Lightning AIでのUltralytics YOLOモデルのカスタムトレーニング
YOLO Vision 2024で紹介されたLightning AIが、より高速なモデルトレーニング、デプロイメント、コラボレーションを通じて、どのようにスケーラブルなビジョンAI開発を簡素化しているかをご覧ください。
経験豊富なAI開発者であっても、vision AIを学び始めたばかりであっても、Ultralytics YOLO11のようなコンピュータビジョンモデルを試したり実験したりするための信頼できる環境を持つことが重要です。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、およびインフラストラクチャを指します。
複数のオンラインプラットフォームが様々なAIツールを提供していますが、データ準備からモデルデプロイまで、AIライフサイクル全体を統一された環境で提供しているものは多くありません。そこで、AI開発のためのオールインワン・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するために役立ちます。
AI開発を容易にすることの重要性は、Ultralyticsが主催するAIとコンピュータビジョンの進歩に焦点を当てた年次ハイブリッドイベント、YOLO Vision 2024 (YV24)で示されました。Lightning AIのCTOであるLuca Antiga氏は、『Going YOLO on Lightning Studios』と題した基調講演を行い、Lightning AIを使用して技術的な複雑さに煩わされることなく、Ultralytics YOLOモデルを迅速かつ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氏の講演の重要なポイントを深く掘り下げます。実際のコンピュータビジョンのユースケースから、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、すべてを網羅します。それでは始めましょう！
Link to this sectionLightning AIとUltralytics YOLOを使用してAI開発を簡素化する#
Luca氏は基調講演の冒頭で、様々な業界におけるYOLOモデルの影響に対する自身の考えと感謝を共有しました。彼は、YOLOモデルが製造業や農業といった分野でどのように応用できるかを強調しました。彼は、『実用的で具体的な問題を解決する必要がある開発者コミュニティに対して、YOLOが与えた影響に感謝しています。これは私にとって非常に身近なことです』と述べました。
これをAIトレーニングへの関心の高まりと結びつけ、彼はAIモデルの開発を誰にとってもより速く、よりシンプルに、よりアクセスしやすくするように設計されたプラットフォームであるLightning AIを紹介しました。これはAIの反復的な進歩をサポートし、開発者がモデルを洗練させ改善するのに特に役立ちます。
図1. YV24でLightning Studiosについてリモートプレゼンテーションを行うLuca Antiga。
彼はまた、Lightning AIが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に似ていると指摘しました。しかし、異なる点は、Lightning AIが単にAIモデルのトレーニングだけでなく、AI開発プロセス全体に対してより幅広いツールと機能を提供する包括的なプラットフォームであることです。
Lightning AIの重要なコンポーネントは、AIモデルの設計、トレーニング、デプロイのための直感的なワークスペースを提供するLightning Studiosであり、ワークフロー全体をシームレスかつ効率的にします。Lightning Studiosは、クラウド上で実行されるAIのための再現可能な開発環境と考えることができます。例えば、複製して他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改善を支援します。
Luca氏は次にLightning Studiosの利点について詳しく説明し、『環境の複製はもう問題ではありません。CPU [中央演算処理装置] マシンからGPU [グラフィックス処理装置] マシンに変更する必要がある場合や、1,000台のマシンでトレーニングを開始する場合でも、環境は永続的です』と述べました。
Link to this sectionトレーニングと開発のためにLightning Studiosをセットアップする#
次に、Luca氏はLightning Studiosをどれほど迅速に使い始められるかを実演しました。わずか数回のクリックで新しいスタジオを開き、Jupyter NotebookやVS Codeのようなツールや環境にアクセスでき、コーディングの準備が整います。彼は、異なるマシン間を切り替えるのがいかに簡単かを示しました。取り組んでいるタスクにより大きなパワーが必要な場合は、CPUからより強力なGPUに簡単に切り替えることができます。GPUは使用中のみアクティブになり、それ以外はスリープモードになるため、クレジットを節約できます。
Luca氏はStudio Templatesを使用するメリットについても触れました。これらはコミュニティによってあらかじめ作成されたAIコーディング環境であり、何も設定することなく使用できます。AIプロジェクトの環境設定は時間がかかることがありますが、Studio Templatesは生産性の向上に役立ちます。これらの環境には、インストールされた依存関係、モデルのウェイト、データ、コードなど、AIプロジェクトに必要なすべてのものがプリロードされています。
図2. Studio Templatesとは何かを説明するLuca。
Link to this sectionLightning StudiosでUltralytics YOLOモデルをトレーニングする#
Luca氏は次にライブデモに移り、Lightning Studioを使用してUltralytics YOLOモデルをトレーニングする方法を強調しました。彼はすでに依存関係がすべてインストールされているStudio Templateを開き、トレーニングプロセスを加速させるために4つのGPUを備えたマシンを起動しました。データに関しては、データをマシン上に直接保存するか、クラウドからストリーミングするかを選択できるため、トレーニングプロセスがより高速かつ効率的になると彼は述べました。
