YOLOv5 - CoreWeave Docs

La famille de modèles YOLOv5 d’Ultralytics (« You Only Look Once ») permet la détection d’objets en temps réel grâce à des réseaux de neurones convolutifs. W&B s’intègre directement à YOLOv5 : suivi des métriques d’expérience, gestion des versions des modèles et des datasets, visualisation avancée des prédictions des modèles, et bien plus encore. Il suffit d’une seule commande pip install avant de lancer vos expériences YOLO.

Toutes les fonctionnalités de journalisation de W&B sont compatibles avec l’entraînement multi-GPU avec parallélisme de données, par exemple avec PyTorch DDP.

Suivre les expériences principales

Pour commencer, installez le SDK Python de W&B (wandb) avec YOLOv5, puis lancez l’entraînement comme d’habitude. L’installation de wandb active les fonctionnalités de journalisation intégrées de W&B : métriques système, métriques du modèle et médias journalisés dans des tableaux de bord interactifs.

pip install wandb
git clone https://github.com/ultralytics/yolov5.git
python yolov5/train.py  # entraîner un petit réseau sur un petit jeu de données

Suivez les liens que W&B affiche sur la sortie standard.

Tableau de bord W&B affichant les métriques d’entraînement YOLOv5 et les graphiques système.

Personnaliser l’intégration

Une fois le suivi des expériences opérationnel, vous pouvez activer d’autres fonctionnalités W&B (comme la gestion des versions des modèles, la gestion des versions des datasets et la visualisation des prédictions) en passant quelques arguments de ligne de commande à YOLO.

Si vous passez un nombre à --save_period, W&B enregistre une version du modèle toutes les save_period époques. La version du modèle contient les poids du modèle et marque d’un tag le modèle le plus performant sur le jeu de validation.
L’option --upload_dataset téléverse en outre le dataset pour la gestion des versions des données.
Passer un nombre à --bbox_interval active la visualisation des données. Toutes les bbox_interval époques, W&B téléverse les sorties du modèle sur le jeu de validation.

Gestion des versions des modèles uniquement
Gestion des versions des modèles et visualisation des données

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

python yolov5/train.py --epochs 20 --save_period 1 \
  --upload_dataset --bbox_interval 1

Chaque compte W&B inclut 100 Go de stockage gratuit pour les datasets et les modèles.

Voici le résultat.

Grâce à la gestion des versions des données et des modèles, vous pouvez reprendre des expériences mises en pause ou plantées depuis n’importe quel appareil, sans aucune configuration. Pour plus de détails, consultez le Colab.

​Suivre les expériences principales

​Personnaliser l’intégration

Suivre les expériences principales

Personnaliser l’intégration