Lightning AIでUltralytics YOLOモデルをカスタムトレーニングする

経験豊富なAI開発者でも、ビジョンAIを使い始めたばかりの方でも、Ultralytics YOLO11のようなコンピュータービジョンモデルを試し、実験できる信頼性の高い環境が重要です。環境とは、AIモデルを効率的に設計、テスト、デプロイするために必要なツール、リソース、インフラストラクチャを指します。

さまざまなAIツールを提供するオンラインプラットフォームはいくつかありますが、データ準備からモデルのデプロイまで、AIライフサイクル全体をカバーする統合環境を提供しているものは多くありません。そこで、AI開発のオールインワンプラットフォームであるLightning AIが、データ準備からデプロイまでのプロセスを効率化します。

AI開発を容易にする重要性は、AIとコンピュータービジョンの進歩に焦点を当てた、Ultralytics主催の年次ハイブリッドイベントYOLO Vision 2024（YV24）でも紹介されました。Lightning AIのCTOであるLuca Antigaは、「Going YOLO on Lightning Studios」と題した基調講演を行い、Lightning AIを使って技術的な複雑さに煩わされることなく、Ultralytics YOLOモデルをすばやくスムーズにトレーニングする方法を解説しました。

この記事では、Luca氏の講演から得られる重要なポイントを取り上げ、コンピュータービジョンの実用的な活用例から、Lightning AIを使ったUltralytics YOLOモデルのトレーニングとデプロイのライブデモまで解説します。

Lightning AIとUltralytics YOLOでAI開発を簡素化#

Lucaは基調講演の冒頭で、さまざまな業界におけるYOLOモデルの影響について、自身の考えと感謝を述べました。YOLOモデルは製造業や農業などの分野で活用できると強調しました。また、「実際的で現実的な問題を解決する必要がある開発者のコミュニティにYOLOが与えた影響を高く評価しています。これは私にとって非常に身近なことです」と語りました。

AIトレーニングへの関心の高まりに触れたうえで、誰もがAIモデルをより迅速かつ簡単に開発でき、利用しやすくするために設計されたプラットフォーム、Lightning AIを紹介しました。特に、AIの反復的な進歩を支援し、開発者がモデルを改良・改善できる点で役立ちます。

図1. YV24でLightning Studiosについてリモート講演するLuca Antiga。

また、Lightning AIは、AIモデルのトレーニングプロセスを簡素化するフレームワークであるPyTorch Lightningに似ているとも指摘しました。ただし、Lightning AIはトレーニングだけでなく、AI開発プロセス全体を対象とした、より幅広いツールや機能を提供する包括的なプラットフォームです。

Lightning AIの重要な構成要素であるLightning Studiosは、AIモデルの設計、トレーニング、デプロイに使える直感的なワークスペースを提供し、ワークフロー全体をより円滑かつ効率的にします。Lightning Studiosは、クラウド上で動作する再現可能なAI開発環境と考えることができます。たとえば、複製して別の開発者と共有できるJupyter Notebookのような環境を提供し、コラボレーションの促進に役立ちます。

続いてLucaは、Lightning Studiosの利点について、「環境の複製はもう問題ではありません。CPU [中央処理装置]マシンからGPU [グラフィックス処理装置]マシンに切り替える場合も、1,000台のマシンでトレーニングを開始する場合も、環境はそのまま維持されます」と説明しました。

トレーニングと開発に向けたLightning Studiosのセットアップ#

続いてLucaは、Lightning Studiosをすぐに使い始められることを実演しました。数回クリックするだけで新しいStudioを開き、Jupyter NotebooksやVS Codeなどのツールや環境を、コーディングできる状態で利用できます。また、マシンを簡単に切り替えられることも紹介しました。作業により高い性能が必要であれば、CPUからより高性能なGPUに簡単に切り替えられます。GPUは使用中のみ稼働し、使用していないときはスリープモードに入るため、クレジットを節約できます。

LucaはStudio Templatesを使うメリットにも触れました。Studio Templatesはコミュニティがあらかじめ作成したAIコーディング環境で、セットアップなしで利用できます。AIプロジェクト用の環境を設定するには時間がかかることがありますが、Studio Templatesを使えば生産性の向上に役立ちます。これらの環境には、インストール済みの依存関係、モデルの重み、データ、コードなど、AIプロジェクトに必要なものがあらかじめ用意されています。

図2. Studio Templatesについて説明するLuca。

Lightning StudiosでUltralytics YOLOモデルをトレーニング#

その後Lucaはライブデモに移り、Lightning Studioを使ってUltralytics YOLOモデルをトレーニングする方法を紹介しました。依存関係がすべてインストール済みのStudio Templateを開き、トレーニングを高速化するためにGPUを4基搭載したマシンを起動しました。データについては、マシンに直接保存する方法と、クラウドからストリーミングする方法を選択でき、トレーニングプロセスをより高速かつ効率的にできると説明しました。

数秒でマシンの準備が整い、Luca氏はすぐにトレーニングを開始しました。デモ中に小さな問題が発生してマシンが予期せず停止しましたが、Lightning Studiosは中断したところから再開し、進捗が失われないようにしました。Luca氏は、予期しない中断が起きても円滑なワークフローを支える、この信頼性の高さを強調しました。

