Lightning AIでUltralytics YOLOモデルをカスタムトレーニング
YOLO Vision 2024で紹介されたLightning AIが、モデルのトレーニング、デプロイ、コラボレーションを高速化し、スケーラブルなVision AI開発を簡素化する方法をご紹介します。
経験豊富なAI開発者の方でも、ビジョンAIの探索を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安心して試行・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。
複数のオンラインプラットフォームがさまざまなAIツールを提供していますが、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します。
AI開発を容易にすることの重要性は、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であるYOLO Vision 2024（YV24）で紹介されました。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を使って技術的な複雑さに関わることなく、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詳しく説明しました。
この記事では、Luca氏の講演から得られる主なポイントを取り上げ、現実世界のコンピュータービジョンのアプリケーションから、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を紹介します。早速始めましょう。
Lightning AIとUltralytics YOLOでAI開発を簡素化する#
Luca氏は基調講演の冒頭で、さまざまな業界におけるYOLOモデルの影響力についての考えと評価を語りました。YOLOモデルが製造業や農業などの分野でどのように活用できるかを強調し、次のように述べました。「実際的で現実的な問題を解決する必要があるビルダーたち、つまり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ものです。」
AIトレーニングへの関心の高まりに話をつなげ、Luca氏は、AIモデル開発を誰にとってもより高速、簡単、身近に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・改善するのに役立ちます。
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氏。
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応する、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点が異なります。
Lightning AIの重要な構成要素がLightning Studiosです。AIモデルの設計、トレーニング、デプロイを行う直感的なワークスペースを提供し、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、クラウド上で動作する、再現可能なAI開発環境だと考えることができます。たとえば、Jupyter Notebookのような環境を複製して別の開発者と共有できるため、コラボレーションの向上に役立ちます。
Luca氏は続けてLightning Studiosの利点を説明し、次のように述べました。「環境の複製は、もはや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]マシンに切り替えたり、1,000台のマシンでトレーニングを開始したりする必要がある場合でも、環境は永続的に維持されます。」
トレーニングと開発のためにLightning Studiosをセットアップする#
続いて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。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、コーディングの準備が整ったツールと環境にアクセスできます。異なるマシン間を簡単に切り替えられることも紹介しました。作業中の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へ簡単に切り替えられます。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入るため、クレジットを節約できます。
Luca氏は、Studio Templatesを利用するメリットについても説明しました。Studio Templates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、何もセットアップせずに使用できます。AIプロジェクト用の環境設定に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とは何かを説明するLuca氏。
Lightning StudiosでUltralytics YOLOモデルをトレーニングする#
続いてLuca氏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、4基のGPUを搭載したマシンを起動してトレーニングプロセスを高速化しました。データについては、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をより高速かつ効率的にできると説明しました。
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は中断した箇所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、この信頼性により、予期しない中断が発生してもスムーズなワークフローが維持されると指摘しました。
デモを続けて、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であるTensorBoardを使い、トレーニングの進捗を簡単にモニタリングできることを紹介しました。Lightning Studioでは、同じワークスペースにいる本人やチームメートが追加のセットアップなしでTensorBoardのビューにアクセスできるURLが自動生成されるため、さらに簡単です。これによりコラボレーションが効率化され、全員が同じ情報を共有できます。
図3. Lightning StudiosでUltralytics YOLOモデルをトレーニングする際のフローチャート。画像提供：筆者。
LitServeでUltralytics YOLOモデルをデプロイする#
デモの後、Luca氏は講演の焦点を、Lightning AIが最近立ち上げた新しいプロジェクト、LitServeへと移しました。LitServeは、トレーニング済みモデルを他のユーザーが利用できるスケーラブルなサービスに変換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最小限の手間でのデプロイまで、すべてに対応できるよう設計されています。
これをリアルタイムで示すため、Luca氏は事前トレーニング済みのUltralytics YOLOv8モデルを使って簡単なデモを行いました。受信リクエストを処理し、数秒で画像の予測結果を返すシンプルなAPIを作成しました。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。バックグラウンドでは、Ultralytics YOLOv8モデルがサービスとしてデプロイされ、リクエストの処理、画像の処理、予測結果の提供を最小限のレイテンシで効率的に行います。
図4. YV24でLightning AIのLitServeを紹介するLuca氏。
ピザの画像で推論を実行したところ、Ultralytics YOLOv8はピザ、スプーン、ダイニングテーブルなどの物体を正常に識別しました。最初のリクエストは「コールドスタート」のため少し時間がかかりますが、システムがウォームアップされると、後続のリクエストははるかに高速になると説明しました。
続いてLuca氏は、「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。そして、API Builderプラグインを使えば、モデルをライブで本番運用可能なサービスに簡単に変換できることを説明しました。カスタムドメイン、強化されたセキュリティ、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利用できるようになります。
Lightning Studiosを利用する主なメリット#
講演の締めくくりに、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ついて説明しました。このプラットフォームでは、最大10,000ノードまで拡張しながら複数のマシンでモデルをトレーニングでき、障害発生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にも対応しています。
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正確にプロセスを再開します。そのため、ImageNetやCOCOなどの大規模なデータセットでディープラーニングモデルをトレーニングするような、大規模AIプロジェクトに適しています。
Luca氏が説明したLightning Studiosのその他の主なメリットは次のとおりです。
- 無料の月間GPUクレジット：ユーザーには毎月15クレジット分の無料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や開発を行えます。
- 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共同作業でき、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してGPUマシンのコストを節約できます。
- 既存ツールとの統合：リモート開発ツールのSSHやVS Codeと統合できるため、ローカルまたはクラウドで柔軟に作業できます。
主なポイント#
YV24でのLuca氏の基調講演では、AIがUltralytics YOLOモデルやLightning AIなどのツールと組み合わさることで、現実世界の問題の解決方法がどのように変化しているかが示されました。これらのツールにより、開発者はさまざまな業界の特定の課題に取り組む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。
Luca氏は、Lightning Studiosによって開発プロセス全体が高速化され、より身近になり、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のような最先端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対応方法を変革しています。特に、最新のUltralytics YOLO11モデルにより、開発者は有意義な影響をもたらすソリューションを構築できます。
AIとその実用的な用途に関する最新情報を得るには、私たちのコミュニティにご参加ください。私たちの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イノベーションをご覧いただけます。
