13. Januar 2025
Erfahren Sie, wie Lightning AI, das auf der YOLO Vision 2024 vorgestellt wurde, die skalierbare Entwicklung von Vision AI mit schnellerem Modelltraining, Bereitstellung und Zusammenarbeit vereinfacht.
%252520(1).webp)
Ob Sie ein erfahrener KI-Entwickler sind oder gerade erst anfangen, Vision AI zu erkunden, eine zuverlässige Umgebung zum Herumspielen und Experimentieren mit Computer-Vision-Modellen wie Ultralytics YOLO11 ist entscheidend. Eine Umgebung bezieht sich auf die Werkzeuge, Ressourcen und die Infrastruktur, die benötigt werden, um KI-Modelle effizient zu entwerfen, zu testen und bereitzustellen.
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.
Die Relevanz der Vereinfachung der KI-Entwicklung wurde auf der YOLO Vision 2024 (YV24) demonstriert, einer jährlichen Hybridveranstaltung von Ultralytics, die sich auf Fortschritte in den Bereichen KI und Computer Vision konzentrierte. Luca Antiga, CTO von Lightning AI, hielt eine Keynote mit dem Titel 'Going YOLO on Lightning Studios', in der er aufschlüsselte, wie man Ultralytics YOLO-Modelle schnell, reibungslos und ohne technische Komplexität mit Lightning AI trainieren kann.
In diesem Artikel werden wir die wichtigsten Erkenntnisse aus Lucas Vortrag zusammenfassen, von realen Computer-Vision-Anwendungen bis hin zu Live-Demos zum Trainieren und Bereitstellen von Ultralytics YOLO-Modellen mit Lightning AI. Los geht's!
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 Sektoren wie der Fertigung und der Landwirtschaft eingesetzt werden können. Er sagte: 'Ich schätze den Einfluss, den YOLO auf die Community der Entwickler hat - Menschen, die tatsächliche, 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 ähnlich wie PyTorch Lightning ist, einem Framework, das den Prozess des Trainierens 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 Trainieren 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 ging dann auf die Vorteile von Lightning Studios ein und sagte: "Das Replizieren Ihrer Umgebung ist kein Problem mehr. Wenn Sie von einer CPU- [Central Processing Unit] auf eine GPU- [Graphics Processing Unit] Maschine wechseln oder das Training auf tausend Maschinen starten müssen, bleibt Ihre Umgebung erhalten."
Als Nächstes demonstrierte Luca, wie schnell man mit Lightning Studios loslegen kann. Mit nur wenigen Klicks kann man ein neues Studio öffnen und hat Zugriff auf Tools und Umgebungen wie Jupyter Notebooks und VS Code, die alle eingerichtet und bereit zum Programmieren sind. Er zeigte, wie einfach es war, zwischen verschiedenen Maschinen zu wechseln. Wenn die Aufgabe, an der Sie arbeiten, mehr Leistung erfordert, können Sie problemlos von einer CPU auf eine leistungsstärkere GPU umschalten. Die GPU bleibt nur während der Nutzung aktiv; andernfalls wechselt sie in den Schlafmodus, wodurch Sie Credits sparen.
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 hob hervor, wie Sie Lightning Studio verwenden können, um Ultralytics YOLO-Modelle zu trainieren. Er öffnete eine Studio-Vorlage, in 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 Sie die Daten entweder direkt auf der Maschine speichern oder aus der Cloud streamen können, 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 dem Publikum eine kurze Demo mit einem vortrainierten Ultralytics YOLOv8-Modell. Er konnte eine einfache API erstellen, um eingehende Anfragen zu bearbeiten und Bildvorhersagen in wenigen Sekunden zurückzugeben. Das bedeutet, dass jeder diese API mit einem Bild anpingen und fast sofort Ergebnisse für Computer-Vision-Aufgaben wie die Objekterkennung erhalten kann. Im Hintergrund wird das Ultralytics YOLOv8-Modell als Dienst bereitgestellt, der Anfragen effizient bearbeitet, Bilder verarbeitet und Vorhersagen mit minimaler Latenz liefert.
Er führte eine Inferenz auf einem Bild von 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, nachfolgende 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 beispielsweise ein Trainingsjob auf einem GPU-Cluster aufgrund eines Hardwareproblems oder eines Serverneustarts unterbrochen wird, stellt Lightning Studios sicher, dass der Prozess genau dort fortgesetzt wird, wo er unterbrochen wurde. Dies macht es ideal für groß angelegte KI-Projekte, wie z. B. das Trainieren von Deep-Learning-Modellen auf massiven Datensätzen wie ImageNet oder COCO.
Hier sind einige weitere wichtige Vorteile von Lightning Studios, über die Luca gesprochen hat:
Lucas Keynote auf der YV24 hob hervor, wie KI in Kombination mit Tools wie Ultralytics YOLO-Modellen und Lightning AI die Art und Weise verändert, wie wir reale Probleme lösen. Sie erleichtern es Entwicklern, Modelle zu trainieren und bereitzustellen, die zur Lösung spezifischer Probleme in einer Reihe von Branchen entwickelt wurden.
Er veranschaulichte, wie Lightning Studios den gesamten Entwicklungsprozess schneller und zugänglicher macht, sodass Entwickler auf einfache Weise leistungsstarke Lösungen erstellen können. Im Kern von hochmodernen Plattformen wie Lightning AI verändern Computer-Vision-Modelle die Art und Weise, wie KI-Lösungen Herausforderungen bewältigen. Insbesondere mit dem neuesten Ultralytics YOLO11-Modell 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.
