13 janvier 2025
Découvrez comment Lightning AI, présenté à YOLO Vision 2024, simplifie le développement évolutif de l'IA visionnaire en accélérant la formation, le déploiement et la collaboration des modèles.
%252520(1).png)
Que vous soyez un développeur d'IA expérimenté ou que vous commenciez à explorer l'IA visionnaire, il est essentiel de disposer d'un environnement fiable pour jouer et expérimenter avec des modèles de vision artificielle comme Ultralytrics YOLO11. Un environnement fait référence aux outils, aux ressources et à l'infrastructure nécessaires pour concevoir, tester et déployer efficacement des modèles d'IA.
Si plusieurs plateformes en ligne proposent différents outils d'IA, nombre d'entre elles n'offrent pas d'environnement unifié pour l'ensemble du cycle de vie de l'IA, de la préparation des données au déploiement des modèles. C'est là que Lightning AI, une plateforme tout-en-un pour le développement de l'IA, intervient pour rationaliser le processus, de la préparation des données au déploiement.
La pertinence de faciliter le développement de l'IA a été mise en évidence lors de YOLO Vision 2024 (YV24), un événement hybride annuel organisé par Ultralytics qui s'est concentré sur les avancées en matière d'IA et de vision par ordinateur. Luca Antiga, directeur technique de Lightning AI, a donné une conférence intitulée" Going YOLO on Lightning Studios", au cours de laquelle il a expliqué comment entraîner les modèles YOLO d'Ultralytics rapidement, en douceur et sans s'impliquer dans les complexités techniques à l'aide de Lightning AI.
Dans cet article, nous allons nous plonger dans les points clés de la conférence de Luca, en couvrant tout, des applications de vision par ordinateur du monde réel aux démonstrations en direct sur l'entraînement et le déploiement des modèles YOLO d'Ultralytics avec Lightning AI. C'est parti !
Luca a commencé son discours en partageant ses réflexions et son appréciation de l'influence des modèles YOLO dans diverses industries. Il a souligné comment les modèles YOLO peuvent être appliqués dans des secteurs tels que l'industrie manufacturière et l'agriculture. Il a déclaré : "J'apprécie l'impact que YOLO a eu sur la communauté des constructeurs - les personnes qui doivent résoudre des problèmes concrets et pratiques - cela me touche de très près".
Faisant le lien avec l'intérêt croissant pour la formation à l'IA, il a présenté Lightning AI, une plateforme conçue pour rendre le développement de modèles d'IA plus rapide, plus simple et plus accessible à tous. Elle est particulièrement utile pour soutenir les progrès itératifs de l'IA, en aidant les développeurs à affiner et à améliorer les modèles.
Il a également souligné que Lightning AI est similaire à PyTorch Lightning, un cadre qui simplifie le processus de formation des modèles d'IA. Cependant, la différence réside dans le fait que Lightning AI est une plateforme plus complète qui fournit un ensemble plus large d'outils et de capacités pour l'ensemble du processus de développement de l'IA, et pas seulement pour l'entraînement des modèles d'IA.
Un composant essentiel de Lightning AI est Lightning Studios, qui offre un espace de travail intuitif pour concevoir, former et déployer des modèles d'IA, rendant l'ensemble du flux de travail transparent et efficace. Vous pouvez considérer Lightning Studios comme un environnement de développement reproductible pour l'IA qui fonctionne sur le cloud. Par exemple, il offre un environnement de type carnet de notes Jupyter qui peut être dupliqué et partagé avec un autre développeur, ce qui contribue à améliorer la collaboration.
Luca a ensuite expliqué les avantages de Lightning Studios : "La réplication de votre environnement n'est plus un problème. Si vous devez passer d'une machine CPU [Central Processing Unit] à une machine GPU [Graphics Processing Unit] ou lancer une formation sur un millier de machines, votre environnement sera persistant."
Ensuite, Luca a démontré la rapidité avec laquelle vous pouvez démarrer avec Lightning Studios. En quelques clics, vous pouvez ouvrir un nouveau studio et accéder à des outils et des environnements tels que Jupyter Notebooks et VS Code, tous configurés et prêts à coder. Il a montré à quel point il était facile de passer d'une machine à l'autre. Si la tâche sur laquelle vous travaillez exige plus de puissance, vous pouvez facilement passer d'un CPU à un GPU plus puissant. Le GPU ne reste actif que lorsqu'il est utilisé ; sinon, il passe en mode veille, ce qui vous permet d'économiser vos crédits.
Luca a également mentionné les avantages de l'utilisation des Studio Templates. Il s'agit d'environnements de codage de l'IA préfabriqués par la communauté, que vous pouvez utiliser sans avoir à configurer quoi que ce soit. La mise en place d'un environnement pour les projets d'IA peut prendre beaucoup de temps, et les modèles de studio peuvent contribuer à accroître la productivité. Ces environnements sont préchargés avec tout ce qui est nécessaire aux projets d'IA, comme les dépendances installées, les poids des modèles, les données, le code, etc.
