在计算机视觉应用中，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模型引入了许多挑战。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仪器和实验管理。本指南将展示如何使用Weights & Biases来增强Ultralytics YOLO11的实验跟踪、模型检查点和模型性能的可视化。它还包括设置集成、训练、微调和使用Weights & Biases的交互式功能来可视化结果的说明。
要安装Ultralytics YOLO和Weights & Biases所需的包，请使用以下命令：
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。在安装YOLO11所需的包时，如果遇到任何困难，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。这包括创建Weights & Biases账户和获取必要的API密钥，以便将开发环境与W&B平台顺利连接。首先，初始化Weights & Biases环境，执行以下命令并按照提示操作：
import wandbwandb.login(key="<API_KEY>")
转到Weights & Biases认证页面，创建并获取API密钥。使用此密钥在W&B中认证环境。
在深入使用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 YOLOmodel = YOLO("yolo11n.pt")model.train(data="coco8.yaml", epochs=5, project="ultralytics", name="yolo11n")
上述代码将自动记录W&B项目中的指标、超参数和模型工件。
Weights & Biases与YOLO11集成的主要特点包括：
这些功能有助于跟踪实验、优化模型，并在YOLO11项目上更有效地协作。
在运行带有W&B集成的训练脚本后，控制台输出将提供指向W&B仪表板的链接。点击链接或转到并登录到账户。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。
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
这允许控制何时使用W&B日志记录，而无需修改训练脚本。
Weights & Biases通过以下方式帮助优化YOLO11模型：