Weights & BiasesでUltralyticsを大幅に強化

マドリードのGoogle for Startups Campusで開催されたYOLO Vision 2023 (YV23)から、もう一つのハイライトをご紹介します。この講演では、機械学習オペレーションに焦点を当て、UltralyticsとWeights & Biasesが連携してトレーニングワークフローを効率化する取り組みを紹介しました。Weights & Biasesの機械学習エンジニアであるSoumik Rakshit氏が、実験やモデルチェックポイントを簡単に管理し、実験結果を可視化する方法を解説しました。

Weights & Biasesの強み：開発者の理想を実現#

Weights & Biasesは、機械学習の実験を追跡、比較、共有するための、開発者を第一に考えたMLOpsプラットフォームです。ツール群を活用することで、チームはモデルを理解し、改善できます。

UltralyticsとW&Bの統合#

講演ではSoumik氏が、物体検出推論の可視化など、Ultralytics YOLOv8にWeights & Biasesの機能を統合する取り組みを紹介し、この統合機能を独自のUltralyticsワークフローで活用する方法を解説しました。

理論から実践へ：ライブデモ#

Soumik氏は、Weights & Biasesでホストされたデータセットを使い、Ultralyticsでモデルをトレーニングする、エンドツーエンドの物体検出ワークフローを実演し、2つのプラットフォームの連携方法を紹介しました。

Weights & Biasesダッシュボードの主な機能#

Weights & Biasesでは、トレーニングのグラフやメトリクスを可視化できるダッシュボードも利用できます。主な機能は次のとおりです。

• リアルタイムメトリクスの追跡： ディープラーