Entrenamiento personalizado de modelos Ultralytics YOLO en Lightning AI

Tanto si eres un desarrollador de IA con experiencia como si acabas de empezar a explorar la IA aplicada a la visión, contar con un entorno fiable para probar y experimentar con modelos de visión por ordenador como Ultralytics YOLO11 es fundamental. Un entorno reúne las herramientas, los recursos y la infraestructura necesarios para diseñar, probar y desplegar modelos de IA de forma eficiente.

Aunque varias plataformas online ofrecen distintas herramientas de IA, muchas no proporcionan un entorno unificado para todo el ciclo de vida de la IA, desde la preparación de datos hasta el despliegue del modelo. Aquí es donde entra en juego Lightning AI, una plataforma integral para el desarrollo de IA que agiliza el proceso desde la preparación de datos hasta el despliegue.

La importancia de facilitar el desarrollo de IA quedó patente en YOLO Vision 2024 (YV24), un evento híbrido anual organizado por Ultralytics centrado en los avances de la IA y la visión por ordenador. Luca Antiga, director de tecnología de Lightning AI, ofreció una ponencia titulada «Going YOLO on Lightning Studios», en la que explicó cómo entrenar modelos Ultralytics YOLO de forma rápida y sencilla, sin tener que lidiar con complejidades técnicas, usando Lightning AI.

En este artículo analizaremos las principales conclusiones de la charla de Luca, desde aplicaciones de visión artificial en el mundo real hasta demostraciones en directo del entrenamiento y la implementación de modelos Ultralytics YOLO con Lightning AI.

Usar Lightning AI y Ultralytics YOLO para simplificar el desarrollo de IA#

Luca comenzó su ponencia compartiendo sus impresiones y su reconocimiento por la influencia de los modelos YOLO en distintos sectores. Destacó cómo pueden aplicarse en ámbitos como la fabricación y la agricultura. Dijo: «Aprecio el impacto que YOLO ha tenido en la comunidad de creadores: personas que necesitan resolver problemas reales y prácticos. Es algo que me toca muy de cerca».

Al relacionarlo con el creciente interés por el entrenamiento de IA, presentó Lightning AI, una plataforma diseñada para que el desarrollo de modelos de IA sea más rápido, sencillo y accesible para todos. Resulta especialmente útil para impulsar mejoras iterativas en IA y ayudar a los desarrolladores a perfeccionar y mejorar los modelos.

Fig. 1. Luca Antiga presenta a distancia Lightning Studios en YV24.

También señaló que Lightning AI se parece a PyTorch Lightning, un framework que simplifica el proceso de entrenamiento de modelos de IA. Sin embargo, Lightning AI se diferencia por ser una plataforma más completa, que ofrece un conjunto más amplio de herramientas y funciones para todo el proceso de desarrollo de IA, no solo para entrenar modelos de IA.

Un componente esencial de Lightning AI es Lightning Studios, que ofrece un espacio de trabajo intuitivo para diseñar, entrenar e implementar modelos de IA, lo que hace que todo el flujo de trabajo sea más sencillo y eficiente. Puedes pensar en Lightning Studios como un entorno de desarrollo reproducible para IA que se ejecuta en la nube. Por ejemplo, ofrece un entorno similar a Jupyter Notebook que se puede duplicar y compartir con otro desarrollador para facilitar la colaboración.

A continuación, Luca explicó las ventajas de Lightning Studios: «Replicar tu entorno ya no es un problema. Si necesitas pasar de una máquina con CPU [unidad central de procesamiento] a una máquina con GPU [unidad de procesamiento gráfico] o iniciar el entrenamiento en mil máquinas, tu entorno será persistente».

Configurar Lightning Studios para el entrenamiento y el desarrollo#

A continuación, Luca demostró lo rápido que puedes empezar a trabajar con Lightning Studios. Con solo unos clics, puedes abrir un nuevo estudio y acceder a herramientas y entornos como Jupyter Notebooks y VS Code, todo configurado y listo para programar. Mostró lo fácil que era cambiar de una máquina a otra. Si la tarea en la que trabajas necesita más potencia, puedes pasar fácilmente de una CPU a una GPU más potente. La GPU permanece activa solo mientras se utiliza; de lo contrario, entra en modo de suspensión y ahorra tus créditos.

Luca también mencionó las ventajas de usar las plantillas de Studio. Son entornos de programación de IA creados previamente por la comunidad que puedes utilizar sin tener que configurar nada. Preparar un entorno para proyectos de IA puede llevar mucho tiempo, y las plantillas de Studio pueden ayudar a aumentar la productividad. Estos entornos incluyen de antemano todo lo necesario para los proyectos de IA, como dependencias instaladas, pesos de modelos, datos y código.

Fig. 2. Luca explica qué son las plantillas de Studio.

Entrenar modelos Ultralytics YOLO en Lightning Studios#

A continuación, Luca pasó a la demostración en directo y destacó cómo puedes usar Lightning Studio para entrenar modelos Ultralytics YOLO. Abrió una plantilla de Studio que ya tenía instaladas todas las dependencias e inició una máquina con cuatro GPU para acelerar el entrenamiento. En cuanto a los datos, explicó que puedes guardarlos directamente en la máquina o transmitirlos desde la nube, lo que hace que el proceso de entrenamiento sea más rápido y eficiente.

