13 de enero de 2025
Explore cómo Lightning AI, presentado en YOLO Vision 2024, simplifica el desarrollo escalable de visión artificial con un entrenamiento, implementación y colaboración de modelos más rápidos.
%252520(1).webp)
Tanto si eres un desarrollador de IA experimentado como si estás empezando a explorar la visión artificial, es fundamental contar con un entorno fiable para jugar y experimentar con modelos de visión artificial como Ultralytics YOLO11. Un entorno se refiere a las herramientas, los recursos y la infraestructura necesarios para diseñar, probar e implementar modelos de IA de forma eficiente.
Si bien varias plataformas en línea ofrecen diferentes herramientas de IA, muchas no proporcionan un entorno unificado para todo el ciclo de vida de la IA, desde la preparación de datos hasta la implementación del modelo. Aquí es donde Lightning AI, una plataforma todo en uno para el desarrollo de la IA, interviene para agilizar el proceso desde la preparación de los datos hasta la implementación.
La relevancia de facilitar el desarrollo de la IA se puso de manifiesto en YOLO Vision 2024 (YV24), un evento híbrido anual organizado por Ultralytics que se centró en los avances en IA y visión artificial. Luca Antiga, CTO de Lightning AI, pronunció una charla magistral titulada 'Going YOLO on Lightning Studios', en la que explicó cómo entrenar los modelos YOLO de Ultralytics de forma rápida, fluida y sin involucrarse en las complejidades técnicas utilizando Lightning AI.
En este artículo, profundizaremos en las principales conclusiones de la charla de Luca, cubriendo todo, desde aplicaciones de visión artificial del mundo real hasta demostraciones en vivo sobre el entrenamiento e implementación de modelos YOLO de Ultralytics con Lightning AI. ¡Empecemos!
Luca comenzó su discurso de apertura compartiendo sus pensamientos y aprecio por la influencia de los modelos YOLO en diversas industrias. Destacó cómo los modelos YOLO se pueden aplicar en sectores como la fabricación y la agricultura. Dijo: 'Agradezco el impacto que YOLO ha tenido en la comunidad de constructores, personas que necesitan resolver problemas reales y prácticos, esto es muy cercano a mí'.
Conectando esto al creciente interés en el entrenamiento de la IA, presentó Lightning AI, una plataforma diseñada para hacer que el desarrollo de modelos de IA sea más rápido, más simple y más accesible para todos. Es especialmente útil para apoyar los avances iterativos en la IA, ayudando a los desarrolladores a refinar y mejorar los modelos.
También señaló que Lightning AI es similar a PyTorch Lightning, un framework que simplifica el proceso de entrenamiento de modelos de IA. Sin embargo, se diferencia en que Lightning AI es una plataforma más completa que proporciona un conjunto más amplio de herramientas y capacidades para todo el proceso de desarrollo de la IA, no solo para el entrenamiento de modelos de IA.
Un componente vital de Lightning AI es Lightning Studios, que ofrece un espacio de trabajo intuitivo para diseñar, entrenar y desplegar modelos de IA, haciendo que todo el flujo de trabajo sea fluido y eficiente. Puede pensar en Lightning Studios como un entorno de desarrollo reproducible para la IA que se ejecuta en la nube. Por ejemplo, ofrece un entorno similar a Jupyter Notebook que puede ser duplicado y compartido con otro desarrollador, ayudando a mejorar la colaboración.
Luca luego explicó las ventajas de Lightning Studios, diciendo: "Replicar su entorno ya no es un problema. Si necesita cambiar de una máquina CPU [Unidad Central de Procesamiento] a una máquina GPU [Unidad de Procesamiento Gráfico] o lanzar el entrenamiento en miles de máquinas, su entorno será persistente".
A continuación, Luca demostró lo rápido que se puede empezar a trabajar con Lightning Studios. Con solo unos clics, puede abrir un nuevo estudio y tener acceso a herramientas y entornos como Jupyter Notebooks y VS Code, todo configurado y listo para programar. Mostró lo fácil que era cambiar entre diferentes máquinas. Si la tarea en la que está trabajando exige más potencia, puede cambiar fácilmente de una CPU a una GPU más potente. La GPU permanecerá activa solo mientras esté en uso; de lo contrario, entrará en modo de suspensión, ahorrando sus créditos.
Luca también mencionó los beneficios de usar Studio Templates. Son entornos de codificación de IA prefabricados por la comunidad, y puede usarlos sin tener que configurar nada. Configurar un entorno para proyectos de IA puede llevar mucho tiempo, y Studio Templates puede ayudar a aumentar la productividad. Estos entornos vienen precargados con todo lo necesario para proyectos de IA, como dependencias instaladas, pesos de modelos, datos, código, etc.
