13 gennaio 2025
Scoprite come Lightning AI, presentato a YOLO Vision 2024, semplifica lo sviluppo di AI scalabili con una formazione, una distribuzione e una collaborazione più rapide.
%252520(1).webp)
Sia che siate sviluppatori esperti di IA o che abbiate appena iniziato a esplorare l'IA visiva, avere un ambiente affidabile per giocare e sperimentare con modelli di computer vision come Ultralytics YOLO11 è fondamentale. Per ambiente si intendono gli strumenti, le risorse e le infrastrutture necessarie per progettare, testare e distribuire in modo efficiente i modelli di IA.
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.
L'importanza di semplificare lo sviluppo dell'IA è stata illustrata a YOLO Vision 2024 (YV24), un evento ibrido annuale ospitato da Ultralytics e incentrato sui progressi dell'IA e della computer vision. Luca Antiga, CTO di Lightning AI, ha tenuto una conferenza dal titolo"Going YOLO on Lightning Studios", in cui ha illustrato come addestrare i modelliYOLO Ultralytics in modo rapido, fluido e senza farsi coinvolgere dalle complessità tecniche di Lightning AI.
In questo articolo, approfondiremo i punti chiave dell'intervento di Luca, dalle applicazioni reali di computer vision alle dimostrazioni dal vivo sull'addestramento e la distribuzione dei modelli Ultralytics YOLO con Lightning AI. Iniziamo!
Luca ha iniziato il suo intervento condividendo i suoi pensieri e il suo apprezzamento per l'influenza dei modelli YOLO in vari settori. Ha sottolineato come i modelli YOLO possano essere applicati in settori come la produzione e l'agricoltura. Ha detto: "Apprezzo l'impatto che YOLO ha avuto sulla comunità dei costruttori - persone che devono risolvere problemi reali e pratici - e questo mi è molto vicino".
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 inoltre sottolineato che Lightning AI è simile a PyTorch Lightning, un framework che semplifica il processo di formazione dei modelli di IA. Tuttavia, la differenza sta nel fatto che Lightning AI è una piattaforma più completa che fornisce un insieme più ampio di strumenti e funzionalità per l'intero processo di sviluppo dell'intelligenza artificiale, non solo per l'addestramento dei modelli di intelligenza artificiale.
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, affermando: "La replica dell'ambiente non è più un problema. Se dovete passare da una macchina con CPU [Central Processing Unit] a una macchina con GPU [Graphics Processing Unit] o lanciare la formazione su un migliaio di macchine, il vostro ambiente sarà persistente".
Luca ha poi dimostrato quanto velocemente si possa iniziare a lavorare con 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 impostati e pronti per la codifica. Ha mostrato la facilità con cui è possibile passare da una macchina all'altra. Se l'attività su cui si sta lavorando richiede maggiore potenza, è possibile passare facilmente da una CPU a una GPU più potente. La GPU rimarrà attiva solo quando è in uso, altrimenti entrerà in modalità sleep, risparmiando i 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 dal vivo, evidenziando come sia possibile utilizzare Lightning Studio per addestrare i modelliUltralytics YOLO . Ha aperto un modello di Studio, che aveva già installato tutte le dipendenze, 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 memorizzarli direttamente sulla macchina o di inviarli in streaming dal cloud, rendendo il processo di addestramento più rapido 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 dimostrarlo in tempo reale, Luca ha presentato al pubblico una rapida dimostrazione utilizzando un sistema pre-trainato di Ultralytics YOLOv8 preaddestrato. È stato in grado di creare una semplice API per gestire le richieste in arrivo e restituire le previsioni delle immagini in pochi secondi. Ciò significa che chiunque può inviare un ping a questa API con un'immagine e ricevere risultati per attività di computer vision come il rilevamento di oggetti quasi istantaneamente. Dietro le quinte, il modelloYOLOv8 Ultralytics viene distribuito come 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 mentre la prima richiesta richiede un tempo leggermente più lungo a causa di un "avvio a freddo", le richieste successive sono molto più veloci una volta che il sistema si è riscaldato.
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 formazione su un cluster di GPU viene interrotto a causa di un problema hardware o di un riavvio del server, Lightning Studios fa in modo che il processo riprenda esattamente da dove era stato interrotto. Questo lo rende ideale per i progetti di intelligenza artificiale su larga scala, come l'addestramento di modelli di deep learning su dataset di grandi dimensioni come ImageNet o COCO.
Ecco alcuni altri vantaggi chiave di Lightning Studios di cui ha parlato Luca:
Il keynote di Luca a YV24 ha evidenziato come l'IA, combinata con strumenti come i modelliYOLO di Ultralytics e Lightning AI, stia cambiando il modo in cui risolviamo i problemi del mondo reale. Questi strumenti rendono più facile per gli sviluppatori addestrare e distribuire modelli che sono stati progettati per affrontare problemi specifici in una serie di 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 AI affrontano le sfide. In particolare, con l'ultimo modello Ultralytics YOLO11 , gli sviluppatori possono creare soluzioni che hanno 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.
