YOLOv5

YOLOv5 に組み込まれている 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、予測の可視化を行えます。

Ultralytics’ YOLOv5 (「You Only Look Once」) モデルファミリーを使うと、畳み込みニューラルネットワークによるリアルタイム物体検出を、面倒な手間なく実現できます。

W&B は YOLOv5 に直接統合されており、実験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、モデル予測の豊富な可視化などを利用できます。YOLO Experiments を始める前に pip install を 1 回実行するだけで、簡単に使い始められます。

W&B のすべてのログ機能は、PyTorch DDP などのデータ並列マルチ GPU トレーニングに対応しています。

​

主要なExperimentsをトラッキングする

wandb をインストールするだけで、W&B 組み込みの ログ機能 が有効になり、システムメトリクス、モデルメトリクス、さらに対話型の ダッシュボード にログされるメディアを記録できるようになります。

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規模なネットワークをトレーニングする

wandb が標準出力に出力するリンクをたどるだけです。

​

インテグレーションをカスタマイズする

YOLO にいくつかのシンプルなコマンドライン引数を渡すことで、W&B の機能をさらに活用できます。

• --save_period に数値を渡すと、W&B は save_period エポックごとの終了時に 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、検証セットで最も高い性能を示した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、データの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、Data Visualization が有効になります。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

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

モデルのバージョン管理と Data Visualization

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

すべての W&B アカウントには、データセットとモデル向けに 100 GB の無料ストレージが含まれています。

表示は次のようになります。

データとモデルのバージョン管理を使用すると、追加のセットアップなしで、任意のデバイスから一時停止した Experiments やクラッシュした Experiments を再開できます。詳しくは Colab をご覧ください。