Entraîner sur mesure des modèles Ultralytics YOLO sur Lightning AI

Que tu sois un développeur IA expérimenté ou que tu commences tout juste à explorer l’IA visuelle, disposer d’un environnement fiable pour tester et expérimenter des modèles de vision par ordinateur comme Ultralytics YOLO11 est essentiel. Un environnement regroupe les outils, les ressources et l’infrastructure nécessaires pour concevoir, tester et déployer efficacement des modèles d’IA.

Plusieurs plateformes en ligne proposent différents outils d’IA, mais beaucoup n’offrent pas un environnement unifié couvrant l’ensemble du cycle de vie de l’IA, de la préparation des données au déploiement des modèles. C’est là qu’intervient Lightning AI, une plateforme tout-en-un de développement de l’IA qui rationalise le processus, de la préparation des données au déploiement.

L’importance de simplifier le développement de l’IA a été mise en évidence lors de YOLO Vision 2024 (YV24), un événement hybride annuel organisé par Ultralytics et consacré aux progrès de l’IA et de la vision par ordinateur. Luca Antiga, directeur technique de Lightning AI, a présenté une conférence intitulée « Adopter YOLO avec Lightning Studios », dans laquelle il a expliqué comment entraîner rapidement et simplement des modèles Ultralytics YOLO avec Lightning AI, sans se heurter à des complexités techniques.

Dans cet article, nous passerons en revue les principaux enseignements de l’intervention de Luca, des applications concrètes de la vision par ordinateur aux démonstrations en direct de l’entraînement et du déploiement de modèles Ultralytics YOLO avec Lightning AI.

Simplifier le développement de l’IA avec Lightning AI et Ultralytics YOLO#

Luca a commencé sa conférence en partageant ses réflexions et son appréciation de l’influence des modèles YOLO dans différents secteurs. Il a souligné que les modèles YOLO peuvent être utilisés dans des domaines comme l’industrie manufacturière et l’agriculture. Il a déclaré : « J’apprécie l’impact de YOLO sur la communauté des créateurs, ces personnes qui doivent résoudre des problèmes concrets et pratiques ; cela me tient particulièrement à cœur. »

En lien avec l’intérêt croissant pour l’entraînement de 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 améliorations itératives de l’IA et aider les développeurs à affiner et à améliorer leurs modèles.

Fig. 1. Luca Antiga présentant Lightning Studios à distance lors de YV24.

Il a également indiqué que Lightning AI est comparable à PyTorch Lightning, un framework qui simplifie le processus d’entraînement des modèles d’IA. La différence, toutefois, est que Lightning AI constitue une plateforme plus complète, qui offre un éventail plus large d’outils et de fonctionnalités pour l’ensemble du processus de développement de l’IA, et pas uniquement pour l’entraînement des modèles.

Lightning Studios est un élément essentiel de Lightning AI. Cet environnement intuitif permet de concevoir, d’entraîner et de déployer des modèles d’IA, pour un workflow plus fluide et plus efficace. Tu peux considérer Lightning Studios comme un environnement de développement d’IA reproductible qui fonctionne dans le cloud. Par exemple, il propose un environnement de type Jupyter Notebook qui peut être dupliqué et partagé avec un autre développeur, ce qui facilite la collaboration.

Luca a ensuite détaillé les avantages de Lightning Studios : « Reproduire ton environnement n’est plus un problème. Si tu dois passer d’une machine CPU [unité centrale de traitement] à une machine GPU [unité de traitement graphique] ou lancer un entraînement sur un millier de machines, ton environnement restera persistant. »

Configurer Lightning Studios pour l’entraînement et le développement#

Ensuite, Luca a montré à quel point il est rapide de commencer à utiliser Lightning Studios. En quelques clics, tu peux ouvrir un nouvel espace de travail et accéder à des outils et environnements comme Jupyter Notebooks et VS Code, déjà configurés et prêts pour le codage. Il a montré à quel point il était facile de passer d’une machine à une autre. Si la tâche que tu effectues nécessite davantage de puissance, tu peux facilement passer d’un CPU à un GPU plus puissant. Le GPU reste actif uniquement pendant son utilisation ; sinon, il se met en veille, ce qui te permet d’économiser tes crédits.

Luca a également évoqué les avantages des modèles Studio Templates. Ces environnements de codage pour l’IA sont préconfigurés par la communauté et tu peux les utiliser sans avoir à effectuer de configuration. La mise en place d’un environnement pour des projets d’IA peut prendre du temps, et Studio Templates peut contribuer à améliorer la productivité. Ces environnements sont préchargés avec tout le nécessaire pour les projets d’IA : dépendances installées, poids des modèles, données, code, etc.

Fig. 2. Luca expliquant ce que sont les modèles Studio Templates.

Entraîner des modèles Ultralytics YOLO sur Lightning Studios#

Luca est ensuite passé à la démonstration en direct, en montrant comment utiliser Lightning Studio pour entraîner des modèles Ultralytics YOLO. Il a ouvert un modèle Studio Template dont toutes les dépendances étaient déjà installées, puis a lancé une machine équipée de quatre GPU pour accélérer l’entraînement. Concernant les données, il a expliqué que tu peux choisir de les stocker directement sur la machine ou de les diffuser depuis le cloud, ce qui rend l’entraînement plus rapide et plus efficace.

