메인 콘텐츠로 건너뛰기
Try in Colab Ultralytics의 YOLOv5 (“You Only Look Once”) 모델 패밀리는 복잡한 과정 없이 컨볼루션 신경망을 통한 실시간 오브젝트 검출을 가능하게 합니다. W&B 는 YOLOv5에 직접 통합되어 experiment 메트릭 트래킹, 모델 및 데이터셋 버전 관리, 풍부한 모델 예측값 시각화 등을 제공합니다. YOLO 실험을 시작하기 전에 단 한 번의 pip install을 실행하는 것만으로 이 모든 기능을 쉽게 사용할 수 있습니다.
모든 W&B 로그 기능은 PyTorch DDP와 같은 데이터 병렬 처리 멀티 GPU 트레이닝과 호환됩니다.

​
핵심 실험 트래킹

wandb를 설치하는 것만으로 시스템 메트릭, 모델 메트릭 및 미디어가 대화형 Dashboards 에 기록되는 내장형 W&B 로깅 기능 이 활성화됩니다. 
pip install wandb
git clone https://github.com/ultralytics/yolov5.git
python yolov5/train.py  # 작은 데이터셋으로 작은 네트워크 트레이닝
wandb가 표준 출력(stdout)에 표시하는 링크를 따라가기만 하면 됩니다.
이 모든 차트와 그 이상의 기능을 제공합니다.

​
인테그레이션 커스터마이징

YOLO에 몇 가지 간단한 커맨드라인 인수를 전달하여 더 많은 W&B 기능을 활용할 수 있습니다.
  • --save_period에 숫자를 전달하면, W&B는 매 save_period 에포크마다 모델 버전 을 저장합니다. 모델 버전에는 모델 가중치가 포함되며 검증 세트에서 가장 성능이 좋은 모델에 태그를 지정합니다.
  • --upload_dataset 플래그를 활성화하면 데이터 버전 관리를 위해 데이터셋도 업로드합니다.
  • --bbox_interval에 숫자를 전달하면 데이터 시각화 기능이 켜집니다. 매 bbox_interval 에포크마다 검증 세트에 대한 모델의 출력값이 W&B로 업로드됩니다.
python yolov5/train.py --epochs 20 --save_period 1
모든 W&B 계정에는 데이터셋과 모델을 위한 100 GB의 무료 스토리지가 제공됩니다.
실행 결과는 다음과 같습니다.
모델 버전 관리
데이터 시각화
데이터 및 모델 버전 관리를 사용하면 설정 없이 어떤 기기에서든 중단되거나 중지된 실험을 재개할 수 있습니다. 자세한 내용은 Colab 을 확인하세요.