理、豊富なモデル予測の可視化などを提供します。YOLOの実験を行う前に pip install を実行するだけで簡単に始められます！

備考

YOLOv5 インテグレーションのモデルとデータロギング機能についての簡単な概要は、この Colab と以下のビデオチュートリアルをご覧ください。

備考

すべての W&B ロギング機能は、PyTorch DDP などのデータ並列マルチGPUトレーニングと互換性があります。

Core Experiment Tracking

wandb をインストールするだけで、システムメトリクス、モデルメトリクス、およびインタラクティブなダッシュボードにログを記録するための組み込み W&B ロギング機能が有効になります。

pip install wandb
git clone https://github.com/ultralytics/yolov5.git
python yolov5/train.py  # 小さなネットワークを小さなデータセットでトレーニング

wandb によって標準出力に表示されるリンクに従うだけです。

これらのチャートとさらに多くのもの！

しかし、それだけではありません！YOLO にいくつかの簡単なコマンドライン引数を渡すことで、さらに多くの W&B 機能を利用できます。

--save_period に数値を渡すと、モデルバージョン管理が有効になります。save_period エポックごとにモデルの重みが W&B に保存されます。検証セットで最も性能の良いモデルが自動的にタグ付けされます。
--upload_dataset フラグを有効にすると、データセットもアップロードされ、データバージョン管理が可能になります。
--bbox_interval に数値を渡すと、データ可視化が有効になります。bbox_interval エポックごとに、検証セットのモデル出力が W&B にアップロードされます。

python yolov5/train.py --epochs 20 --save_period 1

python yolov5/train.py --epochs 20 --save_period 1 \
  --upload_dataset --bbox_interval 1

備考

すべての W&B アカウントには、データセットとモデルのための 100 GB の無料ストレージが付いています。

このようになります。

Model Versioning: 最新バージョンと最良バージョンのモデルが特定されます。

Data Visualization: 入力画像とモデルの出力、および各例に対するメトリクスを比較します。

備考

データとモデルのバージョン管理を使用して、中断したりクラッシュしたりした実験を任意のデバイスから再開できます。詳細はこの Colab をご覧ください。