Ultralytics YOLOv5 🚀 trên AzureML Quickstart

Chào mừng đến với Ultralytics Hướng dẫn bắt đầu nhanh YOLOv5 cho Microsoft Azure Machine Learning (AzureML)! Hướng dẫn này sẽ hướng dẫn bạn cách thiết lập YOLOv5 trên một phiên bản tính toán AzureML, bao gồm mọi thứ từ việc tạo môi trường ảo đến đào tạo và chạy suy luận với mô hình.

Azure là gì?

Azure là Microsoft nền tảng điện toán đám mây toàn diện. Nó cung cấp một loạt các dịch vụ, bao gồm sức mạnh tính toán, cơ sở dữ liệu, công cụ phân tích, khả năng học máy và các giải pháp mạng. Azure cho phép các tổ chức xây dựng, triển khai và quản lý các ứng dụng và dịch vụ thông qua Microsoft - quản lý các trung tâm dữ liệu, tạo điều kiện thuận lợi cho việc di chuyển khối lượng công việc từ cơ sở hạ tầng tại chỗ lên đám mây.

Azure Machine Learning (AzureML) là gì?

Azure Machine Learning (AzureML) là một dịch vụ đám mây chuyên biệt được thiết kế để phát triển, đào tạo và triển khai các mô hình học máy. Nó cung cấp một môi trường cộng tác với các công cụ phù hợp cho các nhà khoa học dữ liệu và nhà phát triển ở mọi cấp độ kỹ năng. Các tính năng chính bao gồm học máy tự động (AutoML) , giao diện kéo và thả để tạo mô hình và SDK Python mạnh mẽ để kiểm soát chi tiết hơn vòng đời ML. AzureML đơn giản hóa quy trình nhúng mô hình dự đoán vào các ứng dụng.

Điều kiện tiên quyết

Để làm theo hướng dẫn này, bạn sẽ cần đăng ký Azure đang hoạt động và quyền truy cập vào không gian làm việc AzureML . Nếu bạn chưa thiết lập không gian làm việc, vui lòng tham khảo tài liệu chính thức của Azure để tạo một không gian làm việc.

Tạo một phiên bản tính toán

Phiên bản tính toán trong AzureML cung cấp máy trạm đám mây được quản lý cho các nhà khoa học dữ liệu.

Điều hướng đến không gian làm việc AzureML của bạn.
Ở ngăn bên trái, chọn Tính toán .
Chuyển đến tab Phiên bản tính toán và nhấp vào Mới .
Cấu hình phiên bản của bạn bằng cách chọn phiên bản phù hợp CPU hoặc tài nguyên GPU dựa trên nhu cầu đào tạo hoặc suy luận của bạn.

Mở Terminal

Khi phiên bản tính toán của bạn đang chạy, bạn có thể truy cập trực tiếp vào thiết bị đầu cuối của phiên bản đó từ studio AzureML.

Vào phần Sổ tay ở ngăn bên trái.
Tìm phiên bản tính toán của bạn trong menu thả xuống ở trên cùng.
Nhấp vào tùy chọn Terminal bên dưới trình duyệt tệp để mở giao diện dòng lệnh cho phiên bản của bạn.

Thiết lập và chạy YOLOv5

Bây giờ, chúng ta hãy thiết lập môi trường và chạy Ultralytics YOLOv5 .

1. Tạo một môi trường ảo

Thực hành tốt nhất là sử dụng môi trường ảo để quản lý các phụ thuộc. Chúng tôi sẽ sử dụng Conda , được cài đặt sẵn trên các phiên bản tính toán AzureML. Để biết hướng dẫn thiết lập Conda chi tiết, hãy xem Ultralytics Hướng dẫn bắt đầu nhanh Conda .

Tạo môi trường Conda (ví dụ: yolov5env) với một cụ thể Python phiên bản và kích hoạt nó:

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. Nhân bản YOLOv5 Kho lưu trữ

Sao chép chính thức Ultralytics YOLOv5 kho lưu trữ từ GitHub bằng Git :

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. Cài đặt các phụ thuộc

Cài đặt cần thiết Python các gói được liệt kê trong requirements.txt tập tin. Chúng tôi cũng cài đặt ONNX để có khả năng xuất khẩu mô hình.

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

4. Thực hiện YOLOv5 Nhiệm vụ

Sau khi thiết lập hoàn tất, giờ đây bạn có thể đào tạo, xác thực, thực hiện suy luận và xuất YOLOv5 người mẫu.

Huấn luyện mô hình trên một tập dữ liệu như COCO128 . Kiểm tra tài liệu Chế độ huấn luyện để biết thêm chi tiết.

# 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

Xác thực hiệu suất của mô hình đã đào tạo bằng các số liệu như Precision , Recall và mAP . Xem hướng dẫn Chế độ xác thực để biết các tùy chọn.
```
# Validate the yolov5s model on the COCO128 validation set
python val.py --weights yolov5s.pt --data coco128.yaml --img 640
```
Chạy suy luận trên hình ảnh hoặc video mới. Khám phá tài liệu Chế độ dự đoán cho nhiều nguồn suy luận khác nhau.
```
# Run inference with yolov5s on sample images
python detect.py --weights yolov5s.pt --source data/images --img 640
```
Xuất mô hình sang các định dạng khác nhau như ONNX , TensorRT hoặc CoreML để triển khai. Tham khảo hướng dẫn Chế độ xuất và trang Tích hợp ONNX .
```
# Export yolov5s to ONNX format
python export.py --weights yolov5s.pt --include onnx --img 640
```

Sử dụng sổ tay

Nếu bạn thích trải nghiệm tương tác, bạn có thể chạy các lệnh này trong AzureML Notebook. Bạn sẽ cần tạo một hạt nhân IPython tùy chỉnh được liên kết với môi trường Conda của bạn.

Tạo một hạt nhân IPython mới

Chạy các lệnh sau trong thiết bị đầu cuối máy tính của bạn:

# 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)"

Sau khi tạo hạt nhân, hãy làm mới trình duyệt của bạn. Khi bạn mở hoặc tạo một .ipynb tệp sổ ghi chép, chọn hạt nhân mới của bạn (" Python (yolov5env)") từ menu thả xuống của hạt nhân ở góc trên bên phải.

Chạy lệnh trong ô Notebook

Python Tế bào: Mã trong Python các ô sẽ tự động thực hiện bằng cách sử dụng các ô đã chọn yolov5env hạt nhân.
Bash Tế bào: Để chạy lệnh shell, hãy sử dụng %%bash lệnh ma thuật ở đầu ô. Nhớ kích hoạt môi trường Conda của bạn trong mỗi bash ô, vì chúng không tự động kế thừa ngữ cảnh môi trường hạt nhân của máy tính xách tay.
```
%%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
```

Xin chúc mừng! Bạn đã thiết lập và chạy thành công Ultralytics YOLOv5 trên AzureML. Để khám phá thêm, hãy cân nhắc kiểm tra các Tích hợp Ultralytics khác hoặc tài liệu YOLOv5 chi tiết. Bạn cũng có thể thấy tài liệu AzureML hữu ích cho các tình huống nâng cao như đào tạo phân tán hoặc triển khai mô hình dưới dạng điểm cuối.

📅 Được tạo ra cách đây 1 năm ✏️ Đã cập nhật cách đây 2 tháng