Benutzerdefiniertes Training von Ultralytics YOLO-Modellen auf Lightning AI

Egal, ob du ein erfahrener KI-Entwickler bist oder gerade erst anfängst, Vision AI zu erkunden – eine zuverlässige Umgebung, um mit Computer-Vision-Modellen wie Ultralytics YOLO11 zu experimentieren, ist der Schlüssel zum Erfolg. Eine Umgebung bezieht sich dabei auf die Tools, Ressourcen und die 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.

Wie relevant es ist, die KI-Entwicklung zu erleichtern, wurde auf der YOLO Vision 2024 (YV24) gezeigt, einer jährlichen Hybrid-Veranstaltung von Ultralytics, die sich auf Fortschritte in der 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 darlegte, wie man Ultralytics YOLO-Modelle schnell, reibungslos und ohne technische Komplexität 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!

Link to this sectionKI-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 präsentiert remote über Lightning Studios auf der YV24.

Er wies auch darauf hin, dass Lightning AI Ähnlichkeiten mit PyTorch Lightning aufweist, 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.

Ein wesentlicher Bestandteil von Lightning AI sind die Lightning Studios, die einen intuitiven Arbeitsbereich zum Entwerfen, Trainieren und Bereitstellen von KI-Modellen bieten und den gesamten Workflow nahtlos und effizient gestalten. Du kannst dir Lightning Studios als eine reproduzierbare Entwicklungsumgebung für KI vorstellen, die in der Cloud läuft. Sie bietet beispielsweise eine Jupyter Notebook-ähnliche Umgebung, die dupliziert und mit anderen Entwicklern geteilt werden kann, 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.“

Link to this sectionEinrichtung von Lightning Studios für Training und Entwicklung#

Als Nächstes demonstrierte Luca, wie schnell man mit Lightning Studios loslegen kann. Mit nur wenigen Klicks kannst du ein neues Studio eröffnen und hast Zugriff auf Tools und Umgebungen wie Jupyter Notebooks und VS Code, die bereits fertig für das Coding eingerichtet sind. Er zeigte, wie einfach es ist, zwischen verschiedenen Maschinen zu wechseln. Wenn die Aufgabe mehr Leistung erfordert, kannst du problemlos von einer CPU auf eine leistungsstärkere GPU umsteigen. Die GPU bleibt nur während der Nutzung aktiv; andernfalls geht sie in den Ruhemodus, was deine Credits spart.

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-Vorlagen sind.

Link to this sectionTraining von Ultralytics YOLO-Modellen in Lightning Studios#

Anschließend ging Luca zum Live-Demo über und zeigte, wie man Lightning Studio zum Trainieren von Ultralytics YOLO-Modellen verwendet. Er öffnete eine Studio-Vorlage, bei der alle Abhängigkeiten bereits installiert waren, und startete eine Maschine mit vier GPUs, um den Trainingsprozess zu beschleunigen. In Bezug auf die Daten sagte er, dass du wählen kannst, ob du Daten direkt auf der Maschine speichern oder aus der Cloud streamen möchtest, 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.

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

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

Link to this sectionBereitstellung 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 zeigen, gab Luca dem Publikum eine kurze Demo mit einem vortrainierten Ultralytics YOLOv8-Modell. Er konnte in wenigen Sekunden eine einfache API erstellen, um eingehende Anfragen zu verarbeiten und Bildvorhersagen zurückzugeben. Das bedeutet, dass jeder diese API mit einem Bild anpingen kann und nahezu sofort Ergebnisse für Computer-Vision-Aufgaben wie Objekterkennung erhält. Im Hintergrund wird das Ultralytics YOLOv8-Modell als Dienst bereitgestellt, der Anfragen effizient verarbeitet, Bilder analysiert 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.

Link to this sectionWichtige 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, stellt Lightning Studios sicher, dass der Prozess genau dort fortgesetzt wird, wo er aufgehört hat. Das macht es ideal für groß angelegte KI-Projekte, wie das Trainieren von Deep-Learning-Modellen auf massiven 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.

Link to this sectionWichtige 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.

Tritt unserer Community bei, um über KI und ihre praktischen 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 erkunden.