Ultralytics YOLO-Modelle mit Lightning AI individuell trainieren

Egal, ob du ein erfahrener KI-Entwickler bist oder gerade erst beginnst, Vision-KI zu erkunden: Eine zuverlässige Umgebung zum Ausprobieren und Experimentieren mit Bildverarbeitungsmodellen wie Ultralytics YOLO11 ist entscheidend. Eine Umgebung umfasst die Tools, Ressourcen und Infrastruktur, die benötigt werden, um KI-Modelle effizient zu entwerfen, zu testen und bereitzustellen.

Zwar bieten mehrere Online-Plattformen verschiedene KI-Tools an, doch viele stellen keine einheitliche Umgebung für den gesamten KI-Lebenszyklus bereit – von der Datenaufbereitung bis zur Bereitstellung des Modells. Hier kommt Lightning AI ins Spiel: eine umfassende Plattform für die KI-Entwicklung, die den Prozess von der Datenaufbereitung bis zur Bereitstellung optimiert.

Wie wichtig es ist, die KI-Entwicklung zu vereinfachen, wurde bei YOLO Vision 2024 (YV24) gezeigt, einer jährlichen hybriden Veranstaltung von Ultralytics, die sich auf Fortschritte in den Bereichen KI und Bildverarbeitung konzentrierte. Luca Antiga, CTO von Lightning AI, hielt eine Keynote mit dem Titel „Going YOLO on Lightning Studios“. Darin erklärte er, wie sich Ultralytics YOLO-Modelle mit Lightning AI schnell und reibungslos trainieren lassen, ohne dass du dich mit technischen Komplexitäten befassen musst.

In diesem Artikel sehen wir uns die wichtigsten Erkenntnisse aus Lucas Vortrag an – von realen Anwendungen der Bildverarbeitung bis hin zu Live-Demos zum Trainieren und Bereitstellen von Ultralytics YOLO-Modellen mit Lightning AI. Legen wir los!

KI-Entwicklung mit Lightning AI und Ultralytics YOLO vereinfachen#

Luca begann seine Keynote, indem er seine Gedanken und seine Wertschätzung für den Einfluss von YOLO-Modellen in verschiedenen Branchen teilte. Er hob hervor, wie YOLO-Modelle in Bereichen wie Fertigung und Landwirtschaft eingesetzt werden können. Er sagte: „Ich schätze den Einfluss, den YOLO auf die Community der Entwickler hatte – auf Menschen, die echte, praktische Probleme lösen müssen. Das ist mir sehr wichtig.“

Im Zusammenhang mit dem wachsenden Interesse am KI-Training stellte er Lightning AI vor, eine Plattform, die die Entwicklung von KI-Modellen für alle schneller, einfacher und zugänglicher machen soll. Sie ist besonders nützlich, um iterative Fortschritte in der KI zu unterstützen und Entwicklern dabei zu helfen, Modelle zu verfeinern und zu verbessern.

Abb. 1 Luca Antiga präsentiert bei YV24 per Fernübertragung Lightning Studios.

Er wies außerdem darauf hin, dass Lightning AI PyTorch Lightning ähnelt, einem Framework, das den Prozess des Trainierens von KI-Modellen vereinfacht. Der Unterschied besteht jedoch darin, dass Lightning AI eine umfassendere Plattform mit einem größeren Angebot an Tools und Funktionen für den gesamten KI-Entwicklungsprozess ist und nicht nur für das Training von KI-Modellen.

Ein wichtiger Bestandteil von Lightning AI sind Lightning Studios. Sie bieten einen intuitiven Arbeitsbereich zum Entwerfen, Trainieren und Bereitstellen von KI-Modellen und machen den gesamten Arbeitsablauf nahtlos und effizient. Du kannst dir Lightning Studios als reproduzierbare Entwicklungsumgebung für KI vorstellen, die in der Cloud ausgeführt wird. So bieten sie beispielsweise eine Jupyter-Notebook-ähnliche Umgebung, die du duplizieren und mit einem anderen Entwickler teilen kannst, was die Zusammenarbeit verbessert.

