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、コラボレーションにより、スケーラブルなVision AI開発をどのように簡素化するかを探ります。
%252520(1).webp)
YOLO Vision 2025にご期待ください！
2025年9月25日
10:00 — 18:00（英国夏時間）
ハイブリッドイベント
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、コラボレーションにより、スケーラブルなVision AI開発をどのように簡素化するかを探ります。
経験豊富なAI開発者であっても、Vision AIを探索し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て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、および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。
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開発を容易にすることの重要性は、Ultralyticsが主催する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。このイベントでは、AIとコンピュータビジョンの進歩に焦点が当てられました。Lightning AIのCTOであるLuca Antiga氏は、「Going YOLO on Lightning Studios」という基調講演を行い、Lightning AIを使用して、技術的な複雑さに巻き込まれることなく、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掘り下げ、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を使用したUltralytics YOLOモデルのトレーニングとデプロイに関するライブデモまで、あらゆる内容を取り上げます。それでは始めましょう。
Luca氏は基調講演の冒頭で、さまざまな業界におけるYOLOモデルの影響に対する考えと感謝の意を述べました。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ました。彼は、「YOLOがビルダーのコミュニティ、つまり実際的で現実的な問題を解決する必要がある人々に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。
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。
彼はまた、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してより広範なツールと機能を提供する、より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。
次にLuca氏は、Lightning Studiosの利点について詳しく説明し、「環境を複製すること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）マシンに変更したり、数千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」と述べました。
次に、LucaはLightning Studiosをいかに迅速に開始できるかを実演しました。数回クリックするだけで、新しいスタジオを開き、Jupyter NotebookやVS Codeなどのツールや環境にアクセスでき、すべてセットアップされてコーディングの準備ができています。彼は、異なるマシン間をいかに簡単に切り替えることができるかを紹介しました。作業中のタスクがより多くの電力を必要とする場合は、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、それ以外の場合はスリープモードになり、クレジットを節約できます。
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。
次にLuca氏は、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説明しました。彼はStudio Templateを開き、すでにすべての依存関係がインストールされており、トレーニングプロセスを高速化するために4つのGPUを搭載したマシンを起動しました。データに関して彼は、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述べました。
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、Lucaは事前にトレーニングされたUltralytics YOLOv8モデルを使用して、聴衆に簡単なデモを行いました。彼は、受信リクエストを処理し、数秒で画像の予測を返す簡単なAPIを作成することができました。これは、誰でもこのAPIに画像をpingして、オブジェクト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信できることを意味します。舞台裏では、Ultralytics YOLOv8モデルは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、画像を処理し、最小限の遅延で予測を提供します。
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、最初の要求は「コールドスタート」のためにわずかに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、後続の要求ははるかに高速になると説明しました。
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クラスターで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、プロセスが中断された場所から正確に再開されるようにします。これにより、ImageNetやCOCOのような大規模なデータセットで深層学習モデルをトレーニングするような大規模AIプロジェクトに最適です。
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Luca氏の基調講演では、AIがUltralytics YOLOモデルやLightning AIのようなツールと組み合わさることで、私たちが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ました。これにより、開発者はさまざまな業界の特定の問題に対処するように設計されたモデルをより簡単にトレーニングおよびデプロイできるようになります。
彼は、Lightning Studiosが開発プロセス全体をどのように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かを説明しました。Lightning AIのような最先端のプラットフォームの中核では、コンピュータビジョンモデルがAIソリューションによる課題の処理方法を変革しています。特に、最新のUltralytics YOLO11モデルを使用すると、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。
.webp)