13 gennaio 2025
Scopri come Lightning AI, presentata allo YOLO Vision 2024, semplifica lo sviluppo di Vision AI scalabile con training, implementazione e collaborazione dei modelli più rapidi.
%252520(1).webp)
Che tu sia uno sviluppatore AI esperto o stia iniziando a esplorare la visione artificiale, avere un ambiente affidabile per giocare e sperimentare con modelli di computer vision come Ultralytics YOLO11 è fondamentale. Un ambiente si riferisce agli strumenti, alle risorse e all'infrastruttura necessari per progettare, testare e implementare modelli di IA in modo efficiente.
Sebbene diverse piattaforme online offrano vari strumenti di IA, molte non forniscono un ambiente unificato per l'intero ciclo di vita dell'IA, dalla preparazione dei dati all'implementazione del modello. È qui che Lightning AI, una piattaforma all-in-one per lo sviluppo dell'IA, interviene per semplificare il processo dalla preparazione dei dati all'implementazione.
La rilevanza di rendere più semplice lo sviluppo dell'IA è stata dimostrata al YOLO Vision 2024 (YV24), un evento ibrido annuale ospitato da Ultralytics che si è concentrato sui progressi nell'IA e nella computer vision. Luca Antiga, CTO di Lightning AI, ha tenuto un discorso programmatico intitolato 'Going YOLO on Lightning Studios', in cui ha spiegato come addestrare rapidamente e senza problemi i modelli Ultralytics YOLO, senza doversi addentrare nelle complessità tecniche, utilizzando Lightning AI.
In questo articolo, approfondiremo i punti chiave del discorso di Luca, trattando ogni aspetto, dalle applicazioni di computer vision nel mondo reale alle demo live sull'addestramento e la distribuzione di modelli Ultralytics YOLO con Lightning AI. Iniziamo!
Luca ha iniziato il suo keynote condividendo i suoi pensieri e il suo apprezzamento per l'influenza dei modelli YOLO in vari settori. Ha evidenziato come i modelli YOLO possono essere applicati in settori come la produzione e l'agricoltura. Ha detto: 'Apprezzo l'impatto che YOLO ha avuto sulla community di costruttori - persone che hanno bisogno di risolvere problemi reali e pratici - questo mi sta molto a cuore'.
Collegando questo al crescente interesse per l'addestramento dell'AI, ha presentato Lightning AI, una piattaforma progettata per rendere lo sviluppo di modelli AI più veloce, più semplice e più accessibile a tutti. È particolarmente utile per supportare i progressi iterativi nell'AI, aiutando gli sviluppatori a perfezionare e migliorare i modelli.
Ha anche sottolineato che Lightning AI è simile a PyTorch Lightning, un framework che semplifica il processo di training dei modelli di IA. Tuttavia, la differenza è che Lightning AI è una piattaforma più completa che fornisce un set più ampio di strumenti e funzionalità per l'intero processo di sviluppo dell'IA, non solo per il training dei modelli di IA.
Una componente fondamentale di Lightning AI è Lightning Studios, che offre uno spazio di lavoro intuitivo per progettare, addestrare e implementare modelli di AI, rendendo l'intero flusso di lavoro fluido ed efficiente. Lightning Studios può essere considerato come un ambiente di sviluppo riproducibile per l'AI che viene eseguito sul cloud. Ad esempio, offre un ambiente simile a Jupyter Notebook che può essere duplicato e condiviso con un altro sviluppatore, contribuendo a migliorare la collaborazione.
Luca ha poi approfondito i vantaggi di Lightning Studios, dicendo: 'Replicare il tuo ambiente non è più un problema. Se hai bisogno di passare da una macchina CPU [Central Processing Unit] a una macchina GPU [Graphics Processing Unit] o avviare l'addestramento su migliaia di macchine, il tuo ambiente sarà persistente'.
Successivamente, Luca ha dimostrato quanto velocemente si possa iniziare a utilizzare Lightning Studios. Con pochi clic, è possibile aprire un nuovo studio e avere accesso a strumenti e ambienti come Jupyter Notebooks e VS Code, tutti configurati e pronti per la programmazione. Ha mostrato quanto fosse facile passare da una macchina all'altra. Se l'attività su cui si sta lavorando richiede più potenza, è possibile passare facilmente da una CPU a una GPU più potente. La GPU rimarrà attiva solo durante l'uso; altrimenti, entrerà in modalità di sospensione, risparmiando i tuoi crediti.
Luca ha anche menzionato i vantaggi dell'utilizzo dei Template di Studio. Si tratta di ambienti di codifica AI predefiniti dalla community, che puoi utilizzare senza dover configurare nulla. Configurare un ambiente per progetti di AI può richiedere molto tempo e i Template di Studio possono contribuire ad aumentare la produttività. Questi ambienti sono precaricati con tutto il necessario per i progetti di AI, come dipendenze installate, pesi del modello, dati, codice, ecc.
