Ultralytics-YOLO-Modelle mit Lightning AI gezielt trainieren

Ganz gleich, ob du ein erfahrener KI-Entwickler bist oder gerade erst anfängst, dich mit Vision-KI zu beschäftigen: Eine zuverlässige Umgebung zum Ausprobieren und Testen von Computer-Vision-Modellen 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 verschiedene Online-Plattformen unterschiedliche 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: Die All-in-one-Plattform für KI-Entwicklung optimiert den gesamten Prozess von der Datenaufbereitung bis zur Bereitstellung.

Wie wichtig es ist, die KI-Entwicklung einfacher zu gestalten, zeigte sich bei YOLO Vision 2024 (YV24), einer jährlich stattfindenden Hybridveranstaltung von Ultralytics zu Fortschritten in den Bereichen KI und Computer Vision. Luca Antiga, CTO von Lightning AI, hielt einen Vortrag mit dem Titel „Mit YOLO auf Lightning Studios durchstarten“. Darin erläuterte er, wie sich Ultralytics-YOLO-Modelle mit Lightning AI schnell und reibungslos trainieren lassen, ohne sich mit den technischen Komplexitäten auseinandersetzen zu müssen.

In diesem Artikel gehen wir auf die wichtigsten Erkenntnisse aus Lucas Vortrag ein. Dabei behandeln wir sowohl praxisnahe Computer-Vision-Anwendungen als auch Live-Demos zum Trainieren und Bereitstellen von Ultralytics-YOLO-Modellen mit Lightning AI.

KI-Entwicklung mit Lightning AI und Ultralytics YOLO vereinfachen#

Zu Beginn seines Vortrags teilte Luca seine Gedanken und seine Wertschätzung für den Einfluss von YOLO-Modellen in verschiedenen Branchen. Er hob hervor, wie YOLO-Modelle in Bereichen wie der Fertigung und Landwirtschaft eingesetzt werden können. Er sagte: „Ich schätze die Wirkung, die YOLO auf die Community von Machern hatte – auf Menschen, die echte, praktische Probleme lösen müssen. Das liegt mir sehr am Herzen.“

Im Zusammenhang mit dem wachsenden Interesse am Training von KI-Modellen stellte er Lightning AI vor, eine Plattform, die die Entwicklung von KI-Modellen für alle schneller, einfacher und zugänglicher machen soll. Sie eignet sich besonders gut, um schrittweise Verbesserungen an KI-Modellen zu unterstützen und Entwicklern dabei zu helfen, Modelle zu verfeinern und zu verbessern.

Abb. 1. Luca Antiga spricht bei YV24 aus der Ferne über Lightning Studios.

Er wies auch darauf hin, dass Lightning AI PyTorch Lightning ähnelt, einem Framework, das das Training von KI-Modellen vereinfacht. Der Unterschied besteht jedoch darin, dass Lightning AI eine umfassendere Plattform mit einem breiteren Angebot an Tools und Funktionen für den gesamten Entwicklungsprozess von KI-Modellen ist und sich nicht nur auf deren Training beschränkt.

Ein wesentlicher Bestandteil von Lightning AI sind Lightning Studios. Sie bieten eine intuitive Arbeitsumgebung zum Entwerfen, Trainieren und Bereitstellen von KI-Modellen und machen den gesamten Arbeitsablauf reibungsloser und effizienter. Du kannst dir Lightning Studios als reproduzierbare Entwicklungsumgebung für KI vorstellen, die in der Cloud läuft. Zum Beispiel bieten sie eine Umgebung ähnlich einem Jupyter Notebook, die sich duplizieren und mit einer anderen Entwicklerin oder einem anderen Entwickler teilen lässt, um die Zusammenarbeit zu verbessern.

Anschließend erläuterte Luca die Vorteile von Lightning Studios und sagte: „Deine Umgebung zu replizieren ist kein Problem mehr. Wenn du von einem CPU [Central Processing Unit]-Rechner zu einem GPU [Graphics Processing Unit]-Rechner wechseln oder das Training auf tausend Rechnern starten musst, bleibt deine Umgebung erhalten.“

Lightning Studios für Training und Entwicklung einrichten#

Als Nächstes zeigte Luca, wie schnell du mit Lightning Studios loslegen 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 eingerichtet und sofort einsatzbereit sind. Er demonstrierte, wie einfach sich zwischen verschiedenen Rechnern wechseln lässt. Wenn deine Aufgabe mehr Leistung erfordert, kannst du problemlos von einer CPU zu einer leistungsstärkeren GPU wechseln. Die GPU bleibt nur während der Nutzung aktiv und wechselt ansonsten in den Ruhezustand, sodass deine Credits geschont werden.

Luca erwähnte auch die Vorteile der Studio-Vorlagen. Dabei handelt es sich um von der Community vorbereitete KI-Entwicklungsumgebungen, die du ohne eigene Einrichtung nutzen kannst. Das Einrichten einer Umgebung für KI-Projekte kann zeitaufwendig sein; Studio-Vorlagen können die Produktivität 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-Vorlagen sind.

Ultralytics-YOLO-Modelle in Lightning Studios trainieren#

Anschließend ging Luca zur Live-Demo über und zeigte, wie du Lightning Studio zum Trainieren von Ultralytics-YOLO-Modellen nutzen kannst. Er öffnete eine Studio-Vorlage, auf der bereits alle Abhängigkeiten installiert waren, und startete einen Rechner mit vier GPUs, um das Training zu beschleunigen. Zu den Daten sagte er, dass du sie entweder direkt auf dem Rechner speichern oder aus der Cloud streamen kannst, um den Trainingsprozess schneller und effizienter zu gestalten.

