4 octobre 2024
Joignez-vous à nous pour examiner de plus près la façon dont vous pouvez utiliser Ultralytics HUB pour former et déployer les nouveaux modèles Ultralytics YOLO11. Nous vous guiderons pas à pas tout au long du processus.
Ultralytics YOLO11 est le nouveau modèle de vision par ordinateur à la pointe de la technologie, conçu pour des tâches telles que la détection d'objets, la classification d'images et la segmentation d'instances. Il est plus rapide, plus précis et plus efficace que les versions précédentes des modèles YOLO (You Only Look Once). YOLO11 peut être utilisé pour une variété d'applications de vision par ordinateur en temps réel. Mieux encore, démarrer avec Ultralytics YOLO11 est tout aussi simple et direct que tous les autres modèles Ultralytics YOLO.
Nous avons précédemment discuté des nouvelles fonctionnalités et améliorations de YOLO11 et évoqué l'accès au modèle via le package Python Ultralytics ou Ultralytics HUB. Dans ce guide, nous vous expliquerons étape par étape comment utiliser Ultralytics HUB pour entraîner et déployer facilement Ultralytics YOLO11.
Ultralytics HUB est la plateforme conviviale et sans code d'Ultralytics, conçue pour rationaliser l'ensemble du processus, de l'entraînement au déploiement des modèles YOLO, y compris les nouveaux modèles Ultralytics YOLO11. Que vous soyez un expert en IA ou un novice en vision par ordinateur, le HUB fournit une interface intuitive qui vous permet de télécharger des ensembles de données, de sélectionner des modèles pré-entraînés et de les affiner pour vos besoins spécifiques. En quelques clics, vous pouvez entraîner des modèles pour des applications en temps réel dans des secteurs allant de la fabrication à l'agriculture. HUB se concentre sur rendre l'IA avancée accessible sans nécessiter de codage approfondi.
Ultralytics HUB propose différentes options d'abonnement, avec un niveau gratuit pour un accès de base et un abonnement Pro offrant des fonctionnalités supplémentaires telles que l'entraînement dans le cloud, la collaboration en équipe et des limites d'utilisation plus élevées. Voici un aperçu rapide de certaines des principales fonctionnalités offertes par Ultralytics HUB :
HUB s'intègre également à diverses plateformes, et les utilisateurs peuvent exporter les modèles entraînés vers différents formats tels que ONNX, TensorFlow et CoreML, ce qui rend le déploiement sur plusieurs plateformes transparent. Essentiellement, Ultralytics HUB simplifie les tâches complexes d'IA, de la gestion des ensembles de données au déploiement de modèles en temps réel, le tout dans un seul outil complet.
Pour exécuter des inférences sur Ultralytics HUB en utilisant YOLO11, il suffit de naviguer vers la section "Modèles" et de choisir le modèle YOLO11 qui vous intéresse. Ensuite, vous pouvez cliquer sur "Aperçu" pour essayer le modèle en téléchargeant n'importe quelle image.
Cette fonctionnalité de HUB permet à quiconque, quel que soit son niveau d'expérience, de tester les prédictions de modèles avec YOLO11 et de voir comment il fonctionne. C'est un moyen convivial de se familiariser gratuitement avec Ultralytics YOLO11.
Après avoir créé un compte, vous pouvez plonger directement dans l'entraînement en accédant au tableau de bord. À partir de là, vous pouvez gérer vos projets, télécharger des ensembles de données et commencer à entraîner vos modèles YOLO11 en toute simplicité. La plateforme est conçue pour que le processus soit aussi rapide et simple que possible.
Une fois connecté, vous pouvez cliquer sur "Datasets" dans le menu de gauche pour explorer une gamme d'ensembles de données préexistants disponibles sur Ultralytics HUB. Ces ensembles de données sont adaptés à diverses tâches, telles que la détection d'objets avec des boîtes englobantes orientées (OBB) et l'estimation de pose. Par exemple, vous pouvez utiliser COCO128 pour la détection d'objets avec 80 classes ou Fashion-MNIST pour la classification d'images. Ces ensembles de données sont facilement disponibles et optimisés pour l'entraînement des modèles YOLO.
Si vous souhaitez travailler avec vos propres données, vous pouvez télécharger des ensembles de données personnalisés. Ce faisant, assurez-vous que votre ensemble de données respecte la structure YOLO, y compris un fichier YAML correctement formaté dans le répertoire racine, et qu'il est compressé.
Une fois votre ensemble de données prêt, vous pouvez cliquer sur le bouton "Upload Dataset", sélectionner le type de tâche et télécharger le fichier ZIP. Après le téléchargement, Ultralytics HUB valide automatiquement votre ensemble de données, et vous pouvez immédiatement commencer à entraîner les modèles YOLO. Vous pouvez également gérer et afficher les détails de votre ensemble de données, tels que les divisions d'images (entraînement, validation, test), et analyser les données pour vous assurer qu'elles sont prêtes pour l'entraînement du modèle.
