Entraîne et déploie Ultralytics YOLO11 en utilisant Ultralytics HUB

Ultralytics YOLO11 est le nouveau modèle de vision par ordinateur de pointe conçu pour des tâches comme 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 diverses applications de vision par ordinateur en temps réel. Mieux encore, bien débuter avec Ultralytics YOLO11 est tout aussi simple et direct qu'avec tous les autres modèles Ultralytics YOLO.

Nous avons précédemment abordé les nouvelles fonctionnalités et améliorations de YOLO11 et mentionné l'accès au modèle via le paquet Python Ultralytics ou Ultralytics HUB. Dans ce guide, nous te guiderons pas à pas sur comment utiliser Ultralytics HUB pour entraîner et déployer facilement Ultralytics YOLO11.

Link to this sectionIntroduction à Ultralytics HUB#

Ultralytics HUB est la plateforme sans code et conviviale d'Ultralytics, conçue pour rationaliser l'ensemble du processus, de l'entraînement au déploiement de modèles YOLO, y compris les nouveaux modèles Ultralytics YOLO11. Que tu sois un expert en IA ou nouveau dans la vision par ordinateur, le HUB offre une interface intuitive qui te permet d'importer des datasets, de sélectionner des modèles pré-entraînés et de les ajuster pour tes besoins spécifiques. En quelques clics, tu peux entraîner des modèles pour des applications en temps réel dans des secteurs allant de la fabrication à l'agriculture. Le HUB se concentre sur la démocratisation de l'IA avancée sans nécessiter de codage complexe.

Fig 1. Ultralytics HUB est une plateforme sans code et conviviale.

Ultralytics HUB propose différentes options de forfaits, avec un niveau gratuit pour un accès de base et un forfait Pro offrant des capacités supplémentaires comme l'entraînement dans le cloud, la collaboration en équipe et des limites d'utilisation accrues. Voici un aperçu rapide de certaines fonctionnalités clés offertes par Ultralytics HUB :

• Support des datasets personnalisés : importe et gère tes propres datasets pour un entraînement de modèle plus personnalisé.
• Intégration mobile : fais tourner tes modèles YOLO sur des appareils iOS et Android grâce à l'application Ultralytics HUB, avec accélération matérielle pour des performances optimisées.
• Ressources cloud : l'infrastructure cloud compatible GPU permet un entraînement de modèle plus rapide et plus efficace.
• Gestion de projet simplifiée : Ultralytics HUB permet aux utilisateurs Pro de gérer facilement leurs projets et de collaborer avec les membres de leur équipe via la fonctionnalité Équipes, facilitant ainsi le travail collaboratif et le partage de ressources.
• API d'inférence : le HUB fournit à la fois des API d'inférence partagées et dédiées. Tu peux faire tourner des modèles YOLO sans avoir besoin de configurer un environnement local.
• Ultralytics HUB-SDK : notre HUB-SDK maison facilite l'intégration des services de machine learning d'Ultralytics dans tes applications Python.

Le HUB s'intègre également avec diverses plateformes, et tu peux exporter les modèles entraînés dans divers formats tels que ONNX, TensorFlow et CoreML, rendant le déploiement sur plusieurs plateformes transparent. En somme, Ultralytics HUB simplifie les tâches complexes d'IA, de la gestion des datasets au déploiement de modèles en temps réel, le tout au sein d'un seul outil complet.

Link to this sectionExécuter des inférences sur Ultralytics HUB avec YOLO11#

Pour exécuter des inférences sur Ultralytics HUB avec YOLO11, navigue simplement vers la section "Modèles" et choisis le modèle YOLO11 qui t'intéresse. Ensuite, tu peux cliquer sur "Aperçu" pour tester le modèle en important n'importe quelle image.

Fig 2. Essaye Ultralytics YOLO11 sur Ultralytics HUB.