Schon nach wenigen Sekunden war der Rechner einsatzbereit, und Luca startete umgehend den Trainingslauf. Während der Demo führte ein kleines Problem dazu, dass der Rechner unerwartet anhielt. Lightning Studios setzte den Trainingslauf jedoch an der unterbrochenen Stelle fort, sodass keine Fortschritte verloren gingen. Luca wies darauf hin, dass diese Zuverlässigkeit reibungslose Arbeitsabläufe auch bei unerwarteten Unterbrechungen 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 erstellt werden, über die du oder deine Teamkollegen im selben Arbeitsbereich ohne zusätzliche Einrichtung TensorBoard-Ansichten aufrufen können. Das erleichtert die Zusammenarbeit und sorgt dafür, dass alle auf dem gleichen Stand sind.

Abb. 3. Flussdiagramm zum Training von Ultralytics-YOLO-Modellen in Lightning Studios. Bild vom Autor.

Ultralytics-YOLO-Modelle mit LitServe bereitstellen#

Nach der Demo richtete Luca den Fokus seines Vortrags auf ein neues, kürzlich von Lightning AI eingeführtes Projekt: LitServe. LitServe vereinfacht es, ein trainiertes Modell in einen skalierbaren Dienst umzuwandeln, den andere nutzen können, und macht komplexe Bereitstellungspipelines überflüssig. Das Tool ist darauf ausgelegt, alles vom Verpacken des Modells bis zu seiner Bereitstellung mit minimalem Aufwand zu übernehmen.

Um das in Echtzeit zu zeigen, führte Luca eine kurze Demo mit einem vortrainierten Modell Ultralytics YOLOv8 vor. Innerhalb weniger Sekunden konnte er eine einfache API erstellen, die eingehende Anfragen verarbeitet und Bildvorhersagen zurückgibt. Das bedeutet, dass jeder ein Bild an diese API senden und fast sofort Ergebnisse für Computer-Vision-Aufgaben wie die Objekterkennung erhalten kann. Im Hintergrund wird das Modell Ultralytics YOLOv8 als Dienst bereitgestellt, der Anfragen effizient verarbeitet, Bilder analysiert und Vorhersagen mit minimaler Latenz liefert.

Abb. 4. Luca stellt bei YV24 LitServe von Lightning AI vor.

Er führte eine Inferenz mit einem Bild einer Pizza durch. Ultralytics YOLOv8 erkannte erfolgreich Objekte wie die Pizza, einen Löffel und einen Esstisch. Er erklärte, dass die erste Anfrage wegen eines „Kaltstarts“ etwas länger dauert, nachfolgende Anfragen jedoch viel schneller verarbeitet werden, sobald das System aufgewärmt ist.

Luca fragte daraufhin: „Was, wenn ich das für die Außenwelt zugänglich machen möchte?“ Er erklärte, wie sich ein Modell mithilfe des API-Builder-Plugins ganz einfach in einen produktionsreifen Dienst verwandeln lässt. Dank Funktionen wie eigenen Domains, zusätzlicher Sicherheit und einfacher Integration kannst du dein Modell problemlos für alle zugänglich machen.

Die wichtigsten Vorteile von Lightning Studios#

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

Wird beispielsweise ein Trainingslauf auf einem GPU-Cluster aufgrund eines Hardwareproblems oder eines Serverneustarts unterbrochen, sorgt Lightning Studios dafür, dass der Prozess genau an der Stelle fortgesetzt wird, an der er angehalten wurde. Damit eignet sich die Plattform ideal für umfangreiche KI-Projekte, etwa zum Trainieren von Deep-Learning-Modellen mit großen Datensätzen wie ImageNet oder COCO.

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

• Monatliche kostenlose 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 Team-Bereiche und reproduzierbaren Umgebungen von Lightning Studio ermöglichen die Zusammenarbeit im Team und sorgen für Einheitlichkeit und Effizienz bei allen Projekten.
• Flexible Instanzoptionen: Du kannst zwischen unterbrechbaren und nicht unterbrechbaren Instanzen wählen. Mit unterbrechbaren Instanzen lassen sich Kosten für GPU-Rechner sparen.
• Integration in vorhandene Tools: Die Plattform lässt sich mit Entwicklungswerkzeugen für die Fernarbeit wie SSH (Secure Shell) und VS Code integrieren. So kannst du flexibel lokal oder in der Cloud arbeiten.

Die wichtigsten Erkenntnisse#

Lucas Keynote bei YV24 zeigte, wie KI in Kombination mit Tools wie den Ultralytics-YOLO-Modellen und Lightning AI verändert, wie wir reale Probleme lösen. Diese Tools erleichtern es Entwicklern, Modelle zu trainieren und bereitzustellen, die für konkrete Herausforderungen in verschiedenen Branchen entwickelt wurden.

Er zeigte, wie Lightning Studios den gesamten Entwicklungsprozess beschleunigen und zugänglicher machen, sodass Entwicklerinnen und Entwickler ganz einfach leistungsstarke Lösungen erstellen können. Im Kern von Plattformen wie Lightning AI verändern Computer-Vision-Modelle die Art und Weise, wie KI-Lösungen Herausforderungen bewältigen. Insbesondere mit Ultralytics YOLO11 und seinem Nachfolger Ultralytics YOLO26 können Entwicklerinnen und Entwickler Lösungen entwickeln, die eine spürbare Wirkung erzielen.

Werde Teil unserer Community, um über KI und ihre praktischen Anwendungen auf dem Laufenden zu bleiben. Sieh dir unser GitHub-Repository an und entdecke Innovationen in Bereichen wie KI für autonomes Fahren und Computer Vision im Gesundheitswesen.