Pour commencer à entraîner un modèle YOLO11 en utilisant la fonctionnalité Cloud Training d'Ultralytics HUB, vous devrez passer au plan Pro. En tant qu'utilisateur Pro, des ressources GPU sont à votre disposition pour un entraînement plus rapide et plus efficace. Une fois que vous avez effectué la mise à niveau, accédez à la section « Modèles », sélectionnez la variation de modèle YOLO11 souhaitée et configurez les paramètres d'entraînement.
Vous pouvez choisir le nombre d'époques (qui définissent le nombre de fois où le modèle passera par l'ensemble de données) ou définir une durée spécifique pour l'entraînement chronométré. Avant que l'entraînement du modèle ne commence, Ultralytics HUB initialisera une instance GPU dédiée pour garantir des performances optimisées. En fonction de la demande, l'initialisation peut prendre un certain temps, mais aucun frais ne sera appliqué à votre compte pendant ce processus.
Après avoir finalisé vos paramètres, cliquez sur « Démarrer l'entraînement » pour lancer la session. Tout au long de l'entraînement, vous pouvez suivre la progression en temps réel via un tableau de bord. Il vous donne la possibilité de mettre en pause, d'arrêter ou de reprendre l'entraînement selon vos besoins. Si le solde de votre compte est faible pendant l'entraînement basé sur les époques, la session se mettra en pause, vous permettant de recharger votre solde avant de reprendre. La plateforme enregistre automatiquement les points de contrôle, ce qui signifie que vous pouvez reprendre là où vous vous étiez arrêté.
À la fin de la formation, vous pouvez vérifier tous les coûts via l'onglet de facturation, où vous trouverez des rapports de coûts détaillés qui facilitent le suivi des dépenses et la gestion efficace de votre formation.
Lors du déploiement de votre modèle YOLO11 entraîné sur mesure avec Ultralytics HUB, vous avez deux options principales : l'API d'inférence partagée et l'API d'inférence dédiée. Pour utiliser le modèle déployé, vous pouvez effectuer des requêtes d'inférence à l'API en utilisant Python ou cURL, selon votre configuration. Le processus général consiste à envoyer un fichier image avec les paramètres appropriés (tels que la taille de l'image et les seuils de confiance) à l'API. Ultralytics HUB renverra les prédictions dans un format JSON simple, que vous pourrez traiter ultérieurement.
L'API d'inférence partagée est une solution rentable pour les utilisateurs du niveau gratuit et fournit 100 appels par heure et jusqu'à 1000 appels par mois. Elle élimine le besoin d'un environnement local et prend en charge le déploiement rapide directement depuis le Ultralytics HUB.
L'API d'inférence dédiée, accessible aux utilisateurs Pro, est plus adaptée aux déploiements à grande échelle ou aux applications en temps réel. Elle offre un déploiement en un seul clic dans un environnement cloud dédié, alimenté par Google Cloud Run. Cette option est optimisée pour les applications à haute performance, garantissant une latence inférieure à 100 ms et une couverture mondiale dans 38 régions pour le traitement en temps réel. Elle prend également en charge des fonctions de sécurité améliorées, ce qui la rend adaptée aux secteurs ayant des exigences strictes en matière de protection des données.
Une fois que vous avez choisi entre l'API d'inférence partagée ou dédiée pour déployer votre modèle YOLO11, les étapes suivantes sont simples et efficaces. Vous pouvez ouvrir l'onglet "Deploy" dans la page de votre modèle sur Ultralytics HUB. Si vous utilisez l'API d'inférence partagée, vous pouvez consulter ce guide pour suivre les instructions de configuration de vos appels API. Pour les utilisateurs de l'API d'inférence dédiée, cliquez simplement sur le bouton Start Endpoint pour lancer le point de terminaison. Une fois actif, HUB vous donnera une URL unique à utiliser pour vos tâches d'inférence.
Si votre projet nécessite un modèle dans un format spécifique ou pour une utilisation hors ligne, Ultralytics HUB offre des options d'exportation telles que ONNX, CoreML ou TensorFlow pour prendre en charge diverses plateformes, du mobile aux systèmes cloud. Pour les développeurs qui cherchent à intégrer des modèles directement dans des applications, le Ultralytics HUB-SDK offre un moyen efficace de gérer les déploiements via Python. En utilisant des clés API ou les identifiants Ultralytics, vous pouvez facilement contrôler le déploiement et exécuter des inférences dans votre code, ce qui vous donne la flexibilité nécessaire pour une intégration transparente.
Ultralytics HUB est une plateforme tout-en-un conçue pour rendre la formation et le déploiement des modèles YOLO11 accessibles aux débutants comme aux experts. Il prend en charge un large éventail de tâches, du chargement des ensembles de données à la configuration de l'entraînement, offrant des options de déploiement flexibles telles que les API d'inférence partagée et dédiée. Que vous déployiez via des API ou que vous exportiez des modèles pour une utilisation hors ligne, HUB assure une intégration transparente entre les plateformes. Avec des options pour les applications en temps réel et les solutions évolutives, Ultralytics HUB peut être utilisé pour un large éventail de besoins de déploiement pour les utilisateurs débutants et avancés.
Explorez notre dépôt GitHub et rejoignez notre communauté dynamique pour approfondir vos connaissances en matière d'IA. Découvrez comment la vision par l'IA fait progresser l'innovation dans des secteurs tels que la santé et l'agriculture.
