Model Weights

Los pesos del modelo son los parámetros entrenables dentro de un modelo de aprendizaje automático que transforman los datos de entrada en salidas predichas. En una red neuronal, estos pesos representan la fuerza de las conexiones entre las neuronas en diferentes capas. Cuando se inicializa un modelo, estos pesos suelen establecerse en valores pequeños y aleatorios, lo que significa que el modelo no "sabe" nada. A través de un proceso llamado entrenamiento, el modelo ajusta iterativamente estos pesos en función de los errores que comete, aprendiendo gradualmente a reconocer patrones, características y relaciones dentro de los datos. Puedes pensar en los pesos del modelo como la "memoria" o el "conocimiento" de la IA; almacenan lo que el sistema ha aprendido de sus datos de entrenamiento.

El papel de los pesos en el aprendizaje#

El objetivo principal de entrenar una red neuronal es encontrar el conjunto óptimo de pesos del modelo que minimice el error entre las predicciones del modelo y la verdad de terreno real. Este proceso implica pasar datos a través de la red —un paso conocido como propagación hacia adelante— y luego calcular un valor de pérdida utilizando una función de pérdida específica. Si la predicción es incorrecta, un algoritmo de optimización como Stochastic Gradient Descent (SGD) o el optimizador Muon más nuevo utilizado en YOLO26 calcula cuánto contribuyó cada peso al error.

A través de una técnica llamada backpropagation, el algoritmo actualiza ligeramente los pesos para reducir el error la próxima vez. Este ciclo se repite miles o millones de veces hasta que los pesos del modelo se estabilizan y el sistema alcanza una alta precisión. Una vez que se completa el entrenamiento, los pesos se "congelan" y se guardan, lo que permite implementar el modelo para la inferencia en datos nuevos y no vistos.

Pesos del modelo frente a sesgos#

Es importante distinguir entre pesos y sesgos, ya que funcionan juntos pero cumplen diferentes propósitos. Mientras que los model weights determinan la fuerza y la dirección de la conexión entre las neuronas (controlando la pendiente de la activación), los sesgos permiten que la función de activación se desplace hacia la izquierda o hacia la derecha. Este desplazamiento garantiza que el modelo pueda ajustarse mejor a los datos, incluso cuando todas las características de entrada sean cero. Juntos, los pesos y los sesgos forman los parámetros entrenables que definen el comportamiento de arquitecturas como Convolutional Neural Networks (CNNs).

Aplicaciones en el mundo real#

Los pesos del modelo son el componente central que permite que los sistemas de IA funcionen en diversas industrias. Aquí tienes dos ejemplos concretos de cómo se aplican:

• Visión por computadora en el comercio minorista: En un sistema de supermercado inteligente, un modelo como YOLO26 utiliza sus pesos entrenados para identificar productos en un estante. Los pesos han "aprendido" características visuales, como la forma de una caja de cereales o el color de una lata de refresco, lo que permite al sistema detectar artículos, gestionar inventarios e incluso facilitar los procesos de pago automatizados de manera eficiente.
• Análisis de imágenes médicas: En el sector de la salud, los modelos de aprendizaje profundo utilizan pesos especializados para analizar radiografías o resonancias magnéticas. Por ejemplo, un modelo entrenado para la detección de tumores utiliza sus pesos para distinguir entre tejido sano y anomalías potenciales. Estos pesos capturan patrones complejos y no lineales en los datos de píxeles que pueden ser sutiles para el ojo humano, ayudando a los radiólogos a realizar diagnósticos más rápidos.

Guardar y cargar pesos#

En la práctica, trabajar con los pesos del modelo implica guardar los parámetros entrenados en un archivo y cargarlos más tarde para la predicción o el fine-tuning. En el ecosistema Ultralytics, estos se almacenan típicamente como archivos .pt (PyTorch).

Aquí tienes un ejemplo sencillo de cómo cargar pesos preentrenados en un modelo YOLO y ejecutar una predicción:

from ultralytics import YOLO

# Load a model with pre-trained weights (e.g., YOLO26n)
model = YOLO("yolo26n.pt")

# Run inference on an image using the loaded weights
results = model("https://ultralytics.com/images/bus.jpg")

# Print the number of detected objects
print(f"Detected {len(results[0].boxes)} objects.")

Aprendizaje por transferencia y ajuste fino#

Uno de los aspectos más potentes de los pesos del modelo es su portabilidad. En lugar de entrenar un modelo desde cero —lo que requiere conjuntos de datos masivos y una potencia de cálculo significativa—, los desarrolladores suelen utilizar el transfer learning. Esto implica tomar un modelo con pesos preentrenados en un gran conjunto de datos como COCO o ImageNet y adaptarlo a una tarea específica.

Por ejemplo, puedes tomar los pesos de un detector de objetos general y ajustarlos en un conjunto de datos más pequeño de paneles solares. Debido a que los pesos preentrenados ya comprenden bordes, formas y texturas, el modelo converge mucho más rápido y requiere menos datos etiquetados. Herramientas como Ultralytics Platform simplifican este proceso, permitiendo a los equipos gestionar conjuntos de datos, entrenar modelos en la nube e implementar pesos optimizados en dispositivos de borde sin problemas.

Compresión y optimización#

La investigación moderna en IA a menudo se centra en reducir el tamaño de archivo de los pesos del modelo sin sacrificar el rendimiento, un proceso conocido como model quantization. Al reducir la precisión de los pesos (por ejemplo, de coma flotante de 32 bits a enteros de 8 bits), los desarrolladores pueden disminuir significativamente el uso de memoria y mejorar la velocidad de inferencia. Esto es crucial para implementar modelos en hardware con recursos limitados, como teléfonos móviles o dispositivos Raspberry Pi. Además, técnicas como el pruning eliminan los pesos que aportan poco a la salida, optimizando aún más el modelo para aplicaciones en tiempo real.