YOLOv5

Try in Colab

Ultralytics の 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用いたリアルタイムの オブジェクト検出 を、煩わしい手間なしに実現します。

W&B は YOLOv5 に直接統合されており、実験のメトリクス追跡、モデルや Datasets 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 を実行する前に、 pip install を一度実行するだけで準備は完了です。

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 トレーニングに対応しています。

​

コアな実験を追跡する

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、メディアをインタラクティブな Dashboards に記録する、組み込みの 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する

標準出力に W&B が表示するリンクに従うだけで、結果を確認できます。

​

インテグレーションのカスタマイズ

YOLO にいくつかのシンプルな 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 save_period エポック ごとに 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高いモデルにタグが付けられます。
• --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、データの バージョン管理 が行われます。
• --bbox_interval に数値を渡すと、 Data Visualization が有効になります。 bbox_interval エポック ごとに、 検証セット に対する モデル の出力が W&B にアップロードされます。

モデルのバージョン管理のみ

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

モデルのバージョン管理と Data Visualization

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、 Datasets と Models 用に 100 GB の無料ストレージが付属しています。

実際の表示は以下のようになります。

データと モデル の バージョン管理 を利用することで、中断したりクラッシュしたりした 実験 を、セットアップなしで任意のデバイスから再開できます。詳細は Colab をご確認ください。