YOLOv5
less than a minute
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たリアルタイムのオブジェクト検出を、苦痛なく実現します。
Weights & Biases は YOLOv5 に直接インテグレーションされており、実験のメトリクス追跡、モデルとデータセットのバージョン管理、リッチなモデル予測の可視化などを提供します。YOLO の実験を実行する前に pip install
一行を実行するだけで始められます。
すべての W&B ログ機能は、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。
コア実験の追跡
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、インタラクティブなダッシュボードにログされるメディアといった、ビルトインの W&B ロ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 # 小さなデータセットで小さなネットワークをトレーニングします
wandb によって標準出力に表示されるリンクをただフォローするだけです。

インテグレーションのカスタマイズ
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 機能を活用できます。
--save_period
に数値を渡すと、W&B は各save_period
エポックの終わりにモデルバージョンを保存します。モデルバージョンにはモデルの重みが含まれ、検証セットで最もパフォーマンスの良いモデルにタグ付けされます。--upload_dataset
フラグをオンにすると、データセットがデータバージョン管理のためにアップロードされます。--bbox_interval
に数値を渡すと、データ可視化が有効になります。各bbox_interval
エポックの終わりに、モデルの出力が検証セットに対して 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
すべての W&B アカウントには、データセットとモデル用に 100 GB の無料ストレージが付属しています。
これがどのように見えるかを示します。


データとモデルのバージョン管理により、セットアップ不要で任意のデバイスから一時停止またはクラッシュした実験を再開できます。詳細は Colab を確認してください。
[i18n] feedback_title
[i18n] feedback_question
Glad to hear it! If you have further feedback, please let us know.
Sorry to hear that. Please tell us how we can improve.