Luca è poi passato alla demo live, evidenziando come è possibile utilizzare Lightning Studio per addestrare i modelli Ultralytics YOLO. Ha aperto un Template di Studio, che aveva già tutte le dipendenze installate, e ha avviato una macchina con quattro GPU per accelerare il processo di addestramento. Per quanto riguarda i dati, ha detto che è possibile scegliere di archiviare i dati direttamente sulla macchina o di trasmetterli in streaming dal cloud, rendendo il processo di addestramento più veloce ed efficiente.
In pochi secondi, la macchina era pronta e Luca ha avviato rapidamente la sessione di training. Durante la demo, un piccolo problema ha causato l'arresto improvviso della macchina, ma Lightning Studios ha ripreso senza problemi da dove si era interrotto, assicurandosi che nessun progresso fosse perso. Luca ha sottolineato come questa affidabilità supporti flussi di lavoro fluidi, anche di fronte a interruzioni impreviste.
Continuando con la demo, ha mostrato quanto sia facile monitorare l'avanzamento del training utilizzando TensorBoard, uno strumento per visualizzare le metriche di machine learning in tempo reale. Lightning Studio lo rende ancora più semplice generando automaticamente URL che consentono a te o ai tuoi compagni di squadra nello stesso spazio di lavoro di accedere alle visualizzazioni di TensorBoard senza alcuna configurazione aggiuntiva. Ciò semplifica la collaborazione e mantiene tutti sulla stessa lunghezza d'onda.
Dopo la demo, Luca ha spostato l'attenzione del discorso su un nuovo progetto, LitServe, lanciato di recente da Lightning AI. LitServe semplifica il processo di trasformazione di un modello addestrato in un servizio scalabile che altri possono utilizzare, eliminando la necessità di pipeline di deployment complesse. È progettato per gestire tutto, dal packaging del modello alla sua implementazione con il minimo sforzo.
Per mostrarlo in tempo reale, Luca ha fornito al pubblico una rapida demo utilizzando un modello Ultralytics YOLOv8 pre-addestrato. È stato in grado di creare una semplice API per gestire le richieste in entrata e restituire previsioni di immagini in pochi secondi. Ciò significa che chiunque può inviare una richiesta a questa API con un'immagine e ricevere risultati per compiti di computer vision come l'object detection quasi istantaneamente. Dietro le quinte, il modello Ultralytics YOLOv8 è implementato come un servizio, gestendo in modo efficiente le richieste, elaborando le immagini e fornendo previsioni con una latenza minima.
Ha eseguito un'inferenza su un'immagine di pizza e Ultralytics YOLOv8 ha identificato con successo oggetti come la pizza, un cucchiaio e un tavolo da pranzo. Ha spiegato che, sebbene la prima richiesta richieda un po' più di tempo a causa di un 'cold start', le richieste successive sono molto più veloci una volta che il sistema è attivo.
Luca ha poi chiesto: 'Cosa succede se voglio esporre questo al mondo esterno?' Ha illustrato come il plugin API Builder semplifica la trasformazione del tuo modello in un servizio live e pronto per la produzione. Con funzionalità come domini personalizzati, maggiore sicurezza e integrazione perfetta, puoi facilmente rendere il tuo modello accessibile a chiunque.
Concludendo il suo intervento, Luca ha accennato alla scalabilità e alla flessibilità di Lightning Studio per lo sviluppo dell'intelligenza artificiale. Ha menzionato come la piattaforma possa addestrare modelli su più macchine, scalando fino a 10.000 nodi, con un addestramento fault-tolerant che riprende automaticamente dopo qualsiasi interruzione.
Ad esempio, se un lavoro di training su un cluster GPU viene interrotto a causa di un problema hardware o di un riavvio del server, Lightning Studios si assicura che il processo riprenda esattamente da dove era stato interrotto. Questo lo rende ideale per progetti di IA su larga scala, come l'addestramento di modelli di deep learning su dataset massicci come ImageNet o COCO.
Ecco alcuni altri vantaggi chiave di Lightning Studios di cui ha parlato Luca:
Il keynote di Luca allo YV24 ha evidenziato come l'IA, combinata con strumenti come i modelli Ultralytics YOLO e Lightning AI, stia cambiando il modo in cui risolviamo i problemi del mondo reale. Questi strumenti semplificano lo sviluppo e l'implementazione di modelli progettati per affrontare problemi specifici in diversi settori.
Ha illustrato come Lightning Studios renda l'intero processo di sviluppo più veloce e accessibile, consentendo agli sviluppatori di creare facilmente soluzioni potenti. Al centro di piattaforme all'avanguardia come Lightning AI, i modelli di computer vision stanno trasformando il modo in cui le soluzioni di IA affrontano le sfide. In particolare, con l'ultimo modello Ultralytics YOLO11, gli sviluppatori possono creare soluzioni che abbiano un impatto significativo.
Unisciti alla nostra community per rimanere aggiornato sull'IA e sui suoi usi pratici. Dai un'occhiata al nostro repository GitHub per esplorare le innovazioni in settori come l'IA nelle auto a guida autonoma e la computer vision nel settore sanitario.
.webp)