4. Oktober 2024
Begleite uns bei einem genaueren Blick darauf, wie du Ultralytics HUB verwenden kannst, um die neuen Ultralytics YOLO11-Modelle zu trainieren und bereitzustellen. Wir führen dich Schritt für Schritt durch den Prozess.
Ultralytics YOLO11 ist das neue hochmoderne Computer-Vision-Modell, das für Aufgaben wie Objekterkennung, Bildklassifizierung und Instanzsegmentierung entwickelt wurde. Es ist schneller, genauer und effizienter als frühere Versionen von YOLO-Modellen (You Only Look Once). YOLO11 kann für eine Vielzahl von Echtzeit-Computer-Vision-Anwendungen verwendet werden. Das Beste daran ist, dass der Einstieg in Ultralytics YOLO11 genauso einfach und unkompliziert ist wie bei allen anderen Ultralytics YOLO-Modellen.
Wir haben zuvor die neuen Funktionen und Verbesserungen von YOLO11 besprochen und die Möglichkeit angesprochen, auf das Modell über das Ultralytics Python-Paket oder den Ultralytics HUB zuzugreifen. In diesem Leitfaden führen wir Sie Schritt für Schritt durch die Verwendung von Ultralytics HUB, um Ultralytics YOLO11 einfach zu trainieren und bereitzustellen.
Ultralytics HUB ist die benutzerfreundliche No-Code-Plattform von Ultralytics, die entwickelt wurde, um den gesamten Prozess vom Training bis zur Bereitstellung von YOLO-Modellen zu rationalisieren, einschließlich der neu eingeführten Ultralytics YOLO11-Modelle. Egal, ob Sie ein KI-Experte sind oder neu in der Computer Vision, der HUB bietet eine intuitive Benutzeroberfläche, mit der Sie Datensätze hochladen, vorab trainierte Modelle auswählen und diese für Ihre spezifischen Bedürfnisse feinabstimmen können. Mit nur wenigen Klicks können Sie Modelle trainieren für Echtzeitanwendungen in Branchen, die von Fertigung bis Landwirtschaft reichen. Der HUB konzentriert sich darauf, fortschrittliche KI zugänglich zu machen, ohne dass umfangreiche Programmierkenntnisse erforderlich sind.
Ultralytics HUB bietet verschiedene Planoptionen, mit einer kostenlosen Stufe für den grundlegenden Zugriff und einem Pro-Plan, der zusätzliche Funktionen wie Cloud-Training, Teamzusammenarbeit und erhöhte Nutzungslimits bietet. Hier ist ein kurzer Überblick über einige der wichtigsten Funktionen, die Ultralytics HUB bietet:
HUB lässt sich auch in verschiedene Plattformen integrieren, und Benutzer können trainierte Modelle in verschiedene Formate wie ONNX, TensorFlow und CoreML exportieren, wodurch die Bereitstellung auf mehreren Plattformen nahtlos erfolgt. Im Wesentlichen vereinfacht Ultralytics HUB komplexe KI-Aufgaben, von der Datenverwaltung bis zur Echtzeit-Modellbereitstellung, alles in einem umfassenden Tool.
Um Inferenz auf Ultralytics HUB mit YOLO11 auszuführen, navigieren Sie einfach zum Abschnitt "Modelle" und wählen Sie das YOLO11-Modell aus, an dem Sie interessiert sind. Dann können Sie auf "Vorschau" klicken, um das Modell auszuprobieren, indem Sie ein beliebiges Bild hochladen.
Diese Funktion von HUB ermöglicht es jedem, unabhängig von seinem Erfahrungsstand, Modellvorhersagen mit YOLO11 zu testen und zu sehen, wie es funktioniert. Es ist eine benutzerfreundliche Möglichkeit, kostenlos praktische Erfahrungen mit Ultralytics YOLO11 zu sammeln.
Nach der Erstellung eines Kontos können Sie direkt mit dem Training beginnen, indem Sie auf das Dashboard zugreifen. Dort können Sie Ihre Projekte verwalten, Datensätze hochladen und problemlos mit dem Training Ihrer YOLO11-Modelle beginnen. Die Plattform ist so konzipiert, dass der Prozess schnell und unkompliziert abläuft.
