13. Januar 2025
Erfahren Sie, wie Lightning AI, das auf der YOLO Vision 2024 vorgestellt wird, die Entwicklung skalierbarer Vision AI durch schnelleres Modelltraining, schnellere Bereitstellung und Zusammenarbeit vereinfacht.
%252520(1).png)
Unabhängig davon, ob Sie ein erfahrener KI-Entwickler sind oder gerade erst damit beginnen, KI zu erforschen, ist eine zuverlässige Umgebung zum Spielen und Experimentieren mit Computer-Vision-Modellen wie Ultralytrics YOLO11 von entscheidender Bedeutung. Eine Umgebung bezieht sich auf die Tools, Ressourcen und die Infrastruktur, die zum effizienten Entwerfen, Testen und Bereitstellen von KI-Modellen erforderlich sind.
Zwar bieten mehrere Online-Plattformen verschiedene KI-Tools an, doch viele bieten keine einheitliche Umgebung für den gesamten KI-Lebenszyklus, von der Datenaufbereitung bis zur Modellbereitstellung. Hier kommt Lightning AI ins Spiel, eine All-in-One-Plattform für die KI-Entwicklung, die den Prozess von der Datenaufbereitung bis zur Bereitstellung rationalisiert.
Wie wichtig es ist, die KI-Entwicklung zu vereinfachen, zeigte sich auf der YOLO Vision 2024 (YV24), einer jährlichen Hybrid-Veranstaltung von Ultralytics, die sich mit Fortschritten in den Bereichen KI und Computer Vision befasste. Luca Antiga, CTO von Lightning AI, hielt eine Keynote mit dem Titel"Going YOLO on Lightning Studios", in der er erläuterte, wie man die YOLO-Modelle von Ultralytics schnell und reibungslos trainieren kann, ohne sich mit der technischen Komplexität von Lightning AI auseinanderzusetzen.
In diesem Artikel gehen wir auf die wichtigsten Erkenntnisse aus Lucas Vortrag ein und decken alles ab, von realen Computer-Vision-Anwendungen bis hin zu Live-Demos zum Training und Einsatz von Ultralytics YOLO-Modellen mit Lightning AI. Legen wir los!
Luca begann seine Keynote, indem er seine Gedanken und seine Wertschätzung für den Einfluss von YOLO-Modellen in verschiedenen Branchen mitteilte. Er hob hervor, wie YOLO-Modelle in Sektoren wie der Fertigung und der Landwirtschaft angewendet werden können. Er sagte: "Ich schätze den Einfluss, den YOLO auf die Gemeinschaft der Konstrukteure hat - Menschen, die konkrete, praktische Probleme lösen müssen - das liegt mir sehr am Herzen.
In Verbindung mit dem wachsenden Interesse an KI-Training stellte er Lightning AI vor, eine Plattform, die die Entwicklung von KI-Modellen schneller, einfacher und für jedermann zugänglich machen soll. 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 mit PyTorch Lightning vergleichbar ist, 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.
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 zum Beispiel eine Jupyter-Notebook-ähnliche Umgebung, die dupliziert und mit anderen Entwicklern geteilt werden kann, um die Zusammenarbeit zu verbessern.
Luca erläuterte dann die Vorteile von Lightning Studios: "Die Replizierung Ihrer Umgebung ist kein Problem mehr. Wenn Sie von einer CPU [Central Processing Unit] Maschine zu einer GPU [Graphics Processing Unit] Maschine wechseln oder ein Training auf tausend Maschinen starten müssen, bleibt Ihre Umgebung bestehen."
Als nächstes demonstrierte Luca, wie schnell man mit Lightning Studios loslegen kann. Mit nur wenigen Klicks können Sie ein neues Studio öffnen und haben Zugriff auf Tools und Umgebungen wie Jupyter Notebooks und VS Code, die alle eingerichtet und bereit zum Programmieren sind. Er zeigte, wie einfach es ist, zwischen verschiedenen Rechnern zu wechseln. Wenn die Aufgabe, an der Sie arbeiten, mehr Leistung erfordert, können Sie einfach von einer CPU auf eine leistungsstärkere GPU umschalten. Die GPU bleibt nur dann aktiv, wenn sie gebraucht wird; andernfalls schaltet sie in den Ruhezustand und spart so Ihr Guthaben.
Luca erwähnte auch die Vorteile der Verwendung von Studio-Vorlagen. Dabei handelt es sich um KI-Codierungsumgebungen, die von der Community vorgefertigt werden und die man verwenden kann, ohne etwas einrichten zu müssen. Das Einrichten einer Umgebung für KI-Projekte kann zeitaufwändig sein, und Studio Templates können die Produktivität steigern. Diese Umgebungen sind mit allem ausgestattet, was für KI-Projekte benötigt wird, wie installierte Abhängigkeiten, Modellgewichte, Daten, Code usw.
Luca ging dann zur Live-Demo über und zeigte, wie Sie Lightning Studio zum Trainieren von Ultralytics YOLO-Modellen verwenden können. Er öffnete eine Studio-Vorlage, auf 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 man wählen kann, ob man die Daten direkt auf der Maschine speichert oder sie aus der Cloud streamt, was den Trainingsprozess schneller und effizienter macht.
