4 octobre 2024
Rejoignez-nous pour examiner de plus près comment vous pouvez utiliser Ultralytics HUB pour former et déployer les nouveaux modèles Ultralytics YOLO11. Nous vous guiderons pas à pas à travers le processus.
Ultralytics YOLO11 est le nouveau modèle de vision artificielle de pointe 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 artificielle en temps réel. De plus, la prise en main d'Ultralytics YOLO11 est aussi simple et directe que celle des autres modèles YOLO d'Ultralytics.
Nous avons précédemment discuté des nouvelles fonctionnalités et améliorations de YOLO11 et abordé l'accès au modèle via le package Ultralytics Python ou Ultralytics HUB. Dans ce guide, nous allons vous expliquer comment utiliser Ultralytics HUB étape par étape pour former et déployer Ultralytics YOLO11 facilement.
Ultralytics HUB est la plateforme conviviale sans code d'Ultralytics, conçue pour rationaliser l'ensemble du processus, de l'entraînement au déploiement des modèles YOLO, y compris les modèles Ultralytics YOLO11 récemment lancés. Que vous soyez un expert en IA ou un novice en vision par ordinateur, le HUB offre une interface intuitive qui vous permet de télécharger des ensembles de données, de sélectionner des modèles pré-entraînés et de les adapter à 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 s'attache à rendre l'IA avancée accessible sans qu'il soit nécessaire d'avoir recours à un codage approfondi.
Ultralytics HUB propose différentes options de plan, avec un niveau gratuit pour un accès de base et un plan Pro offrant des fonctionnalités supplémentaires telles que la formation en nuage, la collaboration d'équipe et des limites d'utilisation accrues. Voici un aperçu des principales fonctionnalités offertes par Ultralytics HUB :
HUB s'intègre également à diverses plateformes, et les utilisateurs peuvent exporter des modèles formés dans divers formats tels que ONNX, TensorFlow et CoreML, ce qui facilite le déploiement sur de multiples plateformes. En résumé, Ultralytics HUB simplifie les tâches d'IA complexes, de la gestion des ensembles de données au déploiement de modèles en temps réel, le tout au sein d'un seul et même outil complet.
Pour réaliser des inférences sur Ultralytics HUB en utilisant YOLO11, il vous suffit de naviguer dans la section "Modèles" et de choisir le modèle YOLO11 qui vous intéresse. Ensuite, vous pouvez cliquer sur "Aperçu" pour essayer le modèle en téléchargeant une image.
Cette fonctionnalité du HUB permet à chacun, quel que soit son niveau d'expérience, de tester les prédictions du modèle avec YOLO11 et de voir comment il se comporte. C'est une façon conviviale de se familiariser gratuitement avec Ultralytics YOLO11.
Après avoir créé un compte, vous pouvez vous plonger directement dans la formation en accédant au tableau de bord. De là, vous pouvez gérer vos projets, télécharger des ensembles de données et commencer à former vos modèles YOLO11 en toute simplicité. La plateforme est conçue pour que le processus soit rapide et aussi 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 destinés à diverses tâches, telles que la détection d'objets et l'estimation de la pose à l'aide de boîtes de délimitation orientées (OBB). 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 jeu de données respecte la structure YOLO, y compris un fichier YAML correctement formaté dans le répertoire racine, et qu'il est zippé.
Une fois que votre jeu de données est prêt, vous pouvez cliquer sur le bouton "Télécharger le jeu de données", sélectionner le type de tâche et télécharger le fichier ZIP. Après le téléchargement, Ultralytics HUB valide automatiquement votre jeu de données, et vous pouvez immédiatement commencer à entraîner les modèles YOLO. Vous pouvez également gérer et afficher les détails de votre jeu de données, tels que la répartition des images (formation, 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 à l'aide de la fonction Cloud Training d'Ultralytics HUB, vous devez passer au plan Pro. En tant qu'utilisateur Pro, les ressources GPU sont à votre disposition pour une formation plus rapide et plus efficace. Une fois la mise à niveau effectuée, accédez à la section "Modèles", sélectionnez la variation de modèle YOLO11 de votre choix et configurez les paramètres d'entraînement.
Vous pouvez choisir le nombre d'époques (qui définit le nombre de fois que 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 optimales. 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 la formation" pour lancer la session. Tout au long de la formation, vous pouvez suivre vos progrès en temps réel grâce à un tableau de bord. Il vous permet de mettre en pause, d'arrêter ou de reprendre la formation si nécessaire. Si le solde de votre compte est faible au cours d'une formation basée sur l'époque, la session s'interrompt, ce qui vous permet de compléter votre solde avant de reprendre. La plateforme enregistre automatiquement les points de contrôle, ce qui signifie que vous pouvez reprendre là où vous vous êtes arrêté.
À la fin de la formation, vous pouvez vérifier tous les coûts via l'onglet Facturation, où vous trouverez des rapports de coûts détaillés qui facilitent le suivi des dépenses et la gestion efficace de votre formation.
Lorsque vous déployez votre modèle YOLO11 personnalisé avec Ultralytics HUB, il existe 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 à l'aide de Python ou de cURL, en fonction de votre configuration. Le processus général consiste à envoyer un fichier image avec les paramètres pertinents (comme 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 permet un déploiement rapide directement à partir du HUB Ultralytics.
L'API d'inférence dédiée, disponible pour les utilisateurs Pro, est plus adaptée aux déploiements à grande échelle ou aux applications en temps réel. Elle permet un déploiement en un seul clic dans un environnement cloud dédié alimenté par Google Cloud Run. Cette option est optimisée pour les applications hautes performances, 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 industries 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 "Déployer" 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, il suffit de cliquer sur le bouton Démarrer le point de terminaison pour lancer le point de terminaison. Une fois activé, 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, des systèmes mobiles aux systèmes cloud. Pour les développeurs qui cherchent à intégrer des modèles directement dans les applications, Ultralytics HUB-SDK offre un moyen efficace de gérer les déploiements via Python. En utilisant des clés API ou des 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 l'entraînement et le déploiement des modèles YOLO11 accessibles aux débutants comme aux experts. Elle prend en charge un large éventail de tâches, du téléchargement des données à la configuration de l'entraînement, en offrant des options de déploiement flexibles telles que les API d'inférence partagées et dédiées. Qu'il s'agisse de déploiement par le biais d'API ou d'exportation de modèles pour une utilisation hors ligne, HUB assure une intégration transparente entre les plates-formes. Avec des options pour les applications en temps réel et des solutions évolutives, Ultralytics HUB peut être utilisé pour une large gamme de besoins de déploiement pour les utilisateurs débutants et avancés.
Explorez notre dépôt GitHub et rejoignez notre communauté dynamique pour plonger plus profondément dans l'IA. Découvrez comment Vision AI fait progresser l'innovation dans des secteurs tels que la santé et l'agriculture.
FR
EN
ZH
KO
JA
RU
DE
ES
PT
IT
TR
VI
AR
