Benutzerdefiniertes Training von Ultralytics YOLO-Modellen auf Lightning AI

Egal, ob du ein erfahrener KI-Entwickler bist oder gerade erst anfängst, die vision AI zu erkunden – eine verlässliche Umgebung zum Ausprobieren und Experimentieren mit Computer-Vision-Modellen wie Ultralytics YOLO11 ist der Schlüssel. Eine Umgebung bezieht sich dabei auf die Werkzeuge, Ressourcen und Infrastruktur, die du benötigst, um KI-Modelle effizient zu entwerfen, zu testen und bereitzustellen.

Obwohl verschiedene Online-Plattformen unterschiedliche KI-Tools anbieten, bieten viele keine einheitliche Umgebung für den gesamten KI-Lebenszyklus, von der Datenvorbereitung bis zur Modellbereitstellung. Hier setzt Lightning AI, eine All-in-One-Plattform für die KI-Entwicklung, an, um den Prozess von der Datenvorbereitung bis hin zur Bereitstellung zu optimieren.

Die Relevanz davon, die KI-Entwicklung einfacher zu gestalten, 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 einen Keynote-Vortrag mit dem Titel 'Going YOLO on Lightning Studios', in dem er erläuterte, wie man Ultralytics YOLO-Modelle schnell, reibungslos und ohne technische Komplexitäten mit Lightning AI trainieren kann.

In diesem Artikel tauchen wir in die wichtigsten Erkenntnisse aus Lucas Vortrag ein und decken alles ab, von praxisnahen Anwendungen für Computer Vision bis hin zu Live-Demos zum Training und zur Bereitstellung von Ultralytics YOLO-Modellen mit Lightning AI. Fangen wir an!

KI-Entwicklung vereinfachen mit Lightning AI und Ultralytics YOLO#

Luca begann seine Keynote damit, seine Gedanken und seine Wertschätzung für den Einfluss von YOLO-Modellen auf verschiedene Branchen zu teilen. 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 – Menschen, die reale, praktische Probleme lösen müssen –, das liegt mir sehr am Herzen.“

Im Zusammenhang mit dem wachsenden Interesse am KI-Training stellte er Lightning AI vor, eine Plattform, die entwickelt wurde, um die Entwicklung von KI-Modellen für jeden schneller, einfacher und zugänglicher zu machen. 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 bei einer Remote-Präsentation über Lightning Studios auf der YV24.

Er wies zudem darauf hin, dass Lightning AI PyTorch Lightning ähnelt, einem Framework, das den Prozess des Trainierens von KI-Modellen vereinfacht. Es unterscheidet sich jedoch dadurch, dass Lightning AI eine umfassendere Plattform ist, die eine größere Bandbreite an Tools und Funktionen für den gesamten KI-Entwicklungsprozess bietet und nicht nur für das Training von KI-Modellen.

Eine entscheidende Komponente von Lightning AI sind die Lightning Studios, die einen intuitiven Arbeitsbereich zum Entwerfen, Trainieren und Bereitstellen von KI-Modellen bieten, wodurch der gesamte Workflow nahtlos und effizient wird. Du kannst dir Lightning Studios wie eine reproduzierbare Entwicklungsumgebung für KI vorstellen, die in der Cloud läuft. So bietet sie beispielsweise eine Jupyter Notebook-ähnliche Umgebung, die du duplizieren und mit einem anderen Entwickler teilen kannst, was die Zusammenarbeit verbessert.

Luca erläuterte dann die Vorteile von Lightning Studios: „Das Replizieren deiner Umgebung ist kein Problem mehr. Wenn du von einem CPU-Rechner [Central Processing Unit] auf einen GPU-Rechner [Graphics Processing Unit] wechseln oder das Training auf tausend Maschinen starten musst, bleibt deine Umgebung persistent.“

Einrichtung von Lightning Studios für Training und Entwicklung#

Als Nächstes demonstrierte Luca, wie schnell du mit Lightning Studios loslegen kannst. Mit nur wenigen Klicks kannst du ein neues Studio öffnen und erhältst Zugriff auf Tools und Umgebungen wie Jupyter Notebooks und VS Code, die bereits eingerichtet und bereit zum Programmieren sind. Er zeigte, wie einfach es ist, zwischen verschiedenen Maschinen zu wechseln. Wenn die Aufgabe, an der du arbeitest, mehr Leistung erfordert, kannst du einfach von einer CPU auf eine leistungsstärkere GPU umschalten. Die GPU bleibt dabei nur aktiv, solange sie verwendet wird, andernfalls geht sie in den Ruhemodus, um deine Credits zu sparen.