Cette fonctionnalité du HUB permet à quiconque, quel que soit son niveau d'expérience, de tester des prédictions de modèles avec YOLO11 et de voir comment il se comporte. C'est un moyen convivial de se familiariser gratuitement avec Ultralytics YOLO11.

Link to this sectionEntraîner un modèle Ultralytics YOLO11 personnalisé sur Ultralytics HUB#

Après avoir créé un compte, tu peux te lancer directement dans l'entraînement en accédant au tableau de bord. À partir de là, tu peux gérer tes projets, importer des datasets et commencer à entraîner tes modèles YOLO11 en toute simplicité. La plateforme est conçue pour rendre le processus rapide et aussi simple que possible.

Link to this sectionUtiliser des datasets personnalisés pour l'entraînement YOLO11 sur le HUB#

Une fois connecté, tu peux cliquer sur "Datasets" dans le menu à gauche pour explorer une gamme de datasets préexistants disponibles sur Ultralytics HUB. Ces datasets couvrent diverses tâches, telles que la détection d'objets avec boîtes englobantes orientées (OBB) et l'estimation de pose. Par exemple, tu peux utiliser COCO128 pour la détection d'objets avec 80 classes ou Fashion-MNIST pour la classification d'images. Ces datasets sont facilement accessibles et optimisés pour l'entraînement de modèles YOLO.

Fig 3. Ultralytics HUB offre un moyen pratique de gérer et d'appliquer tes datasets personnalisés.

Si tu souhaites travailler avec tes propres données, tu peux importer des datasets personnalisés. Lors de cette opération, assure-toi que ton dataset suit la structure YOLO, incluant un fichier YAML correctement formaté dans le répertoire racine, et qu'il est compressé en format ZIP.

Une fois ton dataset prêt, clique sur le bouton "Importer le dataset", sélectionne le type de tâche, puis téléverse le fichier ZIP. Après le téléversement, Ultralytics HUB valide automatiquement ton dataset, et tu peux immédiatement commencer l'entraînement des modèles YOLO. Tu peux également gérer et voir les détails de ton dataset, comme les répartitions d'images (entraînement, validation, test), et analyser les données pour t'assurer qu'elles sont prêtes pour l'entraînement du modèle.

Fig 4. Tu peux importer un dataset personnalisé et voir les détails de ton dataset.

Link to this sectionEntraînement et suivi efficaces de YOLO11 avec Ultralytics HUB#

Pour commencer à entraîner un modèle YOLO11 en utilisant la fonctionnalité d'Entraînement Cloud d'Ultralytics HUB, tu devras passer au forfait Pro. En tant qu'utilisateur Pro, des ressources GPU sont mises à ta disposition pour un entraînement plus rapide et efficace. Une fois le forfait mis à niveau, accède à la section "Modèles", sélectionne ta variante de modèle YOLO11 souhaitée et configure les paramètres d'entraînement.

Fig 5. Entraîne un modèle YOLO11 sur le HUB en quelques clics.

Tu peux choisir le nombre d'époques (qui définissent combien de fois le modèle parcourra le dataset) ou définir une durée spécifique pour un entraînement chronométré. Avant que l'entraînement du modèle ne commence, Ultralytics HUB initialisera une instance GPU dédiée pour garantir des performances optimisées. Selon la demande, l'initialisation peut prendre un certain temps, mais aucun frais ne sera appliqué à ton compte pendant ce processus.

Après avoir finalisé tes réglages, clique sur "Démarrer l'entraînement" pour lancer la session. Tout au long de l'entraînement, tu peux suivre la progression en temps réel via un tableau de bord. Cela te donne la possibilité de mettre en pause, d'arrêter ou de reprendre l'entraînement selon tes besoins. Si le solde de ton compte devient insuffisant pendant un entraînement basé sur des époques, la session sera mise en pause, te permettant de recharger ton crédit avant de reprendre. La plateforme enregistre automatiquement des points de contrôle, ce qui signifie que tu peux reprendre là où tu t'étais arrêté.

