Erfahren Sie, wie Lightning AI, das auf der YOLO Vision 2024 vorgestellt wird, die Entwicklung skalierbarer Vision AI durch schnelleres Modelltraining, schnellere Bereitstellung und Zusammenarbeit vereinfacht.
%252520(1).webp)
Unabhängig davon, ob Sie ein erfahrener KI-Entwickler sind oder gerade erst damit beginnen, KI zu erforschen, ist es wichtig, eine zuverlässige Umgebung zu haben, um mit Computer-Vision-Modellen wie Ultralytics YOLO11 ist der Schlüssel. Eine Umgebung bezieht sich auf die Tools, Ressourcen und die Infrastruktur, die für die Entwicklung, das Testen und die effiziente Bereitstellung von KI-Modellen erforderlich sind.
Obwohl mehrere Online-Plattformen verschiedene KI-Tools anbieten, bieten viele keine einheitliche Umgebung für den gesamten KI-Lebenszyklus, von der Datenvorbereitung bis zur Modellbereitstellung. Hier kommt Lightning AI ins Spiel, eine All-in-One-Plattform für die KI-Entwicklung, die den Prozess von der Datenvorbereitung bis zur Bereitstellung rationalisiert.
Wie wichtig es ist, die KI-Entwicklung zu vereinfachen, zeigte sich auf der YOLO Vision 2024 (YV24), einer jährlichen Hybrid-Veranstaltung von Ultralytics , die sich mit Fortschritten in den Bereichen KI und Computer Vision befasste. Luca Antiga, CTO von Lightning AI, hielt eine Keynote mit dem Titel"Going YOLO on Lightning Studios", in der er erläuterte, wie man dieYOLO Ultralytics schnell und reibungslos trainieren kann, ohne sich mit der technischen Komplexität von Lightning AI auseinanderzusetzen.
In diesem Artikel gehen wir auf die wichtigsten Erkenntnisse aus Lucas Vortrag ein und decken alles ab, von realen Computer-Vision-Anwendungen bis hin zu Live-Demos zum Training und Einsatz von Ultralytics YOLO mit Lightning AI. Legen wir los!
Luca begann seine Keynote, indem er seine Gedanken und seine Wertschätzung für den Einfluss von YOLO in verschiedenen Branchen mitteilte. Er hob hervor, wie YOLO in Sektoren wie der Fertigung und der Landwirtschaft angewendet werden können. Er sagte: "Ich schätze den Einfluss, den YOLO auf die Gemeinschaft der Konstrukteure hat - Menschen, die konkrete, praktische Probleme lösen müssen - das liegt mir sehr am Herzen.
In Verbindung mit dem wachsenden Interesse am KI-Training stellte er Lightning AI vor, eine Plattform, die entwickelt wurde, um die Entwicklung von KI-Modellen schneller, einfacher und für jedermann zugänglicher zu machen. Sie ist besonders nützlich für die Unterstützung iterativer Fortschritte in der KI und hilft Entwicklern, Modelle zu verfeinern und zu verbessern.
Er wies auch darauf hin, dass Lightning AI mit PyTorch Lightning vergleichbar ist, einem Framework, das den Prozess des Trainings von KI-Modellen vereinfacht. Der Unterschied besteht jedoch darin, dass Lightning AI eine umfassendere Plattform ist, die ein breiteres Spektrum an Tools und Funktionen für den gesamten KI-Entwicklungsprozess bietet, nicht nur für das Training von KI-Modellen.
Eine wichtige Komponente von Lightning AI ist Lightning Studios, das einen intuitiven Arbeitsbereich zum Entwerfen, Trainieren und Bereitstellen von KI-Modellen bietet und den gesamten Workflow nahtlos und effizient gestaltet. Sie können sich Lightning Studios als eine reproduzierbare Entwicklungsumgebung für KI vorstellen, die in der Cloud läuft. Es bietet beispielsweise eine Jupyter Notebook-ähnliche Umgebung, die dupliziert und mit einem anderen Entwickler geteilt werden kann, was zur Verbesserung der Zusammenarbeit beiträgt.
