Ultralytics YOLOv8のML実験追跡の統合機能を探求する

Collecting data, annotating it, and training models like the Ultralytics YOLOv8 model is the core of any computer vision project. Often, you’ll need to train your custom model multiple times with different parameters to create the most optimal model. Using tools to track your training experiments can make managing your computer vision project a little easier. Experiment tracking is the process of recording the details of every training run - like the parameters you used, the results you achieved, and any changes you made along the way.

図1 実験トラッキングがコンピュータビジョンプロジェクトにどのように適合するかを示す画像。

これらの詳細を記録しておくことは、結果の再現、何が機能して何が機能しないかの理解、そしてモデルのファインチューニングをより効果的に行うのに役立ちます。組織にとっては、チーム間の一貫性を維持し、コラボレーションを促進し、明確な監査証跡を提供するのに役立ちます。個人にとっては、アプローチを洗練させ、時間の経過とともに優れた結果を達成できるように、自身の作業に関する明確で整理されたドキュメントを維持することが重要です。

この記事では、YOLOv8の実験を管理および監視するために利用可能なさまざまなトレーニング統合について詳しく説明します。個人で作業している場合でも、大規模なチームの一員として作業している場合でも、適切なトラッキングツールを理解して使用することで、YOLOv8プロジェクトの成功に大きな違いをもたらすことができます。

Link to this sectionMLflowを使用した機械学習の実験トラッキング#

MLflowは、機械学習のライフサイクル全体を容易にするDatabricksによって開発されたオープンソースプラットフォームです。MLflow Trackingは、データサイエンティストやエンジニアが機械学習の実験をログおよび視覚化するのに役立つAPIとユーザーインターフェイスを提供するMLflowの重要なコンポーネントです。Python、REST、Java、R APIなど、複数の言語とインターフェイスをサポートしています。

MLflow TrackingはYOLOv8とスムーズに統合され、精度（precision）、再現率（recall）、損失（loss）などの重要なメトリクスをモデルから直接ログ記録できます。YOLOv8でのMLflowの設定は簡単であり、柔軟なオプションがあります。デフォルトのlocalhost設定を使用したり、さまざまなデータストアに接続したり、あるいはリモートのMLflowトラッキングサーバーを起動してすべてを整理しておくことも可能です。

図2. MLflowトラッキング環境の一般的な設定。画像ソース: MLflowトラッキング。

MLflowがあなたのプロジェクトに適したツールかどうかを判断するのに役立つ情報をいくつか紹介します:

• スケーラビリティ: MLflowは、単一のコンピュータで作業している場合でも、大規模なクラスターにデプロイしている場合でも、ニーズに合わせて適切にスケールします。プロジェクトが開発から本番環境へのスケールアップを伴う場合、MLflowはこの成長をサポートできます。
• プロジェクトの複雑さ: MLflowは、徹底的なトラッキング、モデル管理、およびデプロイ機能を必要とする複雑なプロジェクトに最適です。プロジェクトにこれらのフルスケールの機能が必要な場合、MLflowはワークフローを効率化できます。
• セットアップと保守: 強力ではありますが、MLflowには学習曲線とセットアップのオーバーヘッドがあります。

Link to this sectionコンピュータビジョンモデルのトラッキングにWeights & Biases (W&B)を使用する#

Weights & Biasesは、機械学習の実験をトラッキング、視覚化、および管理するためのMLOpsプラットフォームです。YOLOv8でW&Bを使用することで、モデルのパフォーマンスをトレーニングおよびファインチューニングしながら監視できます。W&Bのインタラクティブなダッシュボードは、これらのメトリクスの明確でリアルタイムなビューを提供し、トレーニングプロセス中に傾向を把握したり、モデルのバリエーションを比較したり、問題をトラブルシューティングしたりすることを容易にします。

W&Bはトレーニングのメトリクスとモデルのチェックポイントを自動的に記録し、学習率やバッチサイズといったハイパーパラメータのファインチューニングにも使用できます。このプラットフォームは、ローカルマシンでの実行のトラッキングから、クラウドストレージを使用した大規模プロジェクトの管理まで、幅広いセットアップオプションをサポートしています。

図3. Weights & Biasesの実験トラッキングダッシュボードの例。画像ソース: Weights & Biasesの実験トラッキング。

Weights & Biasesがあなたのプロジェクトに適したツールかどうかを判断するのに役立つ情報をいくつか紹介します:

• 強化された視覚化とトラッキング: W&Bは、トレーニングのメトリクスとモデルのパフォーマンスをリアルタイムで視覚化する直感的なダッシュボードを提供します。
• 価格モデル: 価格はトラッキングされた時間に基づいており、予算が限られているユーザーやトレーニング時間が長いプロジェクトには適していない場合があります。

Link to this sectionClearMLを使用したMLOps実験トラッキング#

ClearMLは、機械学習のワークフローを自動化、監視、調整するように設計されたオープンソースのMLOpsプラットフォームです。PyTorch、TensorFlow、Kerasなどの一般的な機械学習フレームワークをサポートし、既存のプロセスと簡単に統合できます。ClearMLはローカルマシンやクラウドでの分散コンピューティングもサポートしており、CPUおよびGPUの使用量を監視できます。

YOLOv8とClearMLの統合は、実験トラッキング、モデル管理、およびリソース監視のためのツールを提供します。このプラットフォームの直感的なWeb UIを使用すると、データを視覚化し、実験を比較し、損失、精度、検証スコアなどの重要なメトリクスをリアルタイムでトラッキングできます。この統合は、リモート実行、ハイパーパラメータチューニング、モデルのチェックポイント作成などの高度な機能もサポートしています。

