Addestramento personalizzato dei modelli Ultralytics YOLO su Lightning AI

Che tu sia uno sviluppatore AI esperto o abbia appena iniziato a esplorare la vision AI, disporre di un ambiente affidabile per provare e sperimentare con modelli di computer vision come Ultralytics YOLO11 è fondamentale. Un ambiente comprende gli strumenti, le risorse e l'infrastruttura necessari per progettare, testare e distribuire i modelli AI in modo efficiente.

Sebbene diverse piattaforme online offrano vari strumenti di AI, molte non forniscono un ambiente unificato per l'intero ciclo di vita dell'AI, dalla preparazione dei dati alla distribuzione del modello. È qui che entra in gioco Lightning AI, una piattaforma completa per lo sviluppo dell'AI, che semplifica il processo dalla preparazione dei dati alla distribuzione.

L'importanza di semplificare lo sviluppo dell'AI è stata mostrata a YOLO Vision 2024 (YV24), un evento ibrido annuale organizzato da Ultralytics e incentrato sui progressi nell'AI e nella computer vision. Luca Antiga, CTO di Lightning AI, ha tenuto un keynote intitolato 'Going YOLO on Lightning Studios', spiegando come addestrare rapidamente e senza intoppi i modelli Ultralytics YOLO con Lightning AI, senza doversi occupare delle complessità tecniche.

In questo articolo analizzeremo i punti principali del talk di Luca, dalle applicazioni della computer vision nel mondo reale alle demo dal vivo sull'addestramento e la distribuzione dei modelli Ultralytics YOLO con Lightning AI. Iniziamo!

Semplificare lo sviluppo dell'AI con Lightning AI e Ultralytics YOLO#

Luca ha iniziato il suo keynote condividendo le sue riflessioni e il suo apprezzamento per l'influenza dei modelli YOLO in vari settori. Ha sottolineato come i modelli YOLO possano essere applicati in ambiti come la produzione e l'agricoltura. Ha affermato: «Apprezzo l'impatto che YOLO ha avuto sulla community dei builder, ovvero sulle persone che devono risolvere problemi concreti e pratici: questo mi sta molto a cuore».

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

Fig. 1 Luca Antiga presenta da remoto Lightning Studios a YV24.

Ha inoltre osservato che Lightning AI è simile a PyTorch Lightning, un framework che semplifica il processo di addestramento dei modelli AI. La differenza è che Lightning AI è una piattaforma più completa, che offre un insieme più ampio di strumenti e funzionalità per l'intero processo di sviluppo dell'AI, non solo per l'addestramento dei modelli AI.

Una componente fondamentale di Lightning AI è Lightning Studios, che offre uno spazio di lavoro intuitivo per progettare, addestrare e distribuire modelli AI, rendendo l'intero flusso di lavoro fluido ed efficiente. Puoi considerare Lightning Studios come un ambiente di sviluppo riproducibile per l'AI eseguito nel cloud. Ad 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».

Configurazione di Lightning Studios per l'addestramento e lo sviluppo#

Successivamente, Luca ha mostrato quanto rapidamente si possa iniziare a usare Lightning Studios. Con pochi clic puoi 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 semplice 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 durante l'uso; altrimenti entra in modalità sospensione, consentendoti di risparmiare i crediti.

Luca ha inoltre menzionato i vantaggi degli Studio Templates. Sono ambienti di sviluppo AI preconfigurati dalla community, che puoi usare senza dover configurare nulla. La configurazione di un ambiente per i progetti AI può richiedere molto tempo e gli Studio Templates possono contribuire ad aumentare la produttività. Questi ambienti includono già tutto ciò che serve per i progetti AI, come dipendenze installate, pesi dei modelli, dati, codice e altro.

Fig. 2 Luca spiega cosa sono gli Studio Templates.

