在众多计算机视觉应用中，Ultralytics YOLO11已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来提高Ultralytics YOLO11的实验跟踪、模型检查点和模型性能可视化的效率。
要安装所需的Ultralytics YOLO和Weights & Biases包，请执行以下命令：
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。
安装完必要的包后，下一步是设置Weights & Biases环境。这包括设置一个Weights & Biases账户并获取必要的API密钥，以便在开发环境和W&B平台之间建立无缝连接。
首先，在工作区初始化Weights & Biases环境。执行以下命令并按照显示的指示操作：
import wandb; wandb.login(key="<API_KEY>")
访问Weights & Biases的授权页面以创建并获取API密钥。使用此密钥在W&B上认证环境。
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")
以上代码将使用Weights & Biases进行YOLO11模型的训练。
参数 | 标准 | 描述
如果想启用或禁用Weights & Biases记录，可以使用wandb命令。默认情况下，Weights & Biases记录是启用的。
# 启用Weights & Biases记录 wandb enabled # 禁用Weights & Biases记录 wandb disabled
当运行上述代码片段时，可以期待以下重要结果：
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(W&B)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仪表板的主要功能包括：
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的能力。有关使用的更多详细信息，请查看Weights & Biases的。
还可以查看Ultralytics上的，了解更多关于不同集成的有趣信息。
如何将Weights & Biases与Ultralytics YOLO11集成？
pip install -U ultralytics wandbimport wandb; wandb.login(key="<API_KEY>")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集成的关键特性是什么？
这些特性有助于跟踪实验、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？
仪表板为模型训练过程提供了见解，使能够有效地分析和改进YOLO11模型。
可以为YOLO11训练禁用Weights & Biases记录吗？
wandb disabledwandb enabled这允许控制何时使用W&B记录，而无需修改训练脚本。
Weights & Biases如何帮助优化YOLO11模型？