13 janvier 2025
Découvrez comment Lightning AI, présenté à YOLO Vision 2024, simplifie le développement évolutif de l'IA de vision grâce à une formation, un déploiement et une collaboration de modèles plus rapides.
%252520(1).webp)
Que vous soyez un développeur d'IA expérimenté ou que vous commenciez à explorer l'IA de vision, il est essentiel de disposer d'un environnement fiable pour jouer et expérimenter avec des modèles de vision par ordinateur comme Ultralytics YOLOv8. Un environnement fait référence aux outils, aux ressources et à l'infrastructure nécessaires pour concevoir, tester et déployer efficacement des modèles d'IA.
Bien que plusieurs plateformes en ligne offrent différents outils d'IA, beaucoup ne fournissent pas un environnement unifié pour l'ensemble du cycle de vie de l'IA, de la préparation des données au déploiement du modèle. C'est là qu'intervient Lightning AI, une plateforme tout-en-un pour le développement de l'IA, afin de 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, CTO de Lightning AI, a prononcé un discours d'ouverture intitulé « Going YOLO on Lightning Studios », dans lequel il a expliqué comment entraîner rapidement et facilement les modèles Ultralytics YOLO, sans se soucier des complexités techniques, à l'aide de Lightning AI.
Dans cet article, nous allons plonger dans les principaux points à retenir de la présentation de Luca, couvrant tous les aspects, des applications concrètes de la vision par ordinateur aux démonstrations en direct sur l'entraînement et le déploiement des modèles Ultralytics YOLO avec Lightning AI. Commençons !
Luca a commencé son discours d'ouverture en partageant ses réflexions et son appréciation pour l'influence des modèles YOLO dans divers secteurs. Il a souligné comment les modèles YOLO peuvent être appliqués dans des secteurs comme la fabrication et l'agriculture. Il a déclaré : "J'apprécie l'impact que YOLO a eu sur la communauté des bâtisseurs - les personnes qui ont besoin de résoudre des problèmes réels et pratiques - cela me tient très à cœur."
Parallèlement à l'intérêt croissant pour la formation en 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 avancées itératives en 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 framework qui simplifie le processus d'entraînement 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, entraîner 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 s'exécute sur le cloud. Par exemple, il offre un environnement de type Jupyter Notebook qui peut être dupliqué et partagé avec un autre développeur, ce qui contribue à améliorer la collaboration.
Luca a ensuite développé les avantages de Lightning Studios, en disant : "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 la 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 avoir accès 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 basculer entre différentes machines. 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 restera actif uniquement lorsqu'il est utilisé ; sinon, il passera en mode veille, ce qui vous permettra d'économiser des crédits.
Luca a également mentionné les avantages de l'utilisation des modèles Studio. Ce sont des environnements de codage d'IA qui sont préfabriqués par la communauté, et vous pouvez les utiliser sans avoir à configurer quoi que ce soit. La mise en place d'un environnement pour les projets d'IA peut prendre du temps, et les modèles Studio peuvent aider à augmenter la productivité. Ces environnements sont préchargés avec tout ce qui est nécessaire pour les 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, soulignant comment vous pouvez utiliser Lightning Studio pour entraîner des modèles Ultralytics YOLO. Il a ouvert un modèle Studio, qui avait déjà toutes les dépendances installées, et a lancé une machine avec quatre GPU pour accélérer le processus de formation. En ce qui concerne les données, il a déclaré que vous pouvez choisir de stocker les données directement sur la machine ou de les diffuser en continu depuis le cloud, ce qui rend le processus de formation plus rapide et plus efficace.
En quelques secondes, la machine était prête et Luca a rapidement lancé la session de formation. Au cours de la démonstration, un problème mineur a provoqué l'arrêt inattendu de la machine, mais Lightning Studios a repris de manière transparente là où elle s'était arrêtée, s'assurant qu'aucun progrès n'était perdu. Luca a souligné comment cette fiabilité favorise des flux de travail fluides, même face à des interruptions imprévues.
Poursuivant avec la démonstration, il a montré à quel point il est facile de surveiller la progression de l'entraînement à l'aide de TensorBoard, un outil de visualisation des métriques d'apprentissage automatique en temps réel. Lightning Studio simplifie encore davantage cette tâche en générant automatiquement des URL qui permettent à vous ou à vos coéquipiers du même espace de travail d'accéder aux vues TensorBoard sans aucune configuration supplémentaire. Cela rationalise la collaboration et permet à chacun de rester sur la même longueur d'onde.
Après la démonstration, Luca a recentré la discussion sur un nouveau projet, LitServe, récemment lancé par Lightning AI. LitServe simplifie le processus de transformation d'un modèle entraîné en un service scalable que d'autres peuvent utiliser, éliminant ainsi le besoin de pipelines de déploiement complexes. Il est conçu pour gérer tout, de l'empaquetage du modèle à son déploiement, avec un minimum d'effort.
Pour le montrer en temps réel, Luca a fait une démonstration rapide au public en utilisant un modèle Ultralytics YOLOv8 pré-entraîné. Il a pu créer une API simple pour gérer les requêtes entrantes et renvoyer des prédictions d'images en quelques secondes. Cela signifie que n'importe qui peut interroger cette API avec une image et recevoir des résultats pour des tâches de vision par ordinateur comme la détection d'objets presque instantanément. En arrière-plan, le modèle Ultralytics YOLOv8 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 chaud.
Luca a ensuite demandé : "Que se passe-t-il si je veux exposer cela au monde extérieur ?" Il a expliqué comment le plugin API Builder simplifie la transformation de votre modèle en un service en direct, prêt pour la production. Grâce à des fonctionnalités telles que les domaines personnalisés, la sécurité renforcée et l'intégration transparente, vous pouvez facilement rendre votre modèle accessible à tous.
En conclusion de son exposé, 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, en passant à l'échelle jusqu'à 10 000 nœuds, avec une formation tolérante aux pannes qui reprend automatiquement après toute interruption.
Par exemple, si un travail d'entraînement sur un cluster GPU est interrompu 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'était 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 que ImageNet ou COCO.
Voici d'autres avantages clés de Lightning Studios dont Luca a parlé :
La présentation de Luca à YV24 a souligné comment l'IA, combinée à des outils tels que les modèles Ultralytics YOLO et Lightning AI, transforme notre façon de résoudre les problèmes du monde réel. Ces outils permettent aux développeurs d'entraîner et de déployer plus facilement des modèles conçus pour résoudre des problèmes spécifiques dans divers secteurs.
Il a illustré comment Lightning Studios accélère et facilite l'ensemble du processus de développement, permettant aux développeurs de créer facilement des solutions puissantes. Au cœur des plateformes de pointe comme Lightning AI, les modèles de vision par ordinateur transforment la façon dont les solutions d'IA gèrent 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 explorer les innovations dans des secteurs tels que l'IA dans la conduite autonome et la vision par ordinateur dans le secteur de la santé.