Luca erläuterte dann die Vorteile von Lightning Studios: "Die Replizierung Ihrer Umgebung ist kein Problem mehr. Wenn Sie von einer CPU [Central Processing Unit] Maschine zu einer GPU [Graphics Processing Unit] Maschine wechseln oder ein Training auf tausend Maschinen starten müssen, bleibt Ihre Umgebung bestehen."
Als nächstes demonstrierte Luca, wie schnell man mit Lightning Studios loslegen kann. Mit nur wenigen Klicks können Sie ein neues Studio öffnen und haben Zugriff auf Tools und Umgebungen wie Jupyter Notebooks und VS Code, die alle eingerichtet und bereit zum Programmieren sind. Er hat gezeigt, wie einfach es ist, zwischen verschiedenen Maschinen zu wechseln. Wenn die Aufgabe, an der Sie arbeiten, mehr Leistung erfordert, können Sie einfach von einer CPU auf eine leistungsstärkere GPU umschalten. Die GPU bleibt nur dann aktiv, wenn sie gebraucht wird; andernfalls schaltet sie in den Ruhezustand und spart so Ihr Guthaben.
Luca erwähnte auch die Vorteile der Verwendung von Studio-Vorlagen. Dies sind KI-Programmierumgebungen, die von der Community vorgefertigt wurden, und Sie können sie verwenden, ohne etwas einrichten zu müssen. Das Einrichten einer Umgebung für KI-Projekte kann zeitaufwändig sein, und Studio-Vorlagen können helfen, die Produktivität zu steigern. Diese Umgebungen sind mit allem ausgestattet, was für KI-Projekte benötigt wird, wie z. B. installierte Abhängigkeiten, Modellgewichte, Daten, Code usw.
Luca ging dann zur Live-Demo über und zeigte, wie Sie Lightning Studio zum Trainieren von Ultralytics YOLO verwenden können. Er öffnete eine Studio-Vorlage, auf der bereits alle Abhängigkeiten installiert waren, und startete eine Maschine mit vier GPUs, um den Trainingsprozess zu beschleunigen. In Bezug auf die Daten sagte er, dass man wählen kann, ob man die Daten direkt auf der Maschine speichert oder sie aus der Cloud streamt, was den Trainingsprozess schneller und effizienter macht.
Innerhalb weniger Sekunden war die Maschine bereit, und Luca startete schnell die Trainingseinheit. Während der Demo führte ein kleineres Problem dazu, dass die Maschine unerwartet stoppte, aber Lightning Studios setzte nahtlos dort fort, wo es aufgehört hatte, um sicherzustellen, dass kein Fortschritt verloren ging. Luca wies darauf hin, wie diese Zuverlässigkeit reibungslose Arbeitsabläufe unterstützt, selbst bei unerwarteten Unterbrechungen.
In der weiteren Demo zeigte er, wie einfach es ist, den Trainingsfortschritt mit TensorBoard zu überwachen, einem Tool zur Visualisierung von Machine-Learning-Metriken in Echtzeit. Lightning Studio vereinfacht dies noch weiter, indem es automatisch URLs generiert, mit denen Sie oder Ihre Teamkollegen im selben Workspace auf TensorBoard-Ansichten zugreifen können, ohne dass zusätzliche Einrichtung erforderlich ist. Dies rationalisiert die Zusammenarbeit und sorgt dafür, dass alle auf dem gleichen Stand sind.
Nach der Demo verlagerte Luca den Fokus des Vortrags auf ein neues Projekt, LitServe, das kürzlich von Lightning AI gestartet wurde. LitServe vereinfacht den Prozess, ein trainiertes Modell in einen skalierbaren Dienst zu verwandeln, den andere nutzen können, wodurch komplexe Deployment-Pipelines überflüssig werden. Es ist so konzipiert, dass es alles von der Verpackung des Modells bis zur Bereitstellung mit minimalem Aufwand abwickelt.
