YOLOv5

Colab で試す

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用いたリアルタイム物体検出を、面倒な手間なく実現します。

W&B は YOLOv5 に直接統合されており、実験指標のトラッキング、モデルおよびデータセットのバージョニング、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 を 1 回実行するだけで済むほど簡単です。

すべての W&B ロギング機能は、PyTorch DDP などによるデータ並列マルチ GPU 学習と互換性があります。

​

コアな実験をトラッキングする

wandb をインストールするだけで、組み込みの W&B ログ機能が有効になり、システムメトリクスやモデルメトリクス、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を自動的に記録できます。

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規模なネットワークをトレーニングする

wandb が標準出力に表示するリンクを開くだけです。

​

インテグレーションをカスタマイズする

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、より多くの 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、検証セットで最も良い性能を出した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、データバージョニングのためにデータセットもアップロードされます。
• --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。

モデルバージョニングのみ

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

モデルバージョニングと 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、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ます。

実際の画面は次のとおりです。

データとモデルのバージョニングにより、どのデバイスからでも、中断した実験やクラッシュした実験をセットアップ不要で再開できます。詳細は Colab を参照してください。