Addestramento dei modelli Ultralytics YOLO su Lightning Studios#

Luca è poi passato alla demo dal vivo, mostrando come puoi usare Lightning Studio per addestrare modelli Ultralytics YOLO. Ha aperto uno Studio Template, 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 spiegato che puoi scegliere di archiviarli direttamente sulla macchina oppure di trasmetterli dal cloud, rendendo il processo di 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 demo, un problema di lieve entità ha causato l'arresto imprevisto della macchina, ma Lightning Studios ha ripreso senza problemi dal punto in cui si era interrotto, assicurandosi 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 demo, ha mostrato quanto sia semplice monitorare l'avanzamento dell'addestramento usando TensorBoard, uno strumento per visualizzare in tempo reale le metriche del machine learning. Lightning Studio semplifica ulteriormente il processo generando automaticamente URL che consentono a te o ai tuoi compagni di team, nello stesso spazio di lavoro, di accedere alle viste di TensorBoard senza alcuna configurazione aggiuntiva. Questo semplifica la collaborazione e mantiene tutti aggiornati.

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

Distribuzione dei modelli Ultralytics YOLO con LitServe#

Dopo la demo, Luca ha spostato l'attenzione del talk 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 distribuzione complesse. È progettato per gestire tutto, dal confezionamento del modello alla sua distribuzione, con il minimo sforzo.

Per mostrarlo in tempo reale, Luca ha fatto una breve demo al pubblico usando un modello Ultralytics YOLOv8 preaddestrato. È riuscito a creare una semplice API per gestire le richieste in arrivo e restituire le predizioni sulle immagini in pochi secondi. Ciò significa che chiunque può inviare un'immagine a questa API e ricevere quasi istantaneamente i risultati per attività di computer vision come il rilevamento degli oggetti. In background, il modello Ultralytics YOLOv8 viene distribuito come servizio, gestendo in modo efficiente le richieste, elaborando le immagini e fornendo le predizioni con una latenza minima.

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

Ha eseguito un'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, mentre la prima richiesta richiede un po' più di tempo a causa di un «avvio a freddo», le richieste successive sono molto più rapide una volta che il sistema è entrato a regime.

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

Principali vantaggi dell'utilizzo di Lightning Studios#

Concludendo il suo talk, Luca ha parlato della scalabilità e della flessibilità di Lightning Studio per lo sviluppo dell'AI. Ha spiegato che la piattaforma può addestrare modelli su più macchine, scalando fino a 10.000 nodi, con un addestramento tollerante ai guasti che riprende automaticamente dopo ogni interruzione.

Ad esempio, se un'attività di addestramento su un cluster GPU viene interrotta a causa di un problema hardware o del riavvio di un server, Lightning Studios garantisce la ripresa del processo esattamente dal punto in cui si era interrotto. Questo lo rende ideale per progetti AI su larga scala, come l'addestramento di modelli di deep learning su dataset di grandi dimensioni come ImageNet o COCO.

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

• Crediti GPU mensili gratuiti: agli utenti vengono forniti 15 crediti GPU gratuiti ogni mese, che si ricaricano automaticamente, così puoi sperimentare e sviluppare senza costi aggiuntivi.
• Collaborazione migliorata: gli spazi di team condivisi e gli ambienti riproducibili di Lightning Studio consentono ai membri del team di lavorare insieme senza difficoltà, garantendo coerenza ed efficienza nei diversi progetti.
• Opzioni flessibili per le istanze: ti offre la flessibilità di scegliere tra istanze interrompibili e non interrompibili, consentendo agli utenti di risparmiare sui costi delle macchine GPU con 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 localmente o nel cloud.

Punti chiave#

Il keynote di Luca a YV24 ha evidenziato come l'AI, 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 rendono più semplice per gli sviluppatori addestrare e distribuire modelli progettati per affrontare problemi specifici in diversi settori.

Ha mostrato come Lightning Studios renda l'intero processo di sviluppo più rapido e accessibile, consentendo agli sviluppatori di creare facilmente soluzioni potenti. Alla base delle piattaforme all'avanguardia come Lightning AI, i modelli di computer vision stanno trasformando il modo in cui le soluzioni AI affrontano le sfide. In particolare, con l'ultimo modello Ultralytics YOLO11, gli sviluppatori possono creare soluzioni capaci di produrre un impatto significativo.

Unisciti alla nostra community per rimanere aggiornato sull'AI e sui suoi impieghi pratici. Dai un'occhiata al nostro repository GitHub per esplorare le innovazioni in settori come l'AI nelle auto a guida autonoma e la computer vision nell'assistenza sanitaria.