Ultralytics YOLO モデルのトレーニング、検証、予測、エクスポート、ベンチマークの方法をご紹介します！
Ultralytics 世界に飛び込んで、さまざまなYOLO モデルで利用可能なさまざまなモードを探ってみましょう。カスタムオブジェクト検出モデルをトレーニングするにしても、セグメンテーションに取り組むにしても、これらのモードを理解することは非常に重要なステップです。さっそく飛び込んでみましょう！
Ultralytics ドキュメントには、トレーニング、検証、 予測、エクスポート、ベンチマーク、追跡など、モデルに利用できるいくつかのモードが記載されています。 track.これらのモードはそれぞれユニークな目的を持ち、モデルのパフォーマンスとデプロイメントを最適化するのに役立ちます。
まず、trainモードを見てみましょう。ここでは、モデルを構築および改良します。詳細な手順とビデオガイドはドキュメントに記載されており、カスタムモデルのトレーニングを簡単に開始できます。
モデルのトレーニングでは、モデルに新しいデータセットを与え、様々なパターンを学習させる。一度学習されたモデルは、学習された新しいオブジェクトをdetect するためにリアルタイムで使用することができる。学習プロセスを開始する前に、YOLO 形式でデータセットに注釈を付けることが不可欠だ。
次に、検証モードに入りましょう。検証は、ハイパーパラメータをチューニングし、モデルの性能を保証するために不可欠です。Ultralytics 、自動設定、マルチメトリックのサポート、Python APIとの互換性など、さまざまな検証オプションが用意されています。以下のコマンドで、コマンドラインインターフェイスCLI）から直接検証を実行することもできます。
検証は以下にとって重要です：
Ultralytics 、Python スクリプトにコピー＆ペーストできるユーザー例も提供しています。これらの例には、画像サイズ、バッチサイズ、デバイスCPU またはGPU）、交差オーバーユニオンIoU）などのパラメータが含まれています。
モデルの学習と検証が完了したら、いよいよ予測を行います。Predictモードでは、新しいデータに対して推論を実行し、モデルの動作を確認することができます。このモードは、実際のデータでモデルのパフォーマンスをテストするのに最適です。
以下のpython コード・スニペットで、画像に対して予測を実行できるようになります！
検証と予測の後、モデルをデプロイしたくなるかもしれません。エクスポート・モードにより、モデルをONNX TensorRT様々なフォーマットに変換することができ、異なるプラットフォームへのデプロイが容易になります。
最後に、ベンチマークモードがあります。ベンチマークは、さまざまなシナリオでモデルのパフォーマンスを評価するために不可欠です。このモードは、リソースの割り当て、最適化、およびコスト効率に関する情報に基づいた意思決定を行うのに役立ちます。
ベンチマークを実行するには、ドキュメントで提供されているユーザー例を使用できます。これらの例では、ONNX TensorRT主要なメトリクスやエクスポート形式をカバーしています。また、整数量子化（INT8）や浮動小数点量子化（FP16）などのパラメータを指定して、設定の違いによる性能への影響を確認することもできます。
ベンチマークの実例を見てみましょう。PyTorch モデルをベンチマークしたところ、RTX 3070GPU推論速度が68ミリ秒だった。TorchScriptエクスポートすると、推論速度は4ミリ秒に低下し、大幅な改善が見られます。
ONNX モデルの推論速度は21ミリ秒である。これらのモデルをCPU （Intel i9 第13世代）でテストしたところ、さまざまな結果が得られた。TorchScript 115ミリ秒で動作し、ONNX 84ミリ秒と良好な結果でした。最後に、Intel ハードウェアに最適化されたOpenVINO 、23ミリ秒という驚異的な速度を達成した。
ベンチマークは、異なるハードウェアおよびエクスポート形式がモデルのパフォーマンスにどのように影響するかを示します。特にカスタムハードウェアまたはエッジデバイスにデプロイする場合は、モデルをベンチマークすることが重要です。このプロセスにより、モデルがターゲット環境に最適化され、可能な限り最高のパフォーマンスが提供されます。
要約すると、Ultralytics ドキュメントのモードは、YOLO モデルのトレーニング、検証、予測、エクスポート、およびベンチマークを行うための強力なツールです。各モードは、モデルを最適化し、展開の準備をする上で重要な役割を果たします。
ぜひ、当社のコミュニティを探求し、参加して、提供されているコードスニペットをあなたのプロジェクトで試してみてください。これらのツールを使用することで、高性能なモデルを作成し、あらゆる環境で効率的に実行できるようになります。
