Entraîner des modèles YOLO Ultralytics sur mesure avec Lightning AI
Découvre comment Lightning AI, présenté lors de YOLO Vision 2024, simplifie le développement évolutif de l’IA visuelle grâce à un entraînement des modèles, un déploiement et une collaboration plus rapides.
Que tu sois un développeur expérimenté en IA ou que tu commences tout juste à explorer l’IA de vision, disposer d’un environnement fiable pour manipuler 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 efficacement des modèles d’IA.
Bien que plusieurs plateformes en ligne proposent différents outils d’IA, beaucoup n’offrent pas d’environnement unifié couvrant tout le cycle de vie de l’IA, de la préparation des données au déploiement des modèles. C’est là que Lightning AI intervient : cette plateforme tout-en-un pour le développement de l’IA 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 avancées de l’IA et de la vision par ordinateur. Luca Antiga, directeur technique de Lightning AI, a prononcé une conférence intitulée « Going YOLO on Lightning Studios », dans laquelle il a expliqué comment entraîner rapidement et simplement des modèles Ultralytics YOLO avec Lightning AI, sans avoir à gérer les complexités techniques.
Dans cet article, nous allons examiner 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. C’est parti !
Simplifier le développement de l’IA avec Lightning AI et Ultralytics YOLO#
Luca a commencé sa conférence en partageant ses réflexions et son intérêt pour l’influence des modèles YOLO dans différents secteurs. Il a souligné que les modèles YOLO pouvaient être appliqués dans des domaines comme l’industrie manufacturière et l’agriculture. Il a déclaré : « J’apprécie l’impact de YOLO sur la communauté des créateurs — les personnes qui doivent résoudre des problèmes concrets et pratiques —, car cela me tient particulièrement à cœur. »
En faisant le lien avec l’intérêt croissant pour l’entraînement de modèles d’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, en aidant les développeurs à affiner et à améliorer leurs modèles.
Fig 1. Luca Antiga présentant à distance Lightning Studios lors de YV24.
Il a également souligné que Lightning AI ressemblait à PyTorch Lightning, un framework qui simplifie le processus d’entraînement des modèles d’IA. La différence est toutefois que Lightning AI est une plateforme plus complète, qui fournit un ensemble plus vaste 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 composant essentiel de Lightning AI. Il offre un espace de travail intuitif pour concevoir, entraîner et déployer des modèles d’IA, rendant l’ensemble du workflow fluide et efficace. Tu peux considérer Lightning Studios comme un environnement de développement reproductible pour l’IA, exécuté dans le cloud. Par exemple, il propose un environnement similaire à un Jupyter Notebook, qui peut être dupliqué et partagé avec un autre développeur afin d’améliorer la collaboration.
Luca a ensuite détaillé les avantages de Lightning Studios en déclarant : « Reproduire ton environnement n’est plus un problème. Si tu dois passer d’une machine équipée d’un CPU [unité centrale] à une machine équipée d’un GPU [processeur graphique], ou lancer un entraînement sur un millier de machines, ton environnement restera persistant. »
Configurer Lightning Studios pour l’entraînement et le développement#
Luca a ensuite montré à quelle vitesse tu pouvais démarrer avec Lightning Studios. En quelques clics seulement, tu peux ouvrir un nouveau studio et accéder à des outils et environnements comme les Jupyter Notebooks et VS Code, entièrement configurés et prêts à être utilisés pour coder. Il a montré à quel point il était facile de basculer entre différentes machines. Si la tâche sur laquelle tu travailles exige 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 passe en mode veille, ce qui te permet d’économiser tes crédits.
Luca a également mentionné les avantages des Studio Templates. Ce sont des environnements de programmation pour l’IA préconfigurés par la communauté, que tu peux utiliser sans rien configurer. La mise en place d’un environnement pour les projets d’IA peut prendre du temps, et les Studio Templates peuvent contribuer à accroître la productivité. Ces environnements sont livrés avec tout le nécessaire pour les projets d’IA, notamment les dépendances installées, les poids des modèles, les données, le code, etc.