Um dies in Echtzeit zu zeigen, gab Luca den Zuhörern eine kurze Demonstration mit einer vortrainierten Ultralytics YOLOv8 Modell. Er war in der Lage, eine einfache API zu erstellen, um eingehende Anfragen zu verarbeiten und Bildvorhersagen in wenigen Sekunden zurückzugeben. Das bedeutet, dass jeder diese API mit einem Bild anpingen kann und fast sofort Ergebnisse für Computer-Vision-Aufgaben wie die Objekterkennung erhält. Hinter den Kulissen wird dasYOLOv8 Ultralytics als Dienst bereitgestellt, der Anfragen effizient bearbeitet, Bilder verarbeitet und Vorhersagen mit minimaler Latenzzeit liefert.
Er führte eine Inferenz an einem Pizzabild durch, und Ultralytics YOLOv8 identifizierte erfolgreich Objekte wie die Pizza, einen Löffel und einen Esstisch. Er erklärte, dass die erste Anfrage aufgrund eines "Kaltstarts" zwar etwas länger dauert, die nachfolgenden Anfragen aber viel schneller sind, sobald das System aufgewärmt ist.
Luca fragte dann: 'Was ist, wenn ich dies der Außenwelt zugänglich machen möchte?' Er erläuterte, wie das API Builder-Plugin die Umwandlung Ihres Modells in einen Live-, produktionsreifen Dienst vereinfacht. Mit Funktionen wie benutzerdefinierten Domänen, zusätzlicher Sicherheit und nahtloser Integration können Sie Ihr Modell problemlos für jedermann zugänglich machen.
Abschließend ging Luca auf die Skalierbarkeit und Flexibilität von Lightning Studio für die KI-Entwicklung ein. Er erwähnte, wie die Plattform Modelle auf mehreren Rechnern trainieren kann, die auf bis zu 10.000 Knoten skaliert werden können, mit fehlertolerantem Training, das nach Unterbrechungen automatisch fortgesetzt wird.
Wenn zum Beispiel ein Trainingsauftrag auf einem GPU aufgrund eines Hardwareproblems oder eines Server-Neustarts unterbrochen wird, sorgt Lightning Studios dafür, dass der Prozess genau dort fortgesetzt wird, wo er aufgehört hat. Damit eignet sich Lightning Studios ideal für umfangreiche KI-Projekte wie das Training von Deep-Learning-Modellen auf umfangreichen Datensätzen wie ImageNet oder COCO.
Hier sind einige weitere wichtige Vorteile von Lightning Studios, über die Luca gesprochen hat:
Lucas Keynote auf dem YV24 zeigte auf, wie KI in Kombination mit Tools wie Ultralytics YOLO und Lightning AI die Art und Weise verändert, wie wir reale Probleme lösen. Sie erleichtern Entwicklern das Trainieren und Bereitstellen von Modellen, die für die Lösung spezifischer Probleme in einer Reihe von Branchen entwickelt wurden.
Er erläuterte, wie Lightning Studios den gesamten Entwicklungsprozess beschleunigt und zugänglicher macht, so dass Entwickler problemlos leistungsstarke Lösungen erstellen können. Im Mittelpunkt von innovativen Plattformen wie Lightning AI stehen Computer-Vision-Modelle, die die Art und Weise, wie KI-Lösungen mit Herausforderungen umgehen, verändern. Insbesondere mit dem neuesten Ultralytics YOLO11 können Entwickler Lösungen erstellen, die einen bedeutenden Einfluss haben.
Treten Sie unserer Community bei, um über KI und ihre praktischen Anwendungen auf dem Laufenden zu bleiben. Besuchen Sie unser GitHub-Repository, um Innovationen in Sektoren wie KI im autonomen Fahren und Computer Vision im Gesundheitswesen zu entdecken.
