> ## Documentation Index
> Fetch the complete documentation index at: https://docs.coreweave.com/llms.txt
> Use this file to discover all available pages before exploring further.
# YOLOv5
> YOLOv5 に組み込まれた W&B インテグレーションを使用して、実験管理、モデルのバージョン管理、予測の可視化を行います。
export const ColabLink = ({url}) =>
Try in Colab
;
[Ultralytics' YOLOv5](https://www.ultralytics.com/yolo) ("You Only Look Once") モデルファミリーは、畳み込みニューラルネットワークを用いてリアルタイムの物体検出を実現します。
[W\&B](https://wandb.com) は YOLOv5 と直接統合されており、実験のメトリクスのトラッキング、モデルとデータセットのバージョン管理、モデルの予測結果の高度な可視化などの機能を提供します。**YOLO の実験を実行する前に、`pip install` を 1 回実行するだけで利用できます。**
W\&B のすべてのログ機能は、[PyTorch DDP](https://pytorch.org/tutorials/intermediate/ddp_tutorial.html) などのデータ並列マルチ GPU トレーニングで利用可能です。
コア実験をトラッキングする
まず、YOLOv5 と一緒に W\&B Python SDK (`wandb`) をインストールし、通常どおりトレーニングを実行してください。`wandb` をインストールすると、W\&B に組み込まれた[ログ機能](/ja/products/wandb/track/log)が有効化され、システムメトリクス、モデルのメトリクス、メディアがインタラクティブな[ダッシュボード](/ja/products/wandb/track/workspaces)にログされます。
```bash theme={"system"}
pip install wandb
git clone https://github.com/ultralytics/yolov5.git
python yolov5/train.py # 小規模なデータセットで小さなネットワークをトレーニングする
```
W\&B が標準出力に表示するリンクを開いてください。
インテグレーションをカスタマイズする
実験管理ができるようになったら、YOLO にいくつかのコマンドライン引数を渡すことで、モデルやデータセットのバージョン管理、予測の可視化といった W\&B の追加機能を有効にできます。
* `--save_period` に数値を指定すると、W\&B は `save_period` エポックごとの終了時に [モデルのバージョン](/ja/products/registry) を保存します。このバージョンにはモデルの重みが含まれ、検証セットで最も性能の高いモデルにタグが付けられます。
* `--upload_dataset` フラグを有効にすると、バージョン管理のためにデータセットもアップロードされます。
* `--bbox_interval` に数値を指定すると、データの可視化が有効になります。W\&B は `bbox_interval` エポックごとの終了時に、検証セットに対するモデルの出力をアップロードします。
```bash theme={"system"}
python yolov5/train.py --epochs 20 --save_period 1
```
```bash theme={"system"}
python yolov5/train.py --epochs 20 --save_period 1 \
--upload_dataset --bbox_interval 1
```
すべての W\&B アカウントで、データセットとモデル用に 100 GB の無料ストレージを利用できます。
実際の表示例は次のとおりです。
データとモデルのバージョン管理を使用すると、一時停止した実験やクラッシュした実験を、セットアップせずにどのデバイスからでも再開できます。詳細は [Colab](https://wandb.me/yolo-colab) を参照してください。
## Related topics
- [インテグレーションの概要](/ja/products/wandb/integrations.md)