Luca erwähnte auch die Vorteile der Nutzung von Studio-Vorlagen. Dabei handelt es sich um KI-Coding-Umgebungen, die von der Community erstellt wurden und die du nutzen kannst, ohne etwas einrichten zu müssen. Die Einrichtung einer Umgebung für KI-Projekte kann zeitaufwendig sein, und Studio-Vorlagen können helfen, die Produktivität zu steigern. Diese Umgebungen sind mit allem vorinstalliert, was für KI-Projekte benötigt wird, wie z. B. installierte Abhängigkeiten, Modellgewichte, Daten, Code usw.

Abb. 2: Luca erklärt, was Studio-Templates sind.

Training von Ultralytics YOLO-Modellen in Lightning Studios#

Luca ging dann zur Live-Demo über und zeigte, wie du Lightning Studio nutzen kannst, um Ultralytics YOLO-Modelle zu trainieren. Er öffnete ein Studio-Template, bei dem bereits alle Abhängigkeiten installiert waren, und startete eine Maschine mit vier GPUs, um den Trainingsprozess zu beschleunigen. Bezüglich der Daten sagte er, dass du wählen kannst, ob du die Daten direkt auf der Maschine speicherst oder aus der Cloud streamst, was den Trainingsprozess schneller und effizienter macht.

Innerhalb weniger Sekunden war die Maschine einsatzbereit und Luca startete die Trainingssitzung. Während der Demo verursachte ein kleineres Problem einen unerwarteten Stopp, aber Lightning Studios setzte die Arbeit nahtlos an der Stelle fort, an der sie unterbrochen wurde, sodass kein Fortschritt verloren ging. Luca wies darauf hin, wie diese Zuverlässigkeit reibungslose Arbeitsabläufe unterstützt, selbst bei unerwarteten Unterbrechungen.

Im weiteren Verlauf der Demo zeigte er, wie einfach es ist, den Trainingsfortschritt mit TensorBoard zu überwachen, einem Tool zur Echtzeit-Visualisierung von Metriken für maschinelles Lernen. Lightning Studio macht dies noch einfacher, indem es automatisch URLs generiert, über die du oder deine Teamkollegen im selben Arbeitsbereich ohne zusätzliche Einrichtung auf die TensorBoard-Ansichten zugreifen könnt. Dies optimiert die Zusammenarbeit und sorgt dafür, dass alle auf dem gleichen Stand bleiben.

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

Bereitstellung von Ultralytics YOLO-Modellen mit LitServe#

Nach der Demo verlagerte Luca den Fokus des Vortrags auf ein neues Projekt namens LitServe, das kürzlich von Lightning AI gestartet wurde. LitServe vereinfacht den Prozess, ein trainiertes Modell in einen skalierbaren Dienst umzuwandeln, den andere nutzen können, wodurch komplexe Bereitstellungs-Pipelines überflüssig werden. Es wurde entwickelt, um alles von der Paketierung des Modells bis hin zur Bereitstellung mit minimalem Aufwand zu erledigen.

Um dies in Echtzeit zu demonstrieren, gab Luca dem Publikum eine kurze Live-Demo mit einem vortrainierten Ultralytics YOLOv8-Modell. Er konnte innerhalb weniger Sekunden eine einfache API erstellen, um eingehende Anfragen zu verarbeiten und Bildvorhersagen zurückzugeben. Das bedeutet, dass jeder diese API mit einem Bild anpingen und fast sofort Ergebnisse für Computer-Vision-Aufgaben wie Objekterkennung erhalten kann. Im Hintergrund wird das Ultralytics YOLOv8-Modell als Service bereitgestellt, das Anfragen effizient verarbeitet, Bilder auswertet und Vorhersagen mit minimaler Latenz liefert.