Innerhalb weniger Sekunden war die Maschine einsatzbereit, und Luca konnte mit dem Training beginnen. Während der Demo führte ein kleines Problem zu einem unerwarteten Stillstand der Maschine, aber Lightning Studios setzte nahtlos an der Stelle fort, an der es aufgehört hatte, und stellte sicher, dass kein Fortschritt verloren ging. Luca wies darauf hin, wie diese Zuverlässigkeit einen reibungslosen Arbeitsablauf auch bei unerwarteten Unterbrechungen unterstützt.
Im weiteren Verlauf der Demo zeigte er, wie einfach es ist, den Trainingsfortschritt mit TensorBoard zu überwachen, einem Werkzeug zur Visualisierung von Metriken des maschinellen Lernens in Echtzeit. Lightning Studio macht dies noch einfacher, indem es automatisch URLs generiert, über die Sie oder Ihre Teamkollegen im selben Arbeitsbereich auf TensorBoard-Ansichten zugreifen können, ohne dass eine zusätzliche Einrichtung erforderlich ist. Dies vereinfacht die Zusammenarbeit und hält alle auf der gleichen Seite.
Nach der Demo verlagerte Luca den Schwerpunkt des Vortrags auf ein neues Projekt, LitServe, das kürzlich von Lightning AI gestartet wurde. LitServe vereinfacht den Prozess, ein trainiertes Modell in einen skalierbaren Service zu verwandeln, den andere nutzen können, ohne dass komplexe Bereitstellungspipelines erforderlich sind. LitServe ist darauf ausgelegt, alles von der Paketierung des Modells bis zur Bereitstellung mit minimalem Aufwand zu erledigen.
Um dies in Echtzeit zu zeigen, führte Luca den Zuhörern eine kurze Demo vor, bei der er ein bereits trainiertes Ultralytics YOLOv8-Modell verwendete. Er war in der Lage, eine einfache API zu erstellen, um eingehende Anfragen zu verarbeiten und Bildvorhersagen in wenigen Sekunden zurückzugeben. Das bedeutet, dass jeder diese API mit einem Bild anpingen kann und fast sofort Ergebnisse für Computer-Vision-Aufgaben wie die Objekterkennung erhält. Hinter den Kulissen wird das YOLOv8-Modell von Ultralytics als Dienst bereitgestellt, der Anfragen effizient bearbeitet, Bilder verarbeitet und Vorhersagen mit minimaler Latenzzeit liefert.
Er führte eine Inferenz an einem Pizzabild durch, und Ultralytics YOLOv8 identifizierte erfolgreich Objekte wie die Pizza, einen Löffel und einen Esstisch. Er erklärte, dass die erste Anfrage aufgrund eines "Kaltstarts" zwar etwas länger dauert, die nachfolgenden 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 produktionsbereiten Live-Dienst vereinfacht. Mit Funktionen wie benutzerdefinierten Domänen, zusätzlicher Sicherheit und nahtloser Integration können Sie Ihr Modell ganz einfach für jeden zugänglich machen.
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, mit einer Skalierung auf bis zu 10.000 Knoten, mit fehlertolerantem Training, das nach Unterbrechungen automatisch fortgesetzt wird.
Wenn beispielsweise ein Trainingsauftrag auf einem GPU-Cluster aufgrund eines Hardwareproblems oder eines Server-Neustarts unterbrochen wird, sorgt Lightning Studios dafür, dass der Prozess genau dort fortgesetzt wird, wo er aufgehört hat. Damit eignet sich Lightning Studios ideal für umfangreiche KI-Projekte wie das Training von Deep-Learning-Modellen auf umfangreichen Datensätzen wie ImageNet oder COCO.
Hier sind einige weitere wichtige Vorteile von Lightning Studios, über die Luca sprach:
Lucas Keynote auf dem YV24 zeigte auf, 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 Entwicklern das Trainieren und Bereitstellen von Modellen, die für die Lösung spezifischer Probleme in einer Reihe von Branchen entwickelt wurden.
Er erläuterte, wie Lightning Studios den gesamten Entwicklungsprozess beschleunigt und zugänglicher macht, so dass Entwickler problemlos leistungsstarke Lösungen erstellen können. Im Mittelpunkt von innovativen Plattformen wie Lightning AI stehen Computer-Vision-Modelle, die die Art und Weise, wie KI-Lösungen mit Herausforderungen umgehen, verändern. Insbesondere mit dem neuesten Ultralytics YOLO11-Modell können Entwickler Lösungen erstellen, die einen bedeutenden Einfluss haben.
Werden Sie Mitglied unserer Community, um über KI und ihre praktischen Anwendungen auf dem Laufenden zu bleiben. Besuchen Sie unser GitHub-Repository, um Innovationen in Bereichen wie KI in selbstfahrenden Autos und Computer Vision im Gesundheitswesen zu entdecken.
DE
EN
ZH
KO
JA
RU
FR
ES
PT
IT
TR
VI
AR
