Entraînement personnalisé de modèles Ultralytics YOLO sur Lightning AI

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

Bien que plusieurs plateformes en ligne proposent différents outils d'IA, beaucoup n'offrent pas d'environnement unifié pour tout le cycle de vie de l'IA, de la préparation des données au déploiement du modèle. C'est là que Lightning AI, une plateforme tout-en-un pour le développement IA, intervient pour rationaliser le processus de la préparation des données au déploiement.

L'importance de simplifier le développement de l'IA a été mise en avant lors de YOLO Vision 2024 (YV24), un événement hybride annuel organisé par Ultralytics qui s'est concentré sur les avancées en IA et en vision par ordinateur. Luca Antiga, CTO de Lightning AI, a prononcé un discours intitulé 'Going YOLO on Lightning Studios', où il a détaillé comment entraîner des modèles Ultralytics YOLO rapidement, de manière fluide et sans se perdre dans les complexités techniques grâce à Lightning AI.

Dans cet article, nous plongerons dans les points clés du discours de Luca, en couvrant tout, des applications réelles de vision par ordinateur aux démonstrations en direct sur l'entraînement et le déploiement de modèles Ultralytics YOLO avec Lightning AI. Commençons !

Link to this sectionUtiliser Lightning AI et Ultralytics YOLO pour simplifier le développement IA#

Luca a commencé son discours en partageant ses réflexions et son appréciation pour l'influence des modèles YOLO à travers diverses industries. 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 - des gens qui doivent résoudre des problèmes concrets et pratiques - cela me touche beaucoup. »

En faisant le lien avec l'intérêt croissant pour l'entraînement 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 pour tout le monde. C'est particulièrement utile pour soutenir les avancées itératives en IA, en aidant les développeurs à affiner et améliorer leurs modèles.

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

Il a également souligné que Lightning AI est similaire à PyTorch Lightning, un framework qui simplifie le processus d'entraînement de modèles IA. Cependant, là où il diffère, c'est que Lightning AI est une plateforme plus complète qui offre un ensemble plus large d'outils et de capacités pour tout le processus de développement IA, pas seulement pour l'entraînement des modèles.

Un composant essentiel de Lightning AI est Lightning Studios, qui offre un espace de travail intuitif pour concevoir, entraîner et déployer des modèles IA, rendant le flux de travail fluide et efficace. Tu peux concevoir Lightning Studios comme un environnement de développement reproductible pour l'IA qui tourne dans le cloud. Par exemple, il offre un environnement type Jupyter Notebook qui peut être dupliqué et partagé avec un autre développeur, contribuant à améliorer la collaboration.

Luca a ensuite élaboré sur les avantages de Lightning Studios, déclarant : « Répliquer ton environnement n'est plus un problème. Si tu as besoin de passer d'une machine CPU [Central Processing Unit] à une machine GPU [Graphics Processing Unit] ou de lancer un entraînement sur mille machines, ton environnement restera persistant. »

Link to this sectionConfigurer Lightning Studios pour l'entraînement et le développement#

Ensuite, Luca a démontré à quelle vitesse tu peux commencer avec Lightning Studios. En quelques clics, tu peux ouvrir un nouveau studio et avoir accès à des outils et environnements comme Jupyter Notebooks et VS Code, le tout configuré et prêt pour coder. Il a montré à quel point il était facile de basculer entre différentes machines. Si la tâche sur laquelle tu travailles demande plus de puissance, tu peux facilement passer d'un CPU à un GPU plus puissant. Le GPU restera actif seulement pendant l'utilisation ; sinon, il passera en mode veille, ce qui te permet d'économiser tes crédits.

Luca a aussi mentionné les avantages d'utiliser les Studio Templates. Ce sont des environnements de codage IA pré-conçus par la communauté, et tu peux les utiliser sans rien avoir à configurer. Configurer un environnement pour des projets IA peut être long, et les Studio Templates peuvent t'aider à augmenter ta productivité. Ces environnements viennent préchargés avec tout ce qui est nécessaire pour des projets IA, comme les dépendances installées, les poids des modèles, les données, le code, etc.

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

Link to this sectionEntraîner des modèles Ultralytics YOLO sur Lightning Studios#

Luca est ensuite passé à la démonstration en direct, soulignant comment tu peux utiliser Lightning Studio pour entraîner des modèles Ultralytics YOLO. Il a ouvert un Studio Template, qui avait déjà toutes les dépendances installées, et a lancé une machine avec quatre GPU pour accélérer le processus d'entraînement. Concernant les données, il a dit que tu peux choisir de stocker les données directement sur la machine ou de les diffuser depuis le cloud, rendant le processus d'entraînement plus rapide et plus efficace.

