YOLOv5

Ultralytics’ YOLOv5 (「You Only Look Once」) モデルファミリーは、苦痛を伴うことなく、畳み込みニューラルネットワークによるリアルタイムの オブジェクト検出を可能にします。

Weights & Biases は YOLOv5 に直接統合されており、実験の メトリクス 追跡、モデルと データセット の バージョン管理 、豊富なモデル 予測 の 可視化 などを提供します。YOLO の 実験 を実行する前に、pip install を 1 回実行するだけで簡単に利用できます。

コアな 実験 を追跡する

wandb をインストールするだけで、組み込みの W&B ログ 機能 が有効になります。システム メトリクス 、モデル メトリクス 、および インタラクティブな ダッシュボード に ログ されるメディアです。

pip install wandb
git clone https://github.com/ultralytics/yolov5.git
python yolov5/train.py  # 小さなデータセットで小さなネットワークをトレーニングします。

wandb によって標準出力に出力されたリンクをたどってください。

インテグレーション をカスタマイズする

いくつかの簡単な コマンドライン 引数 を YOLO に渡すことで、さらに多くの W&B 機能を活用できます。

• --save_period に数値を渡すと、W&B は save_period エポック の終了ごとに モデル バージョン を保存します。モデル バージョン には、モデルの 重み が含まれており、 検証セット で最高のパフォーマンスを発揮するモデルにタグを付けます。
• --upload_dataset フラグをオンにすると、 データ 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 に数値を渡すと、データ可視化 が有効になります。bbox_interval エポック の終了ごとに、 検証セット 上のモデルの出力が W&B にアップロードされます。

• モデルの バージョン管理 のみ
• モデルの バージョン管理 と データ可視化

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

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

このようになります。