YOLOv5

Colab에서 실행해 보기

Ultralytics’ YOLOv5 (“You Only Look Once”) 모델 계열은 컨볼루션 신경망을 사용해 실시간 객체 탐지를 가능하게 하면서도, 그 과정의 번거로움을 최소화해 줍니다.

W&B는 YOLOv5에 직접 통합되어 실험 지표 추적, 모델 및 데이터셋 버저닝, 풍부한 모델 예측 시각화 등을 제공합니다. YOLO 실험을 실행하기 전에 pip install 한 줄만 실행하면 될 만큼 간단합니다.

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

​

핵심 실험 추적

wandb를 설치하기만 하면 기본 제공 W&B 로깅 기능이 활성화되어, 시스템 메트릭, 모델 메트릭, 그리고 대화형 대시보드에 기록되는 미디어까지 자동으로 추적합니다.

pip install wandb
git clone https://github.com/ultralytics/yolov5.git
python yolov5/train.py  # 소규모 데이터셋으로 소규모 네트워크 학습

wandb가 표준 출력으로 출력한 링크만 따라가면 됩니다.

​

통합 기능 사용자 정의

YOLO에 몇 가지 간단한 명령줄 인자를 전달하면 더 많은 W&B 기능을 활용할 수 있습니다.

• --save_period에 숫자를 전달하면, W&B가 매 save_period 에포크가 끝날 때마다 모델 버전을 저장합니다. 모델 버전에는 모델 가중치가 포함되며, 검증 세트에서 가장 성능이 좋은 모델에 태그를 지정합니다.
• --upload_dataset 플래그를 켜면 데이터 버전 관리를 위해 데이터셋도 업로드합니다.
• --bbox_interval에 숫자를 전달하면 데이터 시각화가 활성화됩니다. 매 bbox_interval 에포크가 끝날 때마다 검증 세트에 대한 모델의 출력이 W&B로 업로드됩니다.

모델 버전 관리만 사용

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

모델 버전 관리 + 데이터 시각화

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

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

결과 화면은 다음과 같습니다.

데이터와 모델을 버전 관리하면, 별도의 설정 없이도 어떤 기기에서든 일시 중지되었거나 중단된 실험을 다시 시작할 수 있습니다. 자세한 내용은 Colab을 확인하세요.