Addestrare su misura i modelli Ultralytics YOLO su Lightning AI

Che tu sia uno sviluppatore di IA esperto o abbia appena iniziato a esplorare la visione artificiale basata sull’IA, disporre di un ambiente affidabile in cui provare e sperimentare con modelli di visione artificiale come Ultralytics YOLO11 è fondamentale. Un ambiente comprende gli strumenti, le risorse e l’infrastruttura necessari per progettare, testare e distribuire modelli di IA in modo efficiente.

Diverse piattaforme online offrono vari strumenti di IA, ma molte non forniscono un ambiente unificato per l’intero ciclo di vita dell’IA, dalla preparazione dei dati alla distribuzione dei modelli. È qui che entra in gioco Lightning AI, una piattaforma completa per lo sviluppo di IA, che semplifica il processo dalla preparazione dei dati alla distribuzione.

L’importanza di rendere più semplice lo sviluppo dell’IA è emersa a YOLO Vision 2024 (YV24), un evento ibrido annuale organizzato da Ultralytics e incentrato sui progressi dell’IA e della visione artificiale. Luca Antiga, CTO di Lightning AI, ha tenuto un intervento dal titolo «Going YOLO on Lightning Studios», in cui ha spiegato come addestrare rapidamente e senza intoppi i modelli Ultralytics YOLO con Lightning AI, senza doversi occupare di complessità tecniche.

In questo articolo approfondiremo i punti principali dell'intervento di Luca, dalle applicazioni reali della visione artificiale alle dimostrazioni dal vivo dell'addestramento e della distribuzione dei modelli Ultralytics YOLO con Lightning AI.

Semplificare lo sviluppo dell’IA con Lightning AI e Ultralytics YOLO#

Luca ha iniziato il suo intervento condividendo le proprie riflessioni e il proprio apprezzamento per l’influenza dei modelli YOLO in diversi settori. Ha sottolineato come i modelli YOLO possano essere applicati in ambiti come la produzione e l’agricoltura. Ha detto: «Apprezzo l’impatto che YOLO ha avuto sulla community di chi crea, ovvero di chi deve risolvere problemi pratici e concreti: è un tema che mi sta molto a cuore».

Collegandosi al crescente interesse per l’addestramento dell’IA, ha presentato Lightning AI, una piattaforma progettata per rendere lo sviluppo di modelli di IA più rapido, semplice e accessibile a tutti. È particolarmente utile per supportare i progressi iterativi nell’IA e aiutare gli sviluppatori a perfezionare e migliorare i modelli.

Fig. 1. Luca Antiga tiene una presentazione da remoto su Lightning Studios a YV24.

Ha anche osservato che Lightning AI è simile a PyTorch Lightning, un framework che semplifica il processo di addestramento dei modelli di IA. La differenza è che Lightning AI è una piattaforma più completa, con una gamma più ampia di strumenti e funzionalità per l’intero processo di sviluppo dell’IA, non solo per l’addestramento dei modelli di IA.

Un elemento fondamentale di Lightning AI è Lightning Studios, che offre un ambiente di lavoro intuitivo per progettare, addestrare e distribuire modelli di IA, rendendo l'intero flusso di lavoro più fluido ed efficiente. Puoi considerare Lightning Studios come un ambiente di sviluppo riproducibile per l'IA, eseguito nel cloud. Per esempio, offre un ambiente simile a Jupyter Notebook, che può essere duplicato e condiviso con un altro sviluppatore, favorendo la collaborazione.

Luca ha poi illustrato i vantaggi di Lightning Studios, affermando: «Replicare il tuo ambiente non è più un problema. Se devi passare da una macchina con CPU [unità centrale di elaborazione] a una macchina con GPU [unità di elaborazione grafica] o avviare l’addestramento su mille macchine, il tuo ambiente rimarrà persistente».

Configurare Lightning Studios per l’addestramento e lo sviluppo#

In seguito, Luca ha mostrato quanto sia rapido iniziare a usare Lightning Studios. Bastano pochi clic per aprire un nuovo studio e accedere a strumenti e ambienti come Jupyter Notebooks e VS Code, già configurati e pronti per programmare. Ha mostrato quanto sia facile passare da una macchina all’altra. Se l’attività su cui stai lavorando richiede più potenza, puoi passare facilmente da una CPU a una GPU più potente. La GPU rimane attiva solo mentre la usi; altrimenti entra in modalità sospensione, consentendoti di risparmiare crediti.

Luca ha anche parlato dei vantaggi dei modelli Studio Templates. Si tratta di ambienti di programmazione per l’IA preconfigurati dalla community, che puoi usare senza dover configurare nulla. Preparare un ambiente per i progetti di IA può richiedere molto tempo, mentre Studio Templates possono contribuire ad aumentare la produttività. Questi ambienti includono già tutto ciò che serve per i progetti di IA, come dipendenze installate, pesi dei modelli, dati e codice.

Fig. 2. Luca spiega cosa sono gli Studio Templates.

Addestrare i modelli Ultralytics YOLO su Lightning Studios#

Luca è poi passato alla dimostrazione dal vivo, mostrando come usare Lightning Studio per addestrare i modelli Ultralytics YOLO. Ha aperto uno Studio Template, con tutte le dipendenze già installate, e ha avviato una macchina con quattro GPU per velocizzare l’addestramento. Per quanto riguarda i dati, ha spiegato che puoi scegliere di archiviarli direttamente sulla macchina oppure trasmetterli dal cloud, rendendo l’addestramento più rapido ed efficiente.