Luca est ensuite passé à la démonstration en direct, en soulignant comment vous pouvez utiliser Lightning Studio pour entraîner les modèles YOLO d'Ultralytics. Il a ouvert un Template Studio, qui avait déjà toutes les dépendances installées, et a fait tourner une machine avec quatre GPU pour accélérer le processus d'entraînement. En ce qui concerne les données, il a expliqué que vous pouvez choisir de les stocker directement sur la machine ou de les diffuser à partir du cloud, ce qui rend le processus de formation plus rapide et plus efficace.
En quelques secondes, la machine était prête et Luca a rapidement démarré la session de formation. Pendant la démonstration, un problème mineur a provoqué l'arrêt inopiné de la machine, mais Lightning Studios a repris en douceur là où elle s'était arrêtée, en veillant à ce qu'aucun progrès ne soit perdu. Luca a souligné à quel point cette fiabilité permet des flux de travail fluides, même en cas d'interruptions inattendues.
Poursuivant la démonstration, il a montré à quel point il est facile de suivre les progrès de la formation à l'aide de TensorBoard, un outil permettant de visualiser les métriques d'apprentissage automatique en temps réel. Lightning Studio simplifie encore les choses en générant automatiquement des URL qui vous permettent, à vous ou à vos coéquipiers dans le même espace de travail, d'accéder aux vues de TensorBoard sans aucune configuration supplémentaire. Cela permet de rationaliser la collaboration et de faire en sorte que tout le monde soit sur la même longueur d'onde.
Après la démonstration, Luca a orienté sa présentation vers un nouveau projet, LitServe, récemment lancé par Lightning AI. LitServe simplifie le processus consistant à prendre un modèle formé et à le transformer en un service évolutif que d'autres peuvent utiliser, en éliminant le besoin de pipelines de déploiement complexes. Il est conçu pour tout gérer, de l'emballage du modèle à son déploiement, avec un minimum d'effort.
Pour montrer cela en temps réel, Luca a fait une démonstration rapide en utilisant un modèle YOLOv8 pré-entraîné d'Ultralytics. Il a pu créer une API simple pour traiter les demandes entrantes et renvoyer des prédictions d'images en quelques secondes. Cela signifie que n'importe qui peut envoyer une image à cette API et recevoir presque instantanément des résultats pour des tâches de vision artificielle telles que la détection d'objets. En coulisses, le modèle YOLOv8 d'Ultralytics est déployé en tant que service, gérant efficacement les requêtes, traitant les images et fournissant des prédictions avec une latence minimale.
Il a effectué une inférence sur une image de pizza, et Ultralytics YOLOv8 a identifié avec succès des objets tels que la pizza, une cuillère et une table à manger. Il a expliqué que si la première requête prend un peu plus de temps en raison d'un "démarrage à froid", les requêtes suivantes sont beaucoup plus rapides une fois que le système est réchauffé.
Luca a ensuite posé la question suivante : "Et si je voulais exposer ce modèle au monde extérieur ?". Il a expliqué comment le plugin API Builder simplifie la transformation de votre modèle en un service vivant et prêt à la production. Grâce à des fonctionnalités telles que des domaines personnalisés, une sécurité accrue et une intégration transparente, vous pouvez facilement rendre votre modèle accessible à tous.
Pour conclure son intervention, Luca a évoqué l'évolutivité et la flexibilité de Lightning Studio pour le développement de l'IA. Il a mentionné comment la plateforme peut entraîner des modèles sur plusieurs machines, jusqu'à 10 000 nœuds, avec un entraînement tolérant aux pannes qui reprend automatiquement après toute interruption.
Par exemple, si une tâche d'entraînement sur un cluster GPU est interrompue en raison d'un problème matériel ou d'un redémarrage du serveur, Lightning Studios s'assure que le processus reprend exactement là où il s'est arrêté. Cela le rend idéal pour les projets d'IA à grande échelle, comme l'entraînement de modèles d'apprentissage profond sur des ensembles de données massifs tels qu'ImageNet ou COCO.
Voici d'autres avantages clés des Lightning Studios dont Luca a parlé :
Le discours de Luca à YV24 a mis en évidence la façon dont l'IA, associée à des outils tels que les modèles YOLO d'Ultralytics et Lightning AI, modifie la façon dont nous résolvons les problèmes du monde réel. Ils permettent aux développeurs de former et de déployer plus facilement des modèles conçus pour résoudre des problèmes spécifiques dans un grand nombre de secteurs.
Il a montré comment Lightning Studios rend l'ensemble du processus de développement plus rapide et plus accessible, permettant aux développeurs de créer facilement des solutions puissantes. Au cœur de plateformes de pointe comme Lightning AI, les modèles de vision par ordinateur transforment la manière dont les solutions d'IA relèvent les défis. En particulier, avec le dernier modèle Ultralytics YOLO11, les développeurs peuvent créer des solutions qui ont un impact significatif.
Rejoignez notre communauté pour rester informé sur l'IA et ses utilisations pratiques. Consultez notre dépôt GitHub pour découvrir les innovations dans des secteurs tels que l 'IA dans les voitures autonomes et la vision par ordinateur dans les soins de santé.
FR
EN
ZH
KO
JA
RU
DE
ES
PT
IT
TR
VI
AR
