YOLO Vision 2024で展示されたLightning AIが、モデルのトレーニング、デプロイメント、コラボレーションを高速化し、スケーラブルなビジョンAI開発をいかに簡素化するかをご覧ください。
%252520(1).webp)
経験豊富なAI開発者であろうと、ビジョンAIの探求を始めたばかりであろうと、次のようなコンピュータ・ビジョン・モデルで遊び、実験するための信頼できる環境を持つことは重要です。 Ultralytics YOLO11のようなコンピュータ・ビジョン・モデルを遊び、実験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、展開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。
いくつか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、多くはデータ準備からモデルのデプロイメントまで、AIライフサイクル全体を網羅する統合環境を提供していません。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が登場し、データ準備からデプロイメントまでのプロセスを効率化します。
AIとコンピュータ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、AI開発を容易にすることの関連性が紹介された。Lightning AIのCTOであるルカ・アンティガは、「GoingYOLO on Lightning Studios」と題した基調講演を行い、Lightning AIを使用して、Ultralytics YOLO モデルを迅速かつスムーズに、技術的な複雑さに関与することなくトレーニングする方法を説明した。
この記事では、ルカ氏の講演から得られた重要なポイントを、実際のコンピュータ・ビジョン・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やデプロイに関するライブ・デモまで、あらゆる角度からご紹介します。さっそく始めましょう！
ルカ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、自身の考えと評価を語った。彼は、YOLO モデルが製造業や農業などの分野でどのように応用できるかを強調した。YOLO ビルダーのコミュニティー、つまり実際の実用的な問題を解決する必要のある人々に与えた影響を高く評価している。
AIトレーニングへの関心の高まりに関連して、彼は、AIモデルの開発をより速く、よりシンプルに、そして誰にとっても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、開発者がモデルを改良および改善するのに特に役立ちます。
また、Lightning AIは、AIモデルの学習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た。しかし、異なる点は、Lightning AIがより包括的なプラットフォームであり、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広範なツールと機能を提供する点だ。
Lightning AIの重要なコンポーネントはLightning Studiosであり、AIモデルの設計、トレーニング、およびデプロイのための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、クラウド上で実行されるAIの再現可能な開発環境と考えることができます。たとえば、Jupyter Notebookのような環境を提供し、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改善に役立ちます。
ルカは、ライトニング・スタジオの利点について次のように語った。CPU Processing Unit）マシンからGPU （Graphics Processing Unit）マシンに変更したり、1000台のマシンにまたがってトレーニングを開始したりする必要があっても、環境は永続的です」。
次にルカは、Lightning Studiosをいかに早く使い始めることができるかを実演した。数回クリックするだけで、新しいスタジオを開き、Jupyter NotebooksやVS Codeのようなツールや環境にアクセスできる。彼は、異なるマシン間の切り替えがいかに簡単かを紹介した。作業中のタスクがより大きなパワーを必要とする場合、CPU 強力なGPU簡単に切り替えることができる。GPU 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ので、クレジットを節約できる。
Luca氏はまた、Studio Templatesを使用する利点についても言及しました。これらはコミュニティによって事前に作成されたAIコーディング環境であり、何も設定しなくても使用できます。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すべてプリロードされています。
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紹介した。彼は、すでにすべての依存関係が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スピードアップするために4つのGPUを搭載したマシンをスピンアップした。データに関しては、データをマシンに直接保存するか、クラウドからストリーミングするかを選択でき、トレーニングプロセスをより高速かつ効率的に行えると述べた。
数秒以内にマシンは準備が完了し、Luca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、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は、この信頼性が予期しない中断が発生した場合でも、スムーズなワークフローをサポートする方法を指摘しました。
デモでは、TensorBoardを使用してトレーニングの進捗状況を監視するのがいかに簡単であるかを示しました。TensorBoard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す。Lightning Studioを使用すると、追加のセットアップなしで、自分自身や同じワークスペース内のチームメイトがTensorBoardビューにアクセスできるURLが自動的に生成されるため、さらに簡単になります。これにより、コラボレーションが効率化され、全員が同じ認識を共有できます。
デモの後、Luca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であるLitServeに移しました。LitServeは、トレーニング済みのモデルを取得し、他の人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、複雑なデプロイメント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最小限の労力でのデプロイまで、すべてを処理す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、ルカは事前に訓練された Ultralytics YOLOv8モデルを使った簡単なデモを行った。彼はシンプルなAPIを作成し、リクエストを処理し、数秒で画像予測を返すことができた。つまり、誰でもこのAPIに画像をpingすれば、物体検出のようなコンピュータ・ビジョン・タスクの結果をほぼ瞬時に受け取ることができるのだ。舞台裏では、Ultralytics YOLOv8 モデルがサービスとして展開され、効率的にリクエストを処理し、画像を処理し、最小限の待ち時間で予測を提供している。
彼はピザの画像で推論を実行し、Ultralytics YOLOv8 ピザ、スプーン、ダイニングテーブルなどのオブジェクトの識別に成功した。彼は、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るが、システムがウォームアップすれば、その後のリクエストはずっと速くなると説明した。
次に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。彼は、API Builderプラグインを使用すると、モデルをライブで本番環境に対応した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、追加のセキュリティ、シームレスな統合などの機能により、誰でも簡単にモデルにアクセスできるようにすることができます。
講演の終わりに、ルカ氏は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可能であり、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が可能であると述べました。
例えば、GPU クラスタ上のトレーニングジョブがハードウェアの問題やサーバーの再起動によって中断された場合、Lightning Studiosはプロセスを中断したところから正確に再開させる。そのため、ImageNet COCOのような巨大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、大規模なAIプロジェクトに最適です。 COCO.
以下に、Lucaが語ったLightning Studiosのその他の重要な利点をいくつか紹介します。
YV24でのルカの基調講演では、Ultralytics YOLO モデルやLightning AIのようなツールとAIを組み合わせることで、現実世界の問題を解決する方法がどのように変化しているかが強調された。これらのツールによって、開発者は、さまざまな業界の特定の問題に取り組むように設計されたモデルを訓練し、展開することが容易になります。
同氏は、Lightning Studiosが開発プロセス全体をより迅速かつ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方法を説明した。Lightning AIのような最先端プラットフォームの中核となる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に対処する方法を変革しています。特に、最新のUltralytics YOLO11 モデルにより、開発者は有意義なインパクトを与えるソリューションを構築することができます。
コミュニティに参加して、AIとその実用的な使用法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、自動運転車やヘルスケアにおけるコンピュータビジョンなどの分野におけるイノベーションを探求してください。
