Ultralytics YOLO11与Weights & Biases集成指南

在众多计算机视觉应用中,Ultralytics YOLO11已经成为不可或缺的一部分。然而,训练、评估和部署这些复杂的模型带来了许多挑战。跟踪关键训练指标、比较模型变体、分析模型行为和检测问题需要大量的工具和实验管理。本指南将展示如何使用Weights & Biases与Ultralytics YOLO11集成,以增强实验跟踪、模型检查点和模型性能的可视化。

安装指南

要安装所需的Ultralytics YOLO和Weights & Biases包,请运行以下命令:

pip install -U ultralytics wandb

有关安装过程的详细说明和最佳实践,请务必查看。如果在安装YOLO11所需的包时遇到任何困难,请参考以获取解决方案和提示。

配置Weights & Biases

安装完必要的包之后,下一步是设置Weights & Biases中间件。这包括创建一个Weights & Biases文件并获取必要的API密钥,以便在开发环境和Weights & Biases平台之间建立安全的连接。

开始在工作区设置Weights & Biases环境。可以通过运行以下命令并按照所需的指导来完成此操作:

import wandb; wandb.login(key="<API_KEY>")

转到Weights & Biases的授权页面创建API密钥并检索它。使用此密钥对环境进行身份验证,以便与W&B进行通信。

使用Weights & Biases进行YOLO11训练

在深入了解使用Weights & Biases进行YOLO11模型训练的使用说明之前,请务必查看Ultralytics提供的。这将帮助为项目需求选择最合适的模型。

from ultralytics import YOLO; model = YOLO("yolo11n.pt"); model.train(data="coco8.yaml", epochs=5, project="ultralytics", name="yolo11n")

上述代码将使用Weights & Biases进行YOLO11模型的训练。

Weights & Biases参数

Weights & Biases提供了一些参数,以便在训练过程中进行配置:

  • 项目:指定在本地和W&B中记录的项目名称。这样,可以将多个运行分组在一起。
  • 名称:训练运行的名称。这决定了用于创建子文件夹和W&B记录的名称。

如果想启用或禁用Weights & Biases日志记录,可以使用以下命令:

# 启用Weights & Biases日志记录 wandb enabled # 禁用Weights & Biases日志记录 wandb disabled

理解输出

运行上述使用代码片段后,可以预期以下主要输出:

  • 启动一个新的运行,具有唯一的标识符,表明训练过程的开始。
  • 模型结构的摘要,包括层数和参数。
  • 在每个训练周期期间,对重要的指标(如框损失、分类损失、dfl损失、精度、召回率和mAP分数)进行定期更新。
  • 训练结束时,显示详细的指标,包括模型的推理速度和总体准确性指标。
  • 提供到Weights & Biases仪表板的链接,以便进行深入分析和可视化训练过程,以及有关本地日志文件位置的信息。

Weights & Biases仪表板

运行使用代码片段后,可以通过输出中提供的链接访问Weights & Biases仪表板。此仪表板提供了模型训练过程的全面视图,使用YOLO11。

Weights & Biases仪表板的主要特点包括:

  • 实时跟踪指标:在训练期间监控指标,如损失、精度和健康检查分数,提供即时的模型调整视图。
  • 超参数优化:Weights & Biases有助于微调关键参数,如学习率、批量大小等,提高YOLO11的性能。
  • 比较分析:平台允许并排查看不同的训练运行,这对于评估不同模型配置的影响至关重要。
  • 可视化训练进度:图表形式的主要指标,直观地了解模型在时间上的表现。
  • 监控资源:跟踪CPU、GPU和内存使用情况,以提高训练效率。
  • 模型工件管理和共享:访问、共享模型检查点,便于发布和协作。
  • 使用叠加图像查看推理结果:使用Weights & Biases中的交互式叠加图像查看图像上的预测结果,提供模型在真实世界数据上性能的清晰、详细的视图。有关Weights & Biases图像叠加的更多详细信息,请访问。

本指南帮助探索了Ultralytics YOLO与Weights & Biases的集成。它展示了这种集成能够高效地跟踪和可视化模型训练和预测结果。有关使用的更多详细信息,请访问。

还请务必查看,了解更多关于各种集成操作的信息。

常见问题

如何将Weights & Biases与Ultralytics YOLO11集成?

要将Weights & Biases与Ultralytics YOLO11集成,请按照以下步骤操作:

  • 安装所需的包:pip install -U ultralytics wandb
  • 登录到Weights & Biases账户:import wandb; wandb.login(key="<API_KEY>")
  • 启用W&B日志记录进行YOLO11模型训练:from ultralytics import YOLO; model = YOLO("yolo11n.pt"); model.train(data="coco8.yaml", epochs=5, project="ultralytics", name="yolo11n")

这将自动将指标、超参数和模型工件记录到W&B项目中。

Weights & Biases与YOLO11集成的主要特点是什么?

主要特点包括:

  • 训练期间实时跟踪指标
  • 超参数优化工具
  • 不同训练运行的比较分析
  • 通过图表可视化训练进度
  • 资源监控(CPU、GPU、内存使用情况)
  • 模型工件管理和共享
  • 使用图像叠加查看推理结果

这些特点有助于跟踪实验、优化模型,并在YOLO11项目上更有效地协作。

如何查看YOLO11训练的Weights & Biases仪表板?

在运行带有W&B集成的训练脚本后:

  • 控制台输出中将提供到W&B仪表板的链接。
  • 点击链接或访问并登录到账户。
  • 导航到项目以查看详细的指标、可视化和模型性能数据。

仪表板提供了对模型训练过程的洞察,使能够有效地分析和改进YOLO11模型。

可以为YOLO11训练禁用Weights & Biases日志记录吗?

是的,可以使用以下命令禁用W&B日志记录:

wandb disabled

要重新启用日志记录,请使用:

wandb enabled

这使能够在不修改训练脚本的情况下控制何时使用W&B日志记录。

Weights & Biases如何帮助优化YOLO11模型?

Weights & Biases通过以下方式帮助优化YOLO11模型:

  • 提供详细的训练指标可视化
  • 轻松比较不同模型版本
  • 提供超参数调整工具
  • 允许协作分析模型性能
  • 便于共享模型工件和结果
沪ICP备2024098111号-1
上海秋旦网络科技中心:上海市奉贤区金大公路8218号1幢 联系电话:17898875485