Abb. 4: Luca präsentiert LitServe von Lightning AI auf der 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, nachfolgende Anfragen jedoch viel schneller sind, sobald das System aufgewärmt ist.

Luca fragte dann: „Was ist, wenn ich das der Außenwelt zugänglich machen möchte?“ Er erläuterte, wie das API Builder-Plugin es einfach macht, dein Modell in einen Live-Dienst zu verwandeln, der produktionsreif ist. Mit Funktionen wie benutzerdefinierten Domains, zusätzlicher Sicherheit und nahtloser Integration kannst du dein Modell problemlos jedem zugänglich machen.

Wichtige Vorteile von Lightning Studios#

Zum Abschluss seines Vortrags ging Luca auf die Skalierbarkeit und Flexibilität von Lightning Studio für die KI-Entwicklung ein. Er erwähnte, wie die Plattform Modelle über mehrere Maschinen hinweg trainieren kann, wobei eine Skalierung auf bis zu 10.000 Knoten möglich ist, inklusive fehlertolerantem Training, das nach Unterbrechungen automatisch fortgesetzt wird.

Wenn beispielsweise ein Trainingsjob auf einem GPU-Cluster aufgrund eines Hardwareproblems oder eines Server-Neustarts unterbrochen wird, stellen Lightning Studios sicher, dass der Prozess genau dort fortgesetzt wird, wo er aufgebrochen ist. Dies macht sie ideal für große KI-Projekte, wie das Training von Modellen für tiefes Lernen auf riesigen Datensätzen wie ImageNet oder COCO.

Hier sind einige weitere wichtige Vorteile von Lightning Studios, die Luca erwähnte:

• Kostenlose monatliche GPU-Credits: Benutzer erhalten jeden Monat 15 kostenlose GPU-Credits, die automatisch aufgefüllt werden, sodass du ohne zusätzliche Kosten experimentieren und entwickeln kannst.
• Verbesserte Zusammenarbeit: Die gemeinsamen Team-Arbeitsbereiche und reproduzierbaren Umgebungen von Lightning Studio ermöglichen es Teammitgliedern, nahtlos zusammenzuarbeiten und sorgen für Konsistenz und Effizienz bei Projekten.
• Flexible Instanzoptionen: Es bietet dir die Flexibilität, zwischen unterbrechbaren und nicht-unterbrechbaren Instanzen zu wählen, wodurch Benutzer bei GPU-Maschinen mit unterbrechbaren Optionen Kosten sparen können.
• Integration mit bestehenden Tools: Die Plattform lässt sich in Remote-Entwicklungstools wie SSH (Secure Socket Shell) und VS Code integrieren, was die Flexibilität bietet, lokal oder in der Cloud zu arbeiten.

Wichtige Erkenntnisse#

Lucas Keynote auf der YV24 verdeutlichte, wie KI, kombiniert 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 darauf ausgelegt sind, spezifische Herausforderungen in einer Vielzahl von Branchen zu bewältigen.

Er veranschaulichte, wie Lightning Studios den gesamten Entwicklungsprozess schneller und zugänglicher macht und es Entwicklern ermöglicht, leistungsstarke Lösungen einfach zu erstellen. Im Kern modernster Plattformen wie Lightning AI verändern Computer-Vision-Modelle, wie KI-Lösungen mit Herausforderungen umgehen. Insbesondere mit dem neuesten Ultralytics YOLO11-Modell können Entwickler Lösungen bauen, die einen bedeutenden Einfluss haben.

Werde Teil von unserer Community, um über KI und deren praktische Anwendungen auf dem Laufenden zu bleiben. Besuche unser GitHub-Repository, um Innovationen in Bereichen wie KI in selbstfahrenden Autos und Computer Vision im Gesundheitswesen zu entdecken.