En quelques secondes, la machine était prête et Luca a rapidement lancé la session d’entraînement. Pendant la démonstration, un petit problème a provoqué l’arrêt inattendu de la machine, mais Lightning Studios a repris là où il s’était arrêté, sans perdre la progression. Luca a souligné que cette fiabilité permet de maintenir des workflows fluides, même en cas d’interruptions imprévues.

Poursuivant la démonstration, il a montré à quel point il est facile de suivre la progression de l’entraînement avec TensorBoard, un outil de visualisation en temps réel des métriques d’apprentissage automatique. Lightning Studio simplifie encore le processus en générant automatiquement des URL qui permettent à tes coéquipiers et à toi-même d’accéder aux vues TensorBoard dans le même espace de travail, sans configuration supplémentaire. Cela facilite la collaboration et permet à toute l’équipe de rester sur la même longueur d’onde.

Fig. 3. Organigramme de l’entraînement de modèles Ultralytics YOLO sur Lightning Studios. Image de l’auteur.

Déployer des modèles Ultralytics YOLO avec LitServe#

Après la démonstration, Luca a orienté sa conférence vers un nouveau projet, LitServe, récemment lancé par Lightning AI. LitServe simplifie la transformation d’un modèle entraîné en un service évolutif utilisable par d’autres, sans avoir besoin de pipelines de déploiement complexes. Il est conçu pour tout prendre en charge, de l’empaquetage du modèle à son déploiement, avec un minimum d’efforts.

Pour le montrer en direct, Luca a fait une brève démonstration avec un modèle Ultralytics YOLOv8 préentraîné. Il a créé en quelques secondes une API simple pour traiter les requêtes entrantes et renvoyer des prédictions sur des images. Ainsi, n’importe qui peut envoyer une image à cette API et obtenir presque instantanément des résultats pour des tâches de vision par ordinateur comme la détection d’objets. En coulisses, le modèle Ultralytics YOLOv8 est déployé sous forme de service : il traite efficacement les requêtes et les images, puis fournit des prédictions avec une latence minimale.

Fig. 4. Luca présentant LitServe de Lightning AI lors de YV24.

Il a lancé une inférence sur une image de pizza, et Ultralytics YOLOv8 a correctement identifié des objets comme la pizza, une cuillère et une table à manger. Il a expliqué que la première requête prend un peu plus de temps à cause d’un « démarrage à froid », mais que les requêtes suivantes sont beaucoup plus rapides une fois le système démarré.

Luca a ensuite demandé : « Et si je veux rendre cela accessible au monde extérieur ? » Il a expliqué que le module API Builder permet de transformer facilement son modèle en un service opérationnel prêt pour la production. Avec des fonctionnalités comme les domaines personnalisés, une sécurité renforcée et une intégration simple, tu peux rendre ton modèle facilement accessible à tous.

Principaux avantages de Lightning Studios#

Pour conclure sa conférence, Luca a abordé l’évolutivité et la flexibilité de Lightning Studio pour le développement de l’IA. Il a expliqué que 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 de GPU est interrompue à cause d’un problème matériel ou du redémarrage d’un serveur, Lightning Studios veille à ce que le processus reprenne exactement là où il s’était arrêté. Cette fonctionnalité en fait une solution idéale pour les projets d’IA à grande échelle, comme l’entraînement de modèles d’apprentissage profond sur des jeux de données massifs tels qu’ImageNet ou COCO.

Voici d’autres avantages clés de Lightning Studios mentionnés par Luca :

• Crédits GPU mensuels gratuits : Les utilisateurs reçoivent 15 crédits GPU gratuits chaque mois, automatiquement rechargés, ce qui leur permet d’expérimenter et de développer sans frais supplémentaires.
• Collaboration renforcée : les espaces d’équipe partagés et les environnements reproductibles de Lightning Studio permettent aux membres de l’équipe de travailler ensemble et garantissent la cohérence et l’efficacité des projets.
• Options d’instances flexibles : La plateforme te permet de choisir entre des instances interruptibles et non interruptibles, et de réduire les coûts des machines GPU grâce aux options interruptibles.
• Intégration aux outils existants : la plateforme s’intègre aux outils de développement à distance comme SSH (Secure Shell) et VS Code, ce qui te permet de travailler localement ou dans le cloud.

Points clés à retenir#

La conférence de Luca à YV24 a montré comment l’IA, associée à des outils comme les modèles Ultralytics YOLO et Lightning AI, change notre façon de résoudre les problèmes concrets. Ces outils permettent aux développeurs d’entraîner et de déployer plus facilement des modèles conçus pour répondre à des problèmes spécifiques dans différents secteurs.

Il a montré comment Lightning Studios accélère et simplifie l’ensemble du processus de développement, permettant aux développeurs de créer facilement des solutions puissantes. Au cœur de plateformes comme Lightning AI, les modèles de vision par ordinateur transforment la manière dont les solutions d’IA relèvent les défis. En particulier, avec Ultralytics YOLO11 et son successeur, Ultralytics YOLO26, les développeurs peuvent créer des solutions qui ont un impact concret.

Rejoins notre communauté pour suivre l’actualité de l’IA et ses applications pratiques. Consulte notre dépôt GitHub pour découvrir les innovations dans des domaines comme les voitures autonomes utilisant l’IA et la vision par ordinateur dans les soins de santé.