YOLOv5

YOLOv5에 내장된 W&B 인테그레이션을 사용해 실험 추적, 모델 버전 관리, 예측 시각화를 수행합니다.

Ultralytics’ YOLOv5 (“You Only Look Once”) 모델 제품군은 합성곱 신경망을 사용해 번거로운 과정 없이 실시간 객체 탐지를 구현할 수 있게 해줍니다.

W&B는 YOLOv5에 직접 통합되어 있어 실험 메트릭 추적, 모델 및 데이터셋 버전 관리, 풍부한 모델 예측 시각화 등을 제공합니다. YOLO 실험을 실행하기 전에 pip install만 한 번 실행하면 될 정도로 간단합니다.

모든 W&B 로깅 기능은 PyTorch DDP와 같은 데이터 병렬 멀티 GPU 트레이닝과 호환됩니다.

​

핵심 실험 추적하기

wandb를 설치하기만 하면 기본 제공되는 W&B 로깅 기능이 활성화됩니다: 시스템 메트릭, 모델 메트릭, 그리고 대화형 대시보드에 로깅되는 미디어.

pip install wandb
git clone https://github.com/ultralytics/yolov5.git
python yolov5/train.py  # 소규모 데이터셋에서 소규모 네트워크를 트레이닝합니다

wandb가 표준 출력에 표시한 링크를 따라가면 됩니다.

​

인테그레이션 사용자 지정하기

YOLO에 몇 가지 단순한 명령줄 인수를 전달하면 W&B의 더 많은 기능을 활용할 수 있습니다.

• --save_period에 숫자를 전달하면 W&B가 save_period 에포크마다 끝날 때 모델 버전을 저장합니다. 모델 버전에는 모델 가중치가 포함되며, 검증 세트에서 가장 성능이 좋은 모델에 태그가 지정됩니다.
• --upload_dataset 플래그를 켜면 데이터 버전 관리를 위해 데이터셋도 업로드됩니다.
• --bbox_interval에 숫자를 전달하면 data visualization이 활성화됩니다. bbox_interval 에포크마다 끝날 때 검증 세트에 대한 모델 출력이 W&B에 업로드됩니다.

모델 버전 관리만

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

모델 버전 관리 및 Data Visualization

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

모든 W&B 계정에는 데이터셋과 모델을 위한 100GB의 무료 저장소가 제공됩니다.

다음과 같이 표시됩니다.

데이터와 모델 버전 관리를 사용하면 별도 설정 없이 어떤 기기에서든 일시 중지되었거나 비정상 종료된 Experiments를 재개할 수 있습니다. 자세한 내용은 Colab을 확인하세요.