À la fin de l'entraînement, tu peux vérifier tous les coûts via l'onglet de facturation, où tu trouveras des rapports de coûts détaillés qui facilitent le suivi des dépenses et la gestion efficace de ton entraînement.

Fig 6. Tu peux suivre l'entraînement du modèle en direct.

Link to this sectionDéployer ton modèle Ultralytics YOLO11 personnalisé via le HUB#

Lors du déploiement de ton modèle YOLO11 personnalisé avec Ultralytics HUB, deux options principales s'offrent à toi : l'API d'Inférence Partagée et l'API d'Inférence Dédiée. Pour utiliser le modèle déployé, tu peux faire des requêtes d'inférence vers l'API en utilisant Python ou cURL, selon ta configuration. Le processus général consiste à envoyer un fichier image accompagné des paramètres pertinents (comme la taille de l'image et les seuils de confiance) vers l'API. Ultralytics HUB retournera les prédictions dans un format JSON simple, que tu pourras traiter davantage.

L'API d'Inférence Partagée est une solution économique pour les utilisateurs du niveau gratuit, offrant 100 appels par heure et jusqu'à 1000 appels par mois. Elle élimine le besoin d'un environnement local et prend en charge un déploiement rapide directement depuis Ultralytics HUB.

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 offre un déploiement en un clic dans un environnement cloud dédié propulsé par Google Cloud Run. Cette option est optimisée pour les applications à haute performance, garantissant une latence inférieure à 100ms et une couverture mondiale dans 38 régions pour un traitement en temps réel. Elle prend également en charge des fonctionnalités de sécurité renforcées, ce qui la rend adaptée aux secteurs ayant des exigences strictes en matière de protection des données.

Une fois que tu as choisi entre l'API d'Inférence Partagée ou Dédiée pour déployer ton modèle YOLO11, les étapes suivantes sont simples et efficaces. Tu peux ouvrir l'onglet "Déployer" dans la page de ton modèle sur Ultralytics HUB. Si tu utilises l'API d'Inférence Partagée, tu peux consulter ce guide pour suivre les instructions de configuration de tes appels API. Pour les utilisateurs de l'API d'Inférence Dédiée, clique simplement sur le bouton "Démarrer le point de terminaison" pour lancer le service. Une fois actif, le HUB te fournira une URL unique à utiliser pour tes tâches d'inférence.

Fig 7. Utiliser l'API d'Inférence Dédiée d'Ultralytics HUB est simple.

Link to this sectionAutres options de déploiement fournies par le HUB#

Si ton projet nécessite un modèle dans un format spécifique ou pour une utilisation hors ligne, Ultralytics HUB propose des options d'exportation comme ONNX, CoreML ou TensorFlow pour prendre en charge diverses plateformes, des systèmes mobiles aux systèmes cloud. Pour les développeurs cherchant 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 des identifiants Ultralytics, tu peux facilement contrôler le déploiement et exécuter des inférences dans ton code, te donnant la flexibilité nécessaire pour une intégration transparente.

Link to this sectionPoints clés#

Ultralytics HUB est une plateforme tout-en-un conçue pour rendre l'entraînement et le déploiement de modèles YOLO11 accessibles aux débutants comme aux experts. Elle prend en charge un large éventail de tâches, de l'importation de datasets à la configuration de l'entraînement, en offrant des options de déploiement flexibles comme les API d'Inférence Partagées et Dédiées. Que tu déploies via des API ou en exportant des modèles pour un usage hors ligne, le HUB garantit une intégration transparente sur toutes les plateformes. Avec des options pour des applications en temps réel et des solutions évolutives, Ultralytics HUB peut être utilisé pour une vaste gamme de besoins de déploiement, que tu sois débutant ou utilisateur avancé.

Explore notre dépôt GitHub et rejoins notre communauté dynamique pour approfondir tes connaissances en IA. Découvre comment l'IA visuelle fait avancer l'innovation dans des secteurs comme la santé et l'agriculture.