YOLOX

Intégrez W&B à YOLOX pour suivre l’entraînement de modèles de détection d’objets, consigner des métriques et visualiser les résultats de détection.

YOLOX est une version sans ancres de YOLO offrant de solides performances pour la détection d’objets. Vous pouvez utiliser l’intégration W&B de YOLOX pour activer la journalisation des métriques liées à l’entraînement, à la validation et au système, et valider les prédictions de manière interactive grâce à un seul argument de ligne de commande.

​

Inscrivez-vous et créez une clé API

Une clé API permet d’authentifier votre machine auprès de W&B. Vous pouvez générer une clé API depuis votre profil utilisateur.

Pour une méthode plus directe, créez une clé API en accédant directement aux Paramètres utilisateur. Copiez immédiatement la clé API nouvellement créée et conservez-la dans un endroit sûr, par exemple dans un gestionnaire de mots de passe.

1. Cliquez sur l’icône de votre profil utilisateur dans le coin supérieur droit.
2. Sélectionnez Paramètres utilisateur, puis faites défiler jusqu’à la section API Keys.

​

Installez la bibliothèque wandb et connectez-vous

Pour installer la bibliothèque wandb localement et vous connecter :

Ligne de commande

1. Définissez la variable d’environnement WANDB_API_KEY avec votre clé API.

   export WANDB_API_KEY=<your_api_key>
   

2. Installez la bibliothèque wandb et connectez-vous.

   pip install wandb
   
   wandb login
   

Python

pip install wandb

import wandb
wandb.login()

Python notebook

!pip install wandb

import wandb
wandb.login()

​

Consigner des métriques

Utilisez l’argument de Ligne de commande --logger wandb pour activer la journalisation avec wandb. Vous pouvez aussi, si vous le souhaitez, transmettre tous les arguments attendus par wandb.init() ; préfixez chaque argument avec wandb-.

num_eval_imges contrôle le nombre d’images de l’ensemble de validation et de prédictions enregistrées dans les tables W&B pour l’évaluation du modèle.

# se connecter à wandb
wandb login

# appeler votre script d'entraînement yolox avec l'argument logger `wandb`
python tools/train.py .... --logger wandb \
                wandb-project <project-name> \
                wandb-entity <entity>
                wandb-name <run-name> \
                wandb-id <run-id> \
                wandb-save_dir <save-dir> \
                wandb-num_eval_imges <num-images> \
                wandb-log_checkpoints <bool>

​

Exemple

Exemple de tableau de bord avec les métriques d’entraînement et de validation de YOLOX ->

Des questions ou des problèmes concernant cette intégration W&B ? Ouvrez une issue dans le dépôt YOLOX.