Sobald Sie angemeldet sind, können Sie im Menü auf der linken Seite auf "Datasets" klicken, um eine Reihe von bereits vorhandenen Datensätzen auf Ultralytics HUB zu erkunden. Diese Datensätze sind auf verschiedene Aufgaben zugeschnitten, wie z. B. Objekterkennung mit orientierten Begrenzungsrahmen (OBB) und Pose-Schätzung. Sie können beispielsweise COCO128 für die Objekterkennung mit 80 Klassen oder Fashion-MNIST für die Bildklassifizierung verwenden. Diese Datensätze sind sofort verfügbar und für das Training von YOLO-Modellen optimiert.
Wenn Sie mit Ihren eigenen Daten arbeiten möchten, können Sie benutzerdefinierte Datensätze hochladen. Stellen Sie dabei sicher, dass Ihr Datensatz der YOLO-Struktur folgt, einschließlich einer korrekt formatierten YAML-Datei im Stammverzeichnis, und dass er gezippt ist.
Sobald Ihr Datensatz fertig ist, können Sie auf die Schaltfläche "Datensatz hochladen" klicken, den Aufgabentyp auswählen und die ZIP-Datei hochladen. Nach dem Hochladen validiert Ultralytics HUB Ihren Datensatz automatisch, und Sie können sofort mit dem Training von YOLO-Modellen beginnen. Sie können auch Ihre Datensatzdetails verwalten und anzeigen, z. B. Bildaufteilungen (Training, Validierung, Test), und Daten analysieren, um sicherzustellen, dass sie für das Modelltraining bereit sind.
Um mit dem Training eines YOLO11-Modells mit der Cloud-Trainingsfunktion von Ultralytics HUB zu beginnen, müssen Sie auf den Pro-Plan upgraden. Als Pro-Benutzer stehen Ihnen GPU-Ressourcen für ein schnelleres und effizienteres Training zur Verfügung. Sobald Sie ein Upgrade durchgeführt haben, greifen Sie auf den Abschnitt „Modelle“ zu, wählen Sie Ihre gewünschte YOLO11-Modellvariante aus und konfigurieren Sie die Trainingseinstellungen.
Sie können die Anzahl der Epochen (die definieren, wie oft das Modell den Datensatz durchläuft) wählen oder eine bestimmte Dauer für das zeitgesteuerte Training festlegen. Vor Beginn des Modelltrainings initialisiert Ultralytics HUB eine dedizierte GPU-Instanz, um eine optimierte Leistung zu gewährleisten. Je nach Bedarf kann die Initialisierung einige Zeit dauern, aber Ihrem Konto werden während dieses Prozesses keine Gebühren berechnet.
Nachdem Sie Ihre Einstellungen abgeschlossen haben, klicken Sie auf "Start Training", um die Sitzung zu starten. Während des gesamten Trainings können Sie den Fortschritt in Echtzeit über ein Dashboard verfolgen. Es bietet Ihnen die Möglichkeit, das Training anzuhalten, zu stoppen oder fortzusetzen, je nach Bedarf. Wenn Ihr Kontostand während des epochenbasierten Trainings niedrig ist, wird die Sitzung unterbrochen, sodass Sie Ihr Guthaben aufladen können, bevor Sie fortfahren. Die Plattform speichert automatisch Checkpoints, sodass Sie dort weitermachen können, wo Sie aufgehört haben.
Am Ende des Trainings können Sie alle Kosten über die Registerkarte "Abrechnung" überprüfen, wo Sie detaillierte Kostenberichte finden, die es einfach machen, Ausgaben zu verfolgen und Ihr Training effizient zu verwalten.
Wenn Sie Ihr benutzerdefiniert trainiertes YOLO11-Modell mit Ultralytics HUB bereitstellen, gibt es zwei Hauptoptionen: die Shared Inference API und die Dedicated Inference API. Um das bereitgestellte Modell zu verwenden, können Sie Inferenzanfragen an die API entweder mit Python oder cURL stellen, abhängig von Ihrer Einrichtung. Der allgemeine Prozess umfasst das Senden einer Bilddatei zusammen mit relevanten Parametern (wie Bildgröße und Konfidenzschwellen) an die API. Ultralytics HUB gibt die Vorhersagen in einem einfachen JSON-Format zurück, das Sie weiterverarbeiten können.
