Formación y despliegue de Ultralytics YOLO11 mediante Ultralytics HUB

Abirami Vina

4 min leer

4 de octubre de 2024

Acompáñenos a ver más de cerca cómo puede utilizar Ultralytics HUB para entrenar y desplegar los nuevos modelos YOLO11 de Ultralytics. Le guiaremos paso a paso por el proceso.

Ultralytics YOLO11 es el nuevo modelo de visión por ordenador de última generación diseñado para tareas como la detección de objetos, la clasificación de imágenes y la segmentación de instancias. Es más rápido, preciso y eficaz que las versiones anteriores de los modelos YOLO (You Only Look Once). YOLO11 puede utilizarse para una gran variedad de aplicaciones de visión por ordenador en tiempo real. Lo mejor de todo es que empezar a utilizar Ul tralytics YOLO11 es tan sencillo y directo como el resto de modelos YOLO de Ultralytics.

Anteriormente hablamos de las nuevas características y mejoras de YOLO11 y abordamos el acceso al modelo a través del paquete Python de Ultralytics o Ultralytics HUB. En esta guía, le explicaremos paso a paso cómo utilizar Ultralytics HUB para entrenar e implementar Ultralytics YOLO11 fácilmente. 

Introducción a Ultralytics HUB

Ultralytics HUB es la plataforma sin código y fácil de usar de Ultralytics, diseñada para agilizar todo el proceso, desde la formación hasta el despliegue de los modelos YOLO, incluidos los modelos Ultralytics YOLO11 lanzados recientemente. Tanto si es un experto en IA como si es nuevo en visión por ordenador, el HUB proporciona una interfaz intuitiva que le permite cargar conjuntos de datos, seleccionar modelos preentrenados y ajustarlos a sus necesidades específicas. Con sólo unos clics, podrá entrenar modelos para aplicaciones en tiempo real en sectores que van desde la fabricación a la agricultura. HUB se centra en hacer accesible la IA avanzada sin necesidad de una codificación exhaustiva.

__wf_reserved_inherit
Fig. 1. Ultralytics HUB es una plataforma sin código y fácil de usar.

Ultralytics HUB tiene diferentes opciones de planes, con un nivel gratuito para acceso básico y un plan Pro que ofrece capacidades adicionales como formación en la nube, colaboración en equipo y mayores límites de uso. He aquí un rápido vistazo a algunas de las características clave que ofrece Ultralytics HUB:

  • Soporte de conjuntos de datos personalizados: Cargue y gestione sus propios conjuntos de datos para un entrenamiento más personalizado del modelo.
  • Integración móvil: Ejecute modelos YOLO en dispositivos iOS y Android mediante la aplicación Ultralytics HUB, con aceleración de hardware para un rendimiento optimizado.
  • Recursos en la nube: La infraestructura en la nube habilitada para GPU permite un entrenamiento más rápido y eficiente de los modelos.
  • Gestión sencilla de proyectos: Ultralytics HUB facilita a los usuarios Pro la gestión de proyectos y la colaboración con los miembros del equipo gracias a su función Teams, que agiliza el trabajo en equipo y el uso compartido de recursos.
  • API de inferencia: HUB proporciona API de inferencia tanto compartidas como dedicadas. Los usuarios pueden ejecutar modelos YOLO sin necesidad de configurar un entorno local.
  • Ultralytics HUB-SDK: Nuestro HUB-SDK interno facilita la integración de los servicios de aprendizaje automático de Ultralytics en sus aplicaciones Python.

HUB también se integra con varias plataformas, y los usuarios pueden exportar modelos entrenados a varios formatos como ONNX, TensorFlow y CoreML, haciendo que el despliegue a través de múltiples plataformas sea perfecto. Esencialmente, Ultralytics HUB simplifica las tareas complejas de IA, desde el manejo de conjuntos de datos hasta el despliegue de modelos en tiempo real, todo dentro de una herramienta integral.

Ejecución de inferencias en Ultralytics HUB utilizando YOLO11

Para realizar inferencias en Ultralytics HUB utilizando YOLO11, sólo tiene que ir a la sección "Modelos" y elegir el modelo YOLO11 que le interese. A continuación, puede hacer clic en "Vista previa" para probar el modelo cargando cualquier imagen. 