En cuestión de segundos, la máquina estuvo lista y Luca inició rápidamente la sesión de entrenamiento. Durante la demostración, un pequeño problema hizo que la máquina se detuviera de forma inesperada, pero Lightning Studios reanudó el trabajo donde se había quedado y no se perdió ningún avance. Luca señaló que esta fiabilidad permite mantener flujos de trabajo fluidos incluso ante interrupciones imprevistas.

Durante la demostración, mostró lo fácil que es supervisar el progreso del entrenamiento con TensorBoard, una herramienta para visualizar métricas de aprendizaje automático en tiempo real. Lightning Studio lo simplifica aún más al generar automáticamente URL que permiten a tus compañeros de equipo en el mismo espacio de trabajo y a ti acceder a las vistas de TensorBoard sin ninguna configuración adicional. Esto agiliza la colaboración y ayuda a que todo el equipo esté al tanto.

Fig. 3. Diagrama de flujo del entrenamiento de modelos Ultralytics YOLO en Lightning Studios. Imagen del autor.

Desplegar modelos Ultralytics YOLO con LitServe#

Tras la demostración, Luca centró la charla en un nuevo proyecto, LitServe, que Lightning AI había lanzado recientemente. LitServe simplifica el proceso de convertir un modelo entrenado en un servicio escalable que otros pueden utilizar, sin necesidad de complejos procesos de despliegue. Está diseñado para encargarse de todo, desde empaquetar el modelo hasta desplegarlo, con el mínimo esfuerzo.

Para mostrarlo en tiempo real, Luca hizo una breve demostración con un modelo Ultralytics YOLOv8 preentrenado. En unos segundos, pudo crear una API sencilla que gestionaba las solicitudes entrantes y devolvía predicciones sobre imágenes. Esto significa que cualquiera puede enviar una imagen a esta API y recibir casi al instante resultados para tareas de visión por ordenador, como la detección de objetos. En segundo plano, el modelo Ultralytics YOLOv8 está desplegado como un servicio que gestiona las solicitudes, procesa las imágenes y genera predicciones con una latencia mínima.

Fig. 4. Luca presenta LitServe de Lightning AI durante YV24.

Ejecutó una inferencia sobre una imagen de una pizza y Ultralytics YOLOv8 identificó correctamente objetos como la pizza, una cuchara y una mesa de comedor. Explicó que la primera solicitud tarda un poco más debido al «arranque en frío», pero que las solicitudes posteriores son mucho más rápidas una vez que el sistema está en marcha.

Entonces Luca preguntó: «¿Y si quiero poner esto a disposición del público?». Explicó que el complemento API Builder facilita la conversión del modelo en un servicio activo y listo para producción. Con funciones como dominios personalizados, mayor seguridad e integración sencilla, puedes hacer que cualquiera acceda fácilmente a tu modelo.

Principales ventajas de usar Lightning Studios#

Para concluir su charla, Luca habló de la escalabilidad y la flexibilidad de Lightning Studio para el desarrollo de IA. Mencionó que la plataforma puede entrenar modelos en varias máquinas, escalar hasta 10 000 nodos y reanudar automáticamente el entrenamiento tolerante a fallos tras cualquier interrupción.

Por ejemplo, si un trabajo de entrenamiento en un clúster de GPU se interrumpe por un problema de hardware o por el reinicio de un servidor, Lightning Studios se asegura de que el proceso se reanude exactamente donde se había quedado. Esto lo hace ideal para proyectos de IA a gran escala, como entrenar modelos de aprendizaje profundo con conjuntos de datos enormes, como ImageNet o COCO.

Estas son otras ventajas importantes de Lightning Studios que mencionó Luca:

• Créditos mensuales gratuitos de GPU: Los usuarios reciben 15 créditos gratuitos de GPU al mes, que se renuevan automáticamente, para que puedas experimentar y desarrollar sin costes adicionales.
• Colaboración mejorada: Los espacios de equipo compartidos y los entornos reproducibles de Lightning Studio permiten que los miembros del equipo trabajen juntos y garantizan la coherencia y la eficiencia en todos los proyectos.
• Opciones flexibles de instancias: Te ofrece la flexibilidad de elegir entre instancias interrumpibles y no interrumpibles, lo que permite ahorrar en máquinas con GPU al elegir las opciones interrumpibles.
• Integración con herramientas existentes: La plataforma se integra con herramientas de desarrollo remoto como SSH (intérprete de órdenes seguro) y VS Code, lo que te permite trabajar en local o en la nube.

Conclusiones clave#

La ponencia de Luca en YV24 destacó cómo la IA, junto con herramientas como los modelos Ultralytics YOLO y Lightning AI, está cambiando nuestra forma de resolver problemas del mundo real. Estas herramientas facilitan a los desarrolladores el entrenamiento y el despliegue de modelos diseñados para abordar problemas concretos en distintos sectores.

Mostró cómo Lightning Studios agiliza y facilita todo el proceso de desarrollo, lo que permite a los desarrolladores crear soluciones potentes con facilidad. En el núcleo de plataformas como Lightning AI, los modelos de visión artificial están transformando la forma en que las soluciones de IA afrontan los retos. En particular, con Ultralytics YOLO11 y su sucesor, Ultralytics YOLO26, los desarrolladores pueden crear soluciones que tengan un impacto significativo.

Únete a nuestra comunidad para estar al día sobre la IA y sus aplicaciones prácticas. Visita nuestro repositorio de GitHub para descubrir innovaciones en ámbitos como los coches autónomos con IA y la visión por ordenador en la sanidad.