Die Shared Inference API ist eine kostengünstige Lösung für Benutzer des kostenlosen Tarifs und bietet 100 Aufrufe pro Stunde und bis zu 1000 Aufrufe pro Monat. Sie macht eine lokale Umgebung überflüssig und unterstützt die schnelle Bereitstellung direkt vom Ultralytics HUB aus.
Die Dedicated Inference API, die Pro-Benutzern zur Verfügung steht, eignet sich besser für größere Bereitstellungen oder Echtzeitanwendungen. Sie bietet eine Ein-Klick-Bereitstellung in einer dedizierten Cloud-Umgebung, die von Google Cloud Run unterstützt wird. Diese Option ist für Hochleistungsanwendungen optimiert und gewährleistet eine Latenz von unter 100 ms und eine globale Abdeckung in 38 Regionen für die Echtzeitverarbeitung. Sie unterstützt auch erweiterte Sicherheitsfunktionen und eignet sich daher für Branchen mit strengen Datenschutzanforderungen.
Sobald Sie sich zwischen der Shared oder Dedicated Inference API für die Bereitstellung Ihres YOLO11-Modells entschieden haben, sind die nächsten Schritte einfach und effizient. Sie können den Tab "Deploy" auf der Seite Ihres Modells im Ultralytics HUB öffnen. Wenn Sie die Shared Inference API verwenden, können Sie diese Anleitung aufrufen, um die Anweisungen zum Einrichten Ihrer API-Aufrufe zu befolgen. Für Benutzer der Dedicated Inference API klicken Sie einfach auf die Schaltfläche Start Endpoint, um den Endpunkt zu starten. Sobald er aktiv ist, stellt Ihnen HUB eine eindeutige URL zur Verfügung, die Sie für Ihre Inferenzaufgaben verwenden können.
Wenn Ihr Projekt ein Modell in einem bestimmten Format oder für die Offline-Nutzung benötigt, bietet Ultralytics HUB Exportoptionen wie ONNX, CoreML oder TensorFlow, um verschiedene Plattformen von mobilen bis hin zu Cloud-Systemen zu unterstützen. Für Entwickler, die Modelle direkt in Anwendungen integrieren möchten, bietet das Ultralytics HUB-SDK eine effiziente Möglichkeit, Bereitstellungen über Python zu verwalten. Durch die Verwendung von API-Schlüsseln oder Ultralytics-Anmeldeinformationen können Sie die Bereitstellung einfach steuern und Inferenz in Ihrem Code ausführen, was Ihnen die Flexibilität gibt, die für eine nahtlose Integration erforderlich ist.
Ultralytics HUB ist eine All-in-One-Plattform, die entwickelt wurde, um das Trainieren und Bereitstellen von YOLO11-Modellen sowohl für Anfänger als auch für Experten zugänglich zu machen. Sie unterstützt eine breite Palette von Aufgaben, vom Hochladen von Datensätzen bis zur Trainingskonfiguration, und bietet flexible Bereitstellungsoptionen wie Shared und Dedicated Inference APIs. Ob Sie die Bereitstellung über APIs vornehmen oder Modelle für die Offline-Nutzung exportieren, HUB gewährleistet eine nahtlose Integration über alle Plattformen hinweg. Mit Optionen für Echtzeitanwendungen und skalierbare Lösungen kann Ultralytics HUB für eine Vielzahl von Bereitstellungsanforderungen sowohl für Anfänger als auch für fortgeschrittene Benutzer eingesetzt werden.
Erkunden Sie unser GitHub-Repository und treten Sie unserer lebendigen Community bei, um tiefer in die KI einzutauchen. Entdecken Sie, wie Vision AI Innovationen in Branchen wie dem Gesundheitswesen und der Landwirtschaft vorantreibt.