数秒以内にマシンの準備が整い、Luca氏はすぐにトレーニングセッションを開始しました。デモ中に軽微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シームレスに再開し、進捗が失われないようにしました。Luca氏は、この信頼性が予期せぬ中断に直面してもスムーズなワークフローをどのようにサポートするかを指摘しました。
デモを続けながら、彼は機械学習のメトリクスをリアルタイムで視覚化するためのツールであるTensorBoardを使用してトレーニングの進行状況を監視するのがいかに簡単かを示しました。Lightning Studioは、追加の設定なしで、あなたや同じワークスペースにいるチームメンバーがTensorBoardビューにアクセスできるようにするURLを自動的に生成することで、これをさらに簡素化します。これによりコラボレーションが合理化され、全員が同じ情報を共有できます。
図3. Lightning StudiosでのUltralytics YOLOモデルのトレーニングに関するフローチャート。画像：著者。
Link to this sectionLitServeでUltralytics YOLOモデルをデプロイする#
デモの後、Luca氏はトークの焦点をLightning AIが最近立ち上げた新しいプロジェクト、LitServeに移しました。LitServeは、トレーニング済みのモデルを他のユーザーが使用できるスケーラブルなサービスに変えるプロセスを簡素化し、複雑なデプロイパイプラインの必要性を排除します。モデルのパッケージングからデプロイまで、最小限の手間で処理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に、Luca氏はトレーニング済みのUltralytics YOLOv8モデルを使用した簡単なデモを聴衆に行いました。彼は数秒で受信リクエストを処理し、画像予測を返すための簡単なAPIを作成することができました。つまり、誰でもこのAPIに画像でpingを送信し、オブジェクト検出のようなコンピュータビジョンのタスクの結果をほぼ瞬時に受け取ることができます。バックエンドでは、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を配信します。
図4. YV24でLightning AIのLitServeを紹介するLuca。
彼はピザの画像で推論を実行し、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常に識別しました。彼は、最初の回は『コールドスタート』のために少し時間がかかるが、システムが暖まればその後のリクエストははるかに速くなると説明しました。
Luca氏は次に、『これを外部に公開したい場合はどうすればよいでしょうか？』と問いかけました。彼は、API Builderプラグインがどのようにしてモデルをライブで本番環境対応のサービスに変えるのを簡単にするかを概説しました。カスタムドメイン、セキュリティの強化、シームレスな統合などの機能により、モデルを誰でも簡単にアクセスできるようにすることができます。
Link to this sectionLightning Studiosを使用する主な利点#
トークの最後に、Luca氏はAI開発におけるLightning Studioのスケーラビリティと柔軟性に触れました。彼は、このプラットフォームが複数のマシン間で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アップできること、そして中断後に自動的に再開するフォールトトレラントなトレーニングを備えていることを言及しました。
For instance, if a training job on a GPU cluster is interrupted due to a hardware issue or a server reboot, Lightning Studios makes sure the process resumes exactly where it left off. This makes it ideal for large-scale AI projects, like training deep learning models on massive datasets such as ImageNet or COCO.
Luca氏が語ったLightning Studiosのその他の主な利点は以下の通りです：
- 無料の月間GPUクレジット: ユーザーには毎月15個の無料GPUクレジットが提供され、自動的に補充されるため、追加コストなしで実験と開発を行うことができます。
- 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、チームメンバーはシームレスに協力でき、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オプション: 中断可能なインスタンスと中断不可能なインスタンスを選択できる柔軟性があり、中断可能なオプションを使用することでGPUマシンのコストを節約できます。
- 既存ツールとの統合: このプラットフォームはSSH (Secure Socket Shell) やVS Codeのような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作業する柔軟性を提供します。
Link to this section重要なポイント#
YV24でのLuca氏の基調講演は、Ultralytics YOLOモデルやLightning AIのようなツールと組み合わせたAIが、私たちが現実世界の問題を解決する方法をどのように変えているかを強調しました。これらは、開発者がさまざまな業界の特定の問題に対処するために設計されたモデルをより簡単にトレーニングし、デプロイできるようにします。
彼は、Lightning Studiosがどのように開発プロセス全体をより速く、よりアクセスしやすくし、開発者が強力なソリューションを簡単に作成できるようにするかを示しました。Lightning AIのような最先端プラットフォームの中核において、コンピュータビジョンモデルはAIソリューションが課題を処理する方法を変革しています。特に、最新のUltralytics YOLO11モデルを使えば、開発者は有意義な影響を与える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とその実践的な活用に関する最新情報を入手してください。GitHubリポジトリをチェックして、AI自動運転車やヘルスケア分野のコンピュータビジョンといった分野のイノベーションを探索してください。
