Ultralytics YOLO11与Weights & Biases集成指南

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。

安装指南

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。

配置Weights & Biases

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。

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")

以上代码将使用Weights & Biases进行YOLO11模型的训练。

Weights & Biases参数

参数 | 标准 | 描述

  • 项目 | 无 | 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 | 无 | 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

理解输出

当运行上述代码片段时,可以期待以下重要结果:

  • 设置一个新的运行,其唯一ID显示训练过程的开始。
  • 模型结构的简短摘要,包括层数和参数。
  • 在每个训练周期期间,定期更新重要的指标,如框损失、分类损失、dfl损失、精度、召回率和mAP分数。
  • 训练结束时,显示详细的指标,包括模型的推理速度和整体准确性指标。
  • 提供Weights & Biases仪表板的链接,以便详细分析和可视化训练过程以及本地日志文件的位置信息。

查看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(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:

  • 实时跟踪指标:观察损失、精度和验证结果等指标如何随着训练的发展而变化,并立即获得模型优化的洞察。
  • 超参数优化:Weights & Biases有助于微调诸如学习率、批量大小等关键参数,提高YOLO11的性能。
  • 比较分析:平台允许并排比较不同的训练运行,这对于评估不同模型配置的影响很重要。
  • 训练进度可视化:图形表示最重要的指标,使模型在多个周期内的性能直观易懂。
  • 资源监控:监控CPU、GPU和内存使用情况,以优化训练过程的效率。
  • 模型工件管理和共享:访问模型检查点并交换它们,以便于部署和协作。
  • 图像叠加显示预测结果:在Weights & Biases上使用交互式叠加在图像上可视化预测结果,并获得模型在真实数据上性能的清晰、详细概述。

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。

常见问题解答

如何将Weights & Biases与Ultralytics YOLO11集成?

  • 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记录训练YOLO11模型: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?

  • 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
  • 图像叠加显示预测结果

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?

  • 运行带有W&B集成的训练脚本后:控制台输出中将提供W&B仪表板的链接。
  • 点击链接或访问wandb.ai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?

  • 是的,可以使用以下命令禁用W&B记录:wandb disabled
  • 要重新启用记录,请使用:wandb 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?

  • 提供训练指标的详细可视化
  • 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