__wf_reserved_inherit
Fig 2. Pruebe Ultralytics YOLO11 en Ultralytics HUB.

Esta función de HUB permite a cualquier persona, independientemente de su nivel de experiencia, probar las predicciones del modelo con YOLO11 y comprobar su rendimiento. Es una forma sencilla de probar Ultralytics YOLO11 de forma gratuita.

Entrenamiento de un modelo personalizado de Ultralytics YOLO11 en Ultralytics HUB

Después de crear una cuenta, puedes sumergirte directamente en el entrenamiento accediendo al panel de control. Desde allí, puede gestionar sus proyectos, cargar conjuntos de datos y empezar a entrenar sus modelos YOLO11 con facilidad. La plataforma está diseñada para que el proceso sea rápido y lo más sencillo posible.

Uso de conjuntos de datos personalizados para el entrenamiento de YOLO11 en HUB

Una vez que haya iniciado sesión, puede hacer clic en "Conjuntos de datos" en el menú de la izquierda para explorar una serie de conjuntos de datos preexistentes disponibles en Ultralytics HUB. Estos conjuntos de datos se adaptan a diversas tareas, como la detección de objetos con cajas delimitadoras orientadas (OBB ) y la estimación de poses. Por ejemplo, puede utilizar COCO128 para la detección de objetos con 80 clases o Fashion-MNIST para la clasificación de imágenes. Estos conjuntos de datos están disponibles y optimizados para el entrenamiento de modelos YOLO

__wf_reserved_inherit
Fig. 3. Ultralytics HUB ofrece una forma cómoda de gestionar y aplicar sus conjuntos de datos personalizados.

Si desea trabajar con sus propios datos, puede cargar conjuntos de datos personalizados. Al hacerlo, asegúrate de que tu conjunto de datos sigue la estructura de YOLO, incluido un archivo YAML con el formato adecuado en el directorio raíz, y de que está comprimido. 

Una vez que su conjunto de datos esté listo, puede hacer clic en el botón "Cargar conjunto de datos", seleccionar el tipo de tarea y cargar el archivo ZIP. Una vez cargado, Ultralytics HUB valida automáticamente su conjunto de datos y usted puede comenzar inmediatamente a entrenar los modelos YOLO. También puede gestionar y ver los detalles de su conjunto de datos, como las divisiones de imágenes (entrenamiento, validación, prueba), y analizar los datos para asegurarse de que están listos para el entrenamiento del modelo.

__wf_reserved_inherit
 Fig. 4. Puede cargar un conjunto de datos personalizado y ver sus detalles.

Formación y supervisión eficaces de YOLO11 con Ultralytics HUB

Para empezar a entrenar un modelo YOLO11 utilizando la función de entrenamiento en la nube de Ultralytics HUB, tendrá que actualizar al plan Pro. Como usuario Pro, dispondrá de recursos de GPU para un entrenamiento más rápido y eficiente. Una vez actualizado, acceda a la sección "Modelos", seleccione la variación del modelo YOLO11 que desee y configure los ajustes de entrenamiento. 

__wf_reserved_inherit
 Fig 5. Entrene un modelo YOLO11 en HUB con unos pocos clics.

Puede elegir el número de épocas (que definen cuántas veces pasará el modelo por el conjunto de datos) o establecer una duración específica para el entrenamiento cronometrado. Antes de que comience el entrenamiento del modelo, Ultralytics HUB inicializará una instancia de GPU dedicada para garantizar un rendimiento optimizado. Dependiendo de la demanda, la inicialización puede llevar algún tiempo, pero no se aplicará ningún cargo a su cuenta durante este proceso.

Tras finalizar la configuración, haga clic en "Iniciar formación" para iniciar la sesión. A lo largo del entrenamiento, puedes supervisar el progreso en tiempo real a través de un panel de control. Le ofrece la posibilidad de pausar, detener o reanudar el entrenamiento según sea necesario. Si el saldo de tu cuenta se agota durante el entrenamiento basado en épocas, la sesión se detendrá, lo que te permitirá recargar tu saldo antes de reanudarla. La plataforma guarda automáticamente los puntos de control, lo que significa que puedes continuar desde donde lo dejaste.