En quelques secondes, la machine était prête, et Luca a rapidement lancé la session d'entraînement. Pendant la démo, un problème mineur a causé l'arrêt inattendu de la machine, mais Lightning Studios a repris le travail là où il s'était arrêté de manière transparente, en s'assurant qu'aucune progression ne soit perdue. Luca a souligné comment cette fiabilité favorise des flux de travail fluides, même face à des interruptions inattendues.

En poursuivant la démo, il a montré à quel point il est facile de surveiller la progression de l'entraînement en utilisant TensorBoard, un outil pour visualiser les métriques de machine learning en temps réel. Lightning Studio rend cela encore plus simple en générant automatiquement des URL qui te permettent, à toi ou à tes coéquipiers dans le même espace de travail, d'accéder aux vues TensorBoard sans configuration supplémentaire. Cela rationalise la collaboration et permet à tout le monde d'être sur la même longueur d'onde.

Fig 3. Un organigramme sur l'entraînement des modèles Ultralytics YOLO sur Lightning Studios. Image par l'auteur.

Link to this sectionDéployer des modèles Ultralytics YOLO avec LitServe#

Après la démo, Luca a déplacé le sujet de la conférence vers un nouveau projet, LitServe, récemment lancé par Lightning AI. LitServe simplifie le processus consistant à prendre un modèle entraîné et à le transformer en un service évolutif que d'autres peuvent utiliser, éliminant le besoin de pipelines de déploiement complexes. Il est conçu pour gérer tout, de l'empaquetage du modèle à son déploiement avec un effort minimal.

Pour montrer cela en temps réel, Luca a fait une démo rapide à l'audience 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'image en quelques secondes. Cela signifie que n'importe qui peut pinger cette API avec une image et recevoir presque instantanément des résultats pour des tâches de vision par ordinateur comme la détection d'objets. En coulisses, le modèle Ultralytics YOLOv8 est déployé comme un service, gérant efficacement les requêtes, traitant les images et fournissant des prédictions avec une latence minimale.

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

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 même 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 le système échauffé.

Luca a alors demandé : « Et si je veux exposer cela au monde extérieur ? » Il a expliqué comment le plugin API Builder rend la transformation de ton modèle en un service opérationnel et prêt pour la production simple. Avec des fonctionnalités comme des domaines personnalisés, une sécurité renforcée et une intégration fluide, tu peux facilement rendre ton modèle accessible à quiconque.

Link to this sectionAvantages clés de l'utilisation de Lightning Studios#

Pour conclure son intervention, Luca a abordé l'évolutivité et la flexibilité de Lightning Studio pour le développement IA. Il a mentionné comment la plateforme peut entraîner des modèles sur plusieurs machines, montant jusqu'à 10 000 nœuds, avec un entraînement tolérant 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 de serveur, Lightning Studios s'assure que le processus reprend exactement là où il s'est arrêté. Cela le rend idéal pour des projets d'IA à grande échelle, comme l'entraînement de modèles de deep learning sur des jeux de données massifs tels qu'ImageNet ou COCO.

Voici quelques autres avantages clés de Lightning Studios dont Luca a parlé :

• Crédits GPU mensuels gratuits : Les utilisateurs reçoivent 15 crédits GPU gratuits chaque mois, qui se renouvellent automatiquement, garantissant que tu puisses expérimenter et développer sans coûts supplémentaires.
• Collaboration améliorée : Les espaces d'équipe partagés de Lightning Studio et les environnements reproductibles permettent aux membres de l'équipe de travailler ensemble de manière fluide, garantissant cohérence et efficacité sur les projets.
• Options d'instance flexibles : Cela te donne la flexibilité de choisir entre des instances interruptibles et non-interruptibles, permettant aux utilisateurs de réduire les coûts sur les machines GPU avec des options interruptibles.
• Intégration avec les outils existants : La plateforme s'intègre avec des outils de développement à distance comme SSH (Secure Socket Shell) et VS Code, offrant la flexibilité de travailler localement ou dans le cloud.

Link to this sectionPoints clés#

Le discours de Luca à la YV24 a mis en lumière comment l'IA, combinée à des outils comme les modèles Ultralytics YOLO et Lightning AI, change la façon dont nous résolvons des problèmes réels. Ils rendent plus facile pour les développeurs d'entraîner et de déployer des modèles conçus pour aborder des problèmes spécifiques dans une gamme d'industries.

Il a illustré comment Lightning Studios rend l'ensemble du processus de développement plus rapide et plus accessible, permettant aux développeurs de créer des solutions puissantes facilement. Au cœur des plateformes de pointe comme Lightning AI, les modèles de vision par ordinateur transforment la manière dont les solutions IA gèrent les défis. En particulier, avec le dernier modèle Ultralytics YOLO11, les développeurs peuvent construire des solutions qui ont un impact significatif.

Rejoins notre communauté pour rester informé sur l'IA et ses utilisations pratiques. Consulte notre dépôt GitHub pour explorer les innovations dans des secteurs comme l'IA dans les voitures autonomes et la vision par ordinateur dans les soins de santé.