図4. ClearMLの実験トラッキング視覚化の例。画像ソース: Clear MLの実験トラッキングと結果の視覚化。

ClearMLがあなたのプロジェクトに適したツールかどうかを判断するのに役立つ情報をいくつか紹介します:

• 高度な実験トラッキングの必要性: ClearMLは、Gitとの自動統合を含む強力な実験トラッキングを提供します。
• 柔軟なデプロイ: ClearMLはオンプレミス、クラウド、またはKubernetesクラスターで使用できるため、さまざまなセットアップに適応可能です。

Link to this sectionComet MLを使用してトレーニング実験をトラッキングする#

Comet MLは、機械学習の実験を管理およびトラッキングするのに役立つユーザーフレンドリーなプラットフォームです。YOLOv8とComet MLの統合により、実験をログに記録し、時間の経過とともに結果を確認できます。この統合により、傾向を把握し、異なる実行を比較することが容易になります。

Comet MLは、クラウド、バーチャルプライベートクラウド（VPC）、さらにはオンプレミスで使用できるため、さまざまなセットアップやニーズに適応できます。このツールはチームワーク向けに設計されています。プロジェクトを共有したり、チームメイトにタグ付けしたり、コメントを残したりできるため、全員が同じ認識を持ち、実験を正確に再現できます。

Comet MLがあなたのプロジェクトに適したツールかどうかを判断するのに役立つ情報をいくつか紹介します:

• 複数のフレームワークと言語をサポート: Comet MLはPython、JavaScript、Java、Rなどを操作できるため、プロジェクトがどのようなツールや言語を使用していても汎用性の高いオプションとなります。
• カスタマイズ可能なダッシュボードとレポート: Comet MLのインターフェイスは高度にカスタマイズ可能なため、プロジェクトにとって最も理にかなったレポートやダッシュボードを作成できます。
• コスト: Comet MLは商用プラットフォームであり、高度な機能の一部には有料サブスクリプションが必要です。

Link to this sectionTensorBoardは視覚化に役立ちます#

TensorBoardは、TensorFlowの実験向けに特別に設計された強力な視覚化ツールキットですが、幅広い機械学習プロジェクト全体でメトリクスをトラッキングおよび視覚化するための優れたツールでもあります。そのシンプルさと速度で知られるTensorBoardを使用すると、主要なメトリクスを簡単にトラッキングし、モデルのグラフ、埋め込み、その他のデータ型を視覚化できます。

YOLOv8でTensorBoardを使用する大きな利点の1つは、あらかじめインストールされており、追加のセットアップが不要なことです。もう1つの利点は、TensorBoardが完全にオンプレミスで実行できることです。これは、厳格なデータプライバシー要件を持つプロジェクトや、クラウドへのアップロードが選択肢にない環境のプロジェクトにとって特に重要です。

図5 TensorBoardを使用したYOLOv8モデルトレーニングの監視。

TensorBoardがあなたのプロジェクトに適したツールかどうかを判断するのに役立つ情報をいくつか紹介します:

• What-If Tool (WIT) による説明可能性: TensorBoardにはWhat-If Toolが含まれており、MLモデルを探索および理解するための使いやすいインターフェイスを提供します。ブラックボックスモデルの洞察を得て、説明可能性を向上させたいと考えている人にとって価値があります。
• シンプルな実験トラッキング: TensorBoardは基本的なトラッキングニーズには理想的ですが、実験比較の制限があり、強力なチームコラボレーション機能、バージョン管理、プライバシー管理が欠けています。

Link to this sectionDVCLive (Data Version Control Live) を使用してML実験をトラッキングする#

YOLOv8とDVCLiveの統合は、Gitに大きなファイルを保存せずに、データセット、モデル、コードをまとめてバージョン管理することで、実験をトラッキングおよび管理する合理的な方法を提供します。Gitのようなコマンドを使用し、トラッキングされたメトリクスをプレーンテキストファイルに保存して、バージョン管理を容易にします。DVCLiveは、リポジトリを整理したまま、主要なメトリクスをログに記録し、結果を視覚化し、実験をクリーンに管理します。幅広いストレージプロバイダーをサポートし、ローカルまたはクラウドで動作できます。DVCLiveは、追加のインフラストラクチャやクラウドへの依存なしに、実験トラッキングを合理化したいチームに最適です。

Link to this sectionUltralytics HUBを使用してUltralyticsモデルとワークフローを管理する#

Ultralytics HUB is an in-house, all-in-one platform designed to simplify the training, deployment, and management of Ultralytics YOLO models like YOLOv5 and YOLOv8. Unlike external integrations, Ultralytics HUB offers a seamless, native experience created specifically for YOLO users. It simplifies the entire process, allowing you to easily upload datasets, choose pre-trained models, and start training with just a few clicks using cloud resources - all within the HUB’s easy-to-use interface. Ultralytics HUB also supports experiment tracking, making monitoring training progress, comparing results, and fine-tuning models easy.

図6 Ultralytics HUBを使用したYOLOv8モデルトレーニングの監視。

Link to this section重要なポイント#

機械学習実験をトラッキングするための適切なツールを選択することは、大きな違いを生む可能性があります。ここで紹介したすべてのツールはYOLOv8トレーニング実験のトラッキングに役立ちますが、プロジェクトに最適なものを見つけるために、それぞれの長所と短所を比較検討することが重要です。適切なツールは、あなたを整理し、YOLOv8モデルのパフォーマンスを向上させるのに役立ちます！

統合により、革新的なプロジェクトでのYOLOv8の使用を簡素化し、進捗を加速させることができます。その他のエキサイティングなYOLOv8統合を探索するには、ドキュメントをご覧ください。

GitHubリポジトリの探索やコミュニティへの参加を通じて、AIについてさらに詳しく知りましょう。製造や医療におけるAIの詳細な洞察については、ソリューションページをご覧ください。🚀