Fig 2. Luca expliquant ce que sont les 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 Studio Template qui contenait déjà toutes les dépendances installées, puis lancé une machine équipée de quatre GPU pour accélérer le processus d’entraînement. Concernant les données, il a expliqué que tu pouvais choisir de les stocker directement sur la machine ou de les diffuser depuis le cloud, ce qui rend 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 démonstration, un problème mineur a provoqué l’arrêt inattendu de la machine, mais Lightning Studios a repris sans difficulté là où le processus s’était arrêté, garantissant qu’aucune progression ne soit perdue. Luca a souligné que cette fiabilité favorisait des workflows fluides, même en cas d’interruptions imprévues.
Poursuivant la démonstration, il a montré à quel point il était facile de suivre la progression de l’entraînement avec TensorBoard, un outil permettant de visualiser les métriques de machine learning en temps réel. Lightning Studio simplifie encore cette tâche en générant automatiquement des URL qui permettent à toi ou à tes coéquipiers du même espace de travail d’accéder aux vues TensorBoard sans configuration supplémentaire. Cela fluidifie la collaboration et permet à tout le monde de rester synchronisé.
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 la discussion vers un nouveau projet, LitServe, récemment lancé par Lightning AI. LitServe simplifie le processus qui consiste à transformer un modèle entraîné en service évolutif utilisable par d’autres, sans nécessiter 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’effort.
Pour le montrer en temps réel, Luca a proposé au public une démonstration rapide 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 envoyer une image à cette API 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 sous forme de 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 YV24.
Il a lancé 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, bien que la première requête prenne un peu plus de temps en raison d’un « démarrage à froid », les requêtes suivantes sont beaucoup plus rapides une fois le système opérationnel.
Luca a ensuite demandé : « Et si je voulais rendre ce service accessible au monde extérieur ? » Il a expliqué comment le plugin API Builder simplifiait la transformation de ton modèle en service actif prêt pour la production. Grâce à des fonctionnalités comme les domaines personnalisés, une sécurité renforcée et une intégration fluide, tu peux facilement rendre ton modèle accessible à tous.
Principaux avantages de l’utilisation de Lightning Studios#
Pour conclure son intervention, Luca a abordé l’évolutivité et la flexibilité de Lightning Studio pour le développement de l’IA. Il a expliqué que la plateforme pouvait entraîner des modèles sur plusieurs machines, jusqu’à 10 000 nœuds, grâce à 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 en raison 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. Cela en fait une solution idéale pour les projets d’IA à grande échelle, comme l’entraînement de modèles de deep learning sur d’immenses ensembles de données tels qu’ImageNet ou COCO.
Voici quelques autres avantages clés de Lightning Studios évoqués par Luca :
- Crédits GPU mensuels gratuits : les utilisateurs reçoivent 15 crédits GPU gratuits chaque mois, automatiquement rechargés, ce qui te permet d’expérimenter et de développer sans frais supplémentaires.
- Collaboration améliorée : les espaces d’équipe partagés et les environnements reproductibles de Lightning Studio permettent aux membres de l’équipe de travailler ensemble de manière fluide, tout en garantissant cohérence et efficacité entre les projets.
- Options d’instances flexibles : tu peux choisir entre des instances interruptibles et non interruptibles, ce qui permet de réduire les coûts des machines GPU grâce aux options interruptibles.
- Intégration aux outils existants : la plateforme s’intègre à des outils de développement à distance comme SSH [shell sécurisé] et VS Code, offrant la flexibilité de travailler en local ou dans le cloud.
Points clés à retenir#
La conférence de Luca lors de YV24 a montré comment l’IA, associée à des outils comme les modèles Ultralytics YOLO et Lightning AI, transforme notre façon de résoudre des problèmes concrets. Ces outils permettent aux développeurs d’entraîner et de déployer plus facilement des modèles conçus pour répondre à des problématiques spécifiques dans de nombreux secteurs.
Il a illustré comment Lightning Studios accélère et simplifie l’ensemble du processus de développement, en 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 manière dont les solutions d’IA relèvent les défis. En particulier, avec le dernier modèle Ultralytics YOLO11, les développeurs peuvent créer des solutions ayant un impact significatif.
Rejoins notre communauté pour rester informé des avancées de l’IA et de ses applications concrètes. Consulte notre dépôt GitHub pour découvrir des innovations dans des domaines comme l’IA pour les voitures autonomes et la vision par ordinateur dans le secteur de la santé.