Al final de la formación, puedes comprobar todos los costes a través de la pestaña de facturación, donde encontrarás informes de costes detallados que facilitan el seguimiento de los gastos y la gestión eficaz de la formación.

__wf_reserved_inherit
Fig. 6. Puede supervisar el entrenamiento del modelo a medida que se produce.

Despliegue de su modelo YOLO11 personalizado de Ultralytics mediante HUB

Al desplegar su modelo YOLO11 entrenado a medida con Ultralytics HUB, existen dos opciones principales: la API de inferencia compartida y la API de inferencia dedicada. Para utilizar el modelo desplegado, puede realizar solicitudes de inferencia a la API utilizando Python o cURL, dependiendo de su configuración. El proceso general consiste en enviar un archivo de imagen junto con los parámetros relevantes (como el tamaño de la imagen y los umbrales de confianza) a la API. Ultralytics HUB le devolverá las predicciones en un sencillo formato JSON, que podrá procesar posteriormente.

La API de inferencia compartida es una solución rentable para los usuarios de la capa gratuita y proporciona 100 llamadas por hora y hasta 1.000 llamadas mensuales. Elimina la necesidad de un entorno local y permite un despliegue rápido directamente desde el HUB de Ultralytics.

La API de inferencia dedicada, disponible para usuarios Pro, es más adecuada para despliegues a mayor escala o aplicaciones en tiempo real. Proporciona un despliegue con un solo clic en un entorno dedicado en la nube impulsado por Google Cloud Run. Esta opción está optimizada para aplicaciones de alto rendimiento, garantizando una latencia inferior a 100 ms y una cobertura global en 38 regiones para el procesamiento en tiempo real. También admite funciones de seguridad mejoradas, lo que la hace adecuada para sectores con requisitos estrictos de protección de datos.

Una vez que haya elegido entre la API de inferencia compartida o dedicada para desplegar su modelo YOLO11, los siguientes pasos son sencillos y eficientes. Puede abrir la pestaña "Despliegue" dentro de la página de su modelo en Ultralytics HUB. Si utiliza la API de inferencia compartida, puede consultar esta guía para seguir las instrucciones para configurar sus llamadas a la API. Para los usuarios de la API de Inferencia Dedicada, simplemente haga clic en el botón Iniciar Endpoint para iniciar el endpoint. Una vez activo, HUB le proporcionará una URL única que podrá utilizar para sus tareas de inferencia.

__wf_reserved_inherit
Fig 7. Utilizar la API de inferencia dedicada de Ultralytics HUB es sencillo.

Otras opciones de despliegue ofrecidas por HUB

Si su proyecto necesita un modelo en un formato específico o para uso offline, Ultralytics HUB ofrece opciones de exportación como ONNX, CoreML o TensorFlow para soportar varias plataformas, desde móviles a sistemas en la nube. Para los desarrolladores que buscan integrar modelos directamente en las aplicaciones, el Ultralytics HUB-SDK proporciona una forma eficiente de gestionar los despliegues a través de Python. Mediante el uso de claves API o credenciales de Ultralytics, puede controlar fácilmente el despliegue y ejecutar inferencias en su código, lo que le proporciona la flexibilidad necesaria para una integración perfecta.

Principales conclusiones

Ultralytics HUB es una plataforma todo en uno diseñada para que la formación y el despliegue de modelos YOLO11 sean accesibles tanto para principiantes como para expertos. Admite una amplia gama de tareas, desde la carga de conjuntos de datos hasta la configuración del entrenamiento, y ofrece opciones de despliegue flexibles como las API de inferencia compartida y dedicada. HUB garantiza una integración perfecta en todas las plataformas, ya se trate de la implantación a través de API o de la exportación de modelos para su uso sin conexión. Con opciones para aplicaciones en tiempo real y soluciones escalables, Ultralytics HUB puede utilizarse para una amplia gama de necesidades de despliegue, tanto para usuarios principiantes como avanzados.

Explore nuestro repositorio de GitHub y únase a nuestra vibrante comunidad para profundizar en la IA. Descubra cómo Vision AI está impulsando la innovación en sectores como la sanidad y la agricultura.

¡Construyamos juntos el futuro
de la IA!

Comience su viaje con el futuro del aprendizaje automático

Empezar gratis
Enlace copiado en el portapapeles