デモを続けながら、機械学習のメトリクスをリアルタイムで可視化するツール、TensorBoardを使ってトレーニングの進捗を簡単に監視できることも示しました。Lightning Studioでは、同じワークスペースにいるユーザーやチームメイトが追加設定なしでTensorBoardのビューにアクセスできるURLが自動生成されるため、さらに簡単に利用できます。これによりコラボレーションが効率化され、チーム全員が同じ状況を共有できます。

図3. Lightning StudiosでUltralytics YOLOモデルをトレーニングするフローチャート。画像提供：著者。

LitServeを使ったUltralytics YOLOモデルのデプロイ#

デモの後、LucaはLightning AIが最近公開した新しいプロジェクト、LitServeに話題を移しました。LitServeは、トレーニング済みモデルを他の人が利用できるスケーラブルなサービスにするプロセスを簡素化し、複雑なデプロイパイプラインを不要にします。モデルのパッケージ化からデプロイまでを、最小限の労力で実行できるように設計されています。

これをリアルタイムで示すため、Lucaは事前トレーニング済みのUltralytics YOLOv8モデルを使った簡単なデモを行いました。受信リクエストを処理して画像の予測結果を返すシンプルなAPIを、数秒で作成できました。つまり、誰でも画像を使ってこのAPIにリクエストを送信し、物体検出などのコンピュータービジョンタスクの結果をほぼ瞬時に受け取れます。裏側では、Ultralytics YOLOv8モデルがサービスとしてデプロイされ、リクエストを効率的に処理し、画像を解析して、最小限のレイテンシで予測結果を返します。

図4. YV24でLightning AIのLitServeを紹介するLuca。

Lucaがピザの画像で推論を実行すると、Ultralytics YOLOv8はピザ、スプーン、ダイニングテーブルなどのオブジェクトを正しく識別しました。システムが起動したばかりの「コールドスタート」では最初のリクエストに少し時間がかかりますが、システムがウォームアップした後のリクエストは大幅に高速になると説明しました。

その後、Luca氏は「これを外部に公開するにはどうすればよいでしょうか」と尋ねました。API Builderプラグインを使えば、モデルを本番環境ですぐに使えるライブサービスに簡単に変換できると説明しました。カスタムドメイン、セキュリティの強化、シンプルな統合などの機能により、誰もがモデルにアクセスできるようにできます。

Lightning Studiosを使う主なメリット#

講演の締めくくりに、LucaはAI開発におけるLightning Studioのスケーラビリティと柔軟性について述べました。このプラットフォームでは複数のマシンにまたがってモデルをトレーニングでき、最大10,000ノードまでスケールできます。また、障害耐性のあるトレーニングにより、中断後も自動的に再開できます。

たとえば、ハードウェアの問題やサーバーの再起動によってGPUクラスター上のトレーニングジョブが中断された場合でも、Lightning Studiosは中断した箇所から確実に処理を再開します。そのため、ImageNetやCOCOのような大規模なデータセットを使ってディープラーニングモデルをトレーニングする大規模AIプロジェクトに最適です。

Lucaが紹介したLightning Studiosのその他の主なメリットは次のとおりです。

• 毎月無料のGPUクレジット：ユーザーには毎月15クレジットが無料で付与され、自動的に補充されます。追加費用をかけずに実験や開発を続けられます。
• コラボレーションの強化： Lightning Studioの共有チームスペースと再現可能な環境により、チームメンバーは共同作業を進め、プロジェクト全体で一貫性と効率性を確保できます。
• 柔軟なインスタンスの選択肢：中断可能なインスタンスと中断不可能なインスタンスから柔軟に選択でき、中断可能なオプションを使えばGPUマシンのコストを抑えられます。
• 既存ツールとの統合: このプラットフォームは、SSH (Secure Shell)やVS Codeなどのリモート開発ツールと統合されており、ローカルまたはクラウドで柔軟に作業できます。

重要なポイント#

YV24でのLucaの基調講演では、Ultralytics YOLOモデルやLightning AIなどのツールとAIの組み合わせが、現実世界の問題の解決方法をどのように変えているかが取り上げられました。これらのツールを使うと、開発者はさまざまな業界の具体的な課題に対処するよう設計されたモデルを、より簡単にトレーニングしてデプロイできます。

同氏は、Lightning Studiosによって開発プロセス全体がより高速かつ利用しやすくなり、開発者が強力なソリューションを簡単に作成できることを示しました。Lightning AIのようなプラットフォームの中核では、コンピュータービジョンモデルがAIソリューションによる課題への取り組み方を変えています。特に、Ultralytics YOLO11とその後継モデルであるUltralytics YOLO26を活用すれば、開発者は有意義な成果をもたらすソリューションを構築できます。

コミュニティに参加して、AIとその実用的な活用方法に関する最新情報をご確認ください。GitHubリポジトリでは、自動運転車におけるAIや医療におけるコンピュータービジョンなどの分野の技術革新をご覧いただけます。