Luca erläuterte anschließend die Vorteile von Lightning Studios und sagte: „Das Reproduzieren deiner Umgebung ist kein Problem mehr. Wenn du von einer CPU [zentralen Verarbeitungseinheit] zu einer GPU [Grafikprozessoreinheit] wechseln oder das Training auf tausend Rechnern starten musst, bleibt deine Umgebung persistent.“

Lightning Studios für Training und Entwicklung einrichten#

Anschließend zeigte Luca, wie schnell du mit Lightning Studios beginnen kannst. Mit nur wenigen Klicks kannst du ein neues Studio öffnen und auf Tools und Umgebungen wie Jupyter Notebooks und VS Code zugreifen, die bereits für die Programmierung eingerichtet und bereit sind. Er zeigte, wie einfach sich zwischen verschiedenen Rechnern wechseln lässt. Wenn deine aktuelle Aufgabe mehr Leistung erfordert, kannst du problemlos von einer CPU zu einer leistungsfähigeren GPU wechseln. Die GPU bleibt nur während der Nutzung aktiv. Andernfalls wechselt sie in den Ruhemodus, wodurch deine Credits gespart werden.

Luca erwähnte außerdem die Vorteile von Studio Templates. Dabei handelt es sich um von der Community vorbereitete Umgebungen für die KI-Programmierung, die du ohne eigene Einrichtung verwenden kannst. Das Einrichten einer Umgebung für KI-Projekte kann zeitaufwendig sein, und Studio Templates können dazu beitragen, die Produktivität zu steigern. Diese Umgebungen enthalten bereits alles, was für KI-Projekte benötigt wird, etwa installierte Abhängigkeiten, Modellgewichte, Daten und Code.

Abb. 2 Luca erklärt, was Studio Templates sind.

Ultralytics YOLO-Modelle auf Lightning Studios trainieren#

Anschließend ging Luca zur Live-Demo über und zeigte, wie du Lightning Studio zum Trainieren von Ultralytics YOLO-Modellen verwenden kannst. Er öffnete ein Studio Template, in dem bereits alle Abhängigkeiten installiert waren, und startete einen Rechner mit vier GPUs, um den Trainingsprozess zu beschleunigen. In Bezug auf die Daten erklärte er, dass du sie entweder direkt auf dem Rechner speichern oder aus der Cloud streamen kannst, wodurch der Trainingsprozess schneller und effizienter wird.

Innerhalb weniger Sekunden war der Rechner bereit, und Luca startete schnell die Trainingseinheit. Während der Demo führte ein kleineres Problem dazu, dass der Rechner unerwartet angehalten wurde. Lightning Studios setzte den Vorgang jedoch nahtlos an der unterbrochenen Stelle fort, sodass kein Fortschritt verloren ging. Luca wies darauf hin, dass diese Zuverlässigkeit auch bei unerwarteten Unterbrechungen reibungslose Arbeitsabläufe ermöglicht.

Im weiteren Verlauf der Demo zeigte er, wie einfach sich der Trainingsfortschritt mit TensorBoard überwachen lässt, einem Tool zur Visualisierung von Metriken des maschinellen Lernens in Echtzeit. Lightning Studio macht dies noch einfacher, indem automatisch URLs generiert werden, über die du oder deine Teammitglieder im selben Arbeitsbereich auf TensorBoard-Ansichten zugreifen können, ohne dass eine zusätzliche Einrichtung erforderlich ist. Das vereinfacht die Zusammenarbeit und sorgt dafür, dass alle auf demselben Stand bleiben.

Abb. 3. Ein Ablaufdiagramm zum Training von Ultralytics YOLO-Modellen auf Lightning Studios. Bild vom Autor.

Ultralytics YOLO-Modelle mit LitServe bereitstellen#

Nach der Demo verlagerte Luca den Schwerpunkt seines Vortrags auf ein neues, kürzlich von Lightning AI gestartetes Projekt: LitServe. LitServe vereinfacht den Prozess, ein trainiertes Modell in einen skalierbaren Dienst umzuwandeln, den andere nutzen können, und macht komplexe Bereitstellungspipelines überflüssig. Die Lösung ist darauf ausgelegt, alles von der Paketierung des Modells bis zu seiner Bereitstellung mit minimalem Aufwand zu übernehmen.

Um dies in Echtzeit zu zeigen, führte Luca eine kurze Demo mit einem vortrainierten Ultralytics YOLOv8-Modell durch. Er konnte eine einfache API erstellen, die eingehende Anfragen verarbeitet und innerhalb weniger Sekunden Bildvorhersagen zurückgibt. Das bedeutet, dass jeder diese API mit einem Bild ansprechen und nahezu sofort Ergebnisse für Aufgaben der Bildverarbeitung wie die Objekterkennung erhalten kann. Im Hintergrund wird das Ultralytics YOLOv8-Modell als Dienst bereitgestellt, verarbeitet Anfragen und Bilder effizient und liefert Vorhersagen mit minimaler Latenz.