Nel giro di pochi secondi, la macchina era pronta e Luca ha avviato rapidamente la sessione di addestramento. Durante la dimostrazione, un piccolo problema ha causato l'arresto imprevisto della macchina, ma Lightning Studios è ripartito dal punto in cui si era interrotto, assicurando che non andasse perso alcun progresso. Luca ha sottolineato come questa affidabilità favorisca flussi di lavoro fluidi anche in caso di interruzioni impreviste.

Proseguendo con la dimostrazione, ha mostrato quanto sia facile monitorare i progressi dell’addestramento con TensorBoard, uno strumento per visualizzare in tempo reale le metriche del machine learning. Lightning Studio semplifica ulteriormente l’operazione generando automaticamente URL che consentono a te o ai tuoi colleghi dello stesso spazio di lavoro di accedere alle visualizzazioni di TensorBoard senza ulteriori configurazioni. Questo semplifica la collaborazione e permette a tutti di essere aggiornati.

Fig. 3. Diagramma di flusso dell’addestramento dei modelli Ultralytics YOLO su Lightning Studios. Immagine dell’autore.

Distribuire i modelli Ultralytics YOLO con LitServe#

Dopo la dimostrazione, Luca ha spostato l’attenzione su un nuovo progetto lanciato di recente da Lightning AI: LitServe. LitServe semplifica il processo di trasformazione di un modello addestrato in un servizio scalabile che altri possono usare, eliminando la necessità di pipeline di distribuzione complesse. È progettato per gestire ogni fase, dal confezionamento del modello alla sua distribuzione, con il minimo sforzo.

Per mostrarlo dal vivo, Luca ha fatto una breve dimostrazione usando un modello Ultralytics YOLOv8 preaddestrato. In pochi secondi è riuscito a creare una semplice API che gestisce le richieste in arrivo e restituisce previsioni sulle immagini. In questo modo chiunque può inviare un’immagine a questa API e ricevere quasi istantaneamente risultati per attività di visione artificiale come il rilevamento degli oggetti. Dietro le quinte, il modello Ultralytics YOLOv8 viene distribuito come servizio, gestendo le richieste, elaborando le immagini e fornendo previsioni con una latenza minima.

Fig. 4. Luca presenta LitServe di Lightning AI durante YV24.

Ha eseguito l’inferenza su un’immagine di una pizza e Ultralytics YOLOv8 ha identificato correttamente oggetti come la pizza, un cucchiaio e un tavolo da pranzo. Ha spiegato che la prima richiesta richiede un po’ più di tempo a causa del «cold start», mentre quelle successive sono molto più rapide una volta che il sistema è entrato a regime.

Luca ha poi chiesto: «E se volessi rendere il modello accessibile al mondo esterno?». Ha spiegato come il plugin API Builder renda semplice trasformare il modello in un servizio operativo, pronto per la produzione. Grazie a funzionalità come i domini personalizzati, una maggiore sicurezza e un'integrazione semplice, puoi rendere facilmente il tuo modello accessibile a chiunque.

Vantaggi principali di Lightning Studios#

In conclusione al suo intervento, Luca ha parlato della scalabilità e della flessibilità di Lightning Studio per lo sviluppo dell’IA. Ha spiegato che la piattaforma può addestrare modelli su più macchine, scalando fino a 10.000 nodi, e offre un addestramento tollerante ai guasti che riprende automaticamente dopo ogni interruzione.

Ad esempio, se un processo di addestramento su un cluster GPU viene interrotto a causa di un problema hardware o del riavvio di un server, Lightning Studios assicura che riprenda esattamente da dove si era fermato. Questo lo rende ideale per progetti di IA su larga scala, come l’addestramento di modelli di deep learning su dataset di grandi dimensioni come ImageNet o COCO.

Ecco altri vantaggi principali di Lightning Studios di cui ha parlato Luca:

• Crediti GPU mensili gratuiti: gli utenti ricevono 15 crediti GPU gratuiti ogni mese, che vengono ricaricati automaticamente, così puoi sperimentare e sviluppare senza costi aggiuntivi.
• Collaborazione migliorata: gli spazi di lavoro condivisi per i team e gli ambienti riproducibili di Lightning Studio consentono ai membri del team di collaborare, garantendo coerenza ed efficienza nei progetti.
• Opzioni flessibili per le istanze: puoi scegliere tra istanze interrompibili e non interrompibili, così gli utenti possono ridurre i costi delle macchine GPU scegliendo le opzioni interrompibili.
• Integrazione con gli strumenti esistenti: la piattaforma si integra con strumenti di sviluppo remoto come SSH (Secure Shell) e VS Code, offrendo la flessibilità di lavorare in locale o nel cloud.

Punti chiave#

L’intervento di Luca a YV24 ha mostrato come l’IA, insieme a strumenti come i modelli Ultralytics YOLO e Lightning AI, stia cambiando il modo in cui risolviamo problemi concreti. Questi strumenti permettono agli sviluppatori di addestrare e distribuire più facilmente modelli progettati per affrontare problemi specifici in diversi settori.

Ha mostrato come Lightning Studios velocizzi e renda più accessibile l'intero processo di sviluppo, permettendo agli sviluppatori di creare facilmente soluzioni potenti. Al centro di piattaforme come Lightning AI, i modelli di visione artificiale stanno cambiando il modo in cui le soluzioni di IA affrontano le sfide. In particolare, con Ultralytics YOLO11 e il suo successore, Ultralytics YOLO26, gli sviluppatori possono creare soluzioni capaci di generare un impatto significativo.

Unisciti alla nostra community per rimanere aggiornato sull’IA e sui suoi usi pratici. Visita il nostro repository GitHub per scoprire le innovazioni in settori come l’IA per la guida autonoma e la visione artificiale in ambito sanitario.