Luca luego pasó a la demostración en vivo, destacando cómo puede usar Lightning Studio para entrenar modelos Ultralytics YOLO. Abrió una Studio Template, que ya tenía todas las dependencias instaladas, y activó una máquina con cuatro GPU para acelerar el proceso de entrenamiento. Con respecto a los datos, dijo que puede optar por almacenar los datos directamente en la máquina o transmitirlos desde la nube, lo que hace que el proceso de entrenamiento sea más rápido y eficiente.
En pocos segundos, la máquina estaba lista y Luca inició rápidamente la sesión de entrenamiento. Durante la demostración, un problema menor hizo que la máquina se detuviera inesperadamente, pero Lightning Studios reanudó sin problemas desde donde lo había dejado, asegurándose de que no se perdiera ningún progreso. Luca señaló cómo esta fiabilidad favorece flujos de trabajo fluidos, incluso ante interrupciones inesperadas.
Continuando con la demostración, mostró lo fácil que es monitorizar el progreso del entrenamiento utilizando TensorBoard, una herramienta para visualizar las métricas de aprendizaje automático en tiempo real. Lightning Studio lo simplifica aún más generando automáticamente URLs que permiten a usted o a sus compañeros de equipo en el mismo espacio de trabajo acceder a las vistas de TensorBoard sin ninguna configuración adicional. Esto agiliza la colaboración y mantiene a todos al tanto.
Después de la demostración, Luca cambió el enfoque de la charla a un nuevo proyecto, LitServe, lanzado recientemente por Lightning AI. LitServe simplifica el proceso de tomar un modelo entrenado y convertirlo en un servicio escalable que otros puedan utilizar, eliminando la necesidad de complejas canalizaciones de implementación. Está diseñado para gestionar todo, desde el empaquetado del modelo hasta su implementación con el mínimo esfuerzo.
Para mostrar esto en tiempo real, Luca le dio a la audiencia una demostración rápida usando un modelo Ultralytics YOLOv8 pre-entrenado. Pudo crear una API simple para manejar las solicitudes entrantes y devolver predicciones de imágenes en unos pocos segundos. Esto significa que cualquiera puede hacer ping a esta API con una imagen y recibir resultados para tareas de visión artificial como la detección de objetos casi al instante. Detrás de escena, el modelo Ultralytics YOLOv8 se implementa como un servicio, manejando eficientemente las solicitudes, procesando imágenes y entregando predicciones con una latencia mínima.
Ejecutó una inferencia en una imagen de pizza, y Ultralytics YOLOv8 identificó con éxito objetos como la pizza, una cuchara y una mesa de comedor. Explicó que, aunque la primera solicitud tarda un poco más debido a un "arranque en frío", las solicitudes posteriores son mucho más rápidas una vez que el sistema se ha calentado.
Luca luego preguntó: '¿Qué pasa si quiero exponer esto al mundo exterior?' Explicó cómo el complemento API Builder simplifica la conversión de su modelo en un servicio en vivo, listo para producción. Con características como dominios personalizados, seguridad adicional e integración perfecta, puede hacer que su modelo sea accesible para cualquier persona fácilmente.
Para concluir su charla, Luca habló de la escalabilidad y la flexibilidad de Lightning Studio para el desarrollo de la IA. Mencionó cómo la plataforma puede entrenar modelos en múltiples máquinas, escalando hasta 10.000 nodos, con un entrenamiento tolerante a fallos que se reanuda automáticamente después de cualquier interrupción.
Por ejemplo, si un trabajo de entrenamiento en un clúster de GPU se interrumpe debido a un problema de hardware o un reinicio del servidor, Lightning Studios se asegura de que el proceso se reanude exactamente donde se quedó. Esto lo hace ideal para proyectos de IA a gran escala, como el entrenamiento de modelos de aprendizaje profundo en conjuntos de datos masivos como ImageNet o COCO.
Aquí hay algunos otros beneficios clave de Lightning Studios de los que habló Luca:
El discurso de apertura de Luca en YV24 destacó cómo la IA, combinada con herramientas como los modelos Ultralytics YOLO y Lightning AI, está cambiando la forma en que resolvemos problemas del mundo real. Facilitan a los desarrolladores el entrenamiento e implementación de modelos diseñados para abordar problemas específicos en una variedad de industrias.
Ilustró cómo Lightning Studios hace que todo el proceso de desarrollo sea más rápido y accesible, permitiendo a los desarrolladores crear soluciones potentes fácilmente. En el núcleo de plataformas de vanguardia como Lightning AI, los modelos de visión artificial están transformando la forma en que las soluciones de IA abordan los retos. En particular, con el último modelo Ultralytics YOLO11, los desarrolladores pueden crear soluciones que tengan un impacto significativo.
Únase a nuestra comunidad para mantenerse al día sobre la IA y sus usos prácticos. Consulte nuestro repositorio de GitHub para explorar innovaciones en sectores como la IA en la conducción autónoma y la visión artificial en la atención médica.
.webp)