Abb. 4 Luca präsentiert LitServe von Lightning AI bei YV24.

Er führte eine Inferenz auf einem Bild einer Pizza durch, und Ultralytics YOLOv8 identifizierte erfolgreich Objekte wie die Pizza, einen Löffel und einen Esstisch. Er erklärte, dass die erste Anfrage aufgrund eines „Kaltstarts“ etwas länger dauert, nach dem Aufwärmen des Systems folgende Anfragen jedoch deutlich schneller verarbeitet werden.

Luca fragte anschließend: „Was ist, wenn ich dies für die Außenwelt zugänglich machen möchte?“ Er erklärte, wie sich das Modell mit dem API-Builder-Plug-in ganz einfach in einen live verfügbaren, produktionsreifen Dienst umwandeln lässt. Mit Funktionen wie benutzerdefinierten Domains, zusätzlicher Sicherheit und nahtloser Integration kannst du dein Modell problemlos für alle zugänglich machen.

Die wichtigsten Vorteile von Lightning Studios#

Zum Abschluss seines Vortrags sprach Luca über die Skalierbarkeit und Flexibilität von Lightning Studio für die KI-Entwicklung. Er erwähnte, dass die Plattform Modelle auf mehreren Rechnern trainieren und auf bis zu 10.000 Knoten skalieren kann, wobei ein fehlertolerantes Training nach jeder Unterbrechung automatisch fortgesetzt wird.

Wenn beispielsweise ein Trainingsauftrag auf einem GPU-Cluster aufgrund eines Hardwareproblems oder eines Neustarts des Servers unterbrochen wird, sorgt Lightning Studios dafür, dass der Prozess genau an der unterbrochenen Stelle fortgesetzt wird. Dadurch eignet sich die Lösung ideal für umfangreiche KI-Projekte, etwa das Trainieren von Deep-Learning-Modellen mit umfangreichen Datensätzen wie ImageNet oder COCO.

Hier sind einige weitere wichtige Vorteile von Lightning Studios, über die Luca gesprochen hat:

• Kostenlose monatliche GPU-Credits: Nutzer erhalten jeden Monat 15 kostenlose GPU-Credits, die automatisch wieder aufgefüllt werden. So kannst du ohne zusätzliche Kosten experimentieren und entwickeln.
• Verbesserte Zusammenarbeit: Die gemeinsam genutzten Teamarbeitsbereiche und reproduzierbaren Umgebungen von Lightning Studio ermöglichen eine nahtlose Zusammenarbeit und sorgen für Konsistenz und Effizienz bei allen Projekten.
• Flexible Instanzoptionen: Du kannst zwischen unterbrechbaren und nicht unterbrechbaren Instanzen wählen. So lassen sich mit unterbrechbaren Optionen Kosten bei GPU-Rechnern sparen.
• Integration mit vorhandenen Tools: Die Plattform lässt sich in Tools für die Remote-Entwicklung wie SSH und VS Code integrieren und bietet dir die Flexibilität, lokal oder in der Cloud zu arbeiten.

Wichtige Erkenntnisse#

Lucas Keynote bei YV24 zeigte, wie KI in Kombination mit Tools wie Ultralytics YOLO-Modellen und Lightning AI die Lösung realer Probleme verändert. Dadurch können Entwickler leichter Modelle trainieren und bereitstellen, die für die Bewältigung spezifischer Herausforderungen in verschiedensten Branchen entwickelt wurden.

Er veranschaulichte, wie Lightning Studios den gesamten Entwicklungsprozess schneller und zugänglicher macht und es Entwicklern ermöglicht, ganz einfach leistungsstarke Lösungen zu erstellen. Im Zentrum moderner Plattformen wie Lightning AI stehen Bildverarbeitungsmodelle, die die Art und Weise verändern, wie KI-Lösungen Herausforderungen bewältigen. Insbesondere mit dem neuesten Ultralytics YOLO11-Modell können Entwickler Lösungen entwickeln, die eine spürbare Wirkung erzielen.

Tritt unserer Community bei, um über KI und ihre praktischen Anwendungen auf dem Laufenden zu bleiben. Sieh dir unser GitHub-Repository an, um Innovationen in Bereichen wie KI in selbstfahrenden Autos und Bildverarbeitung im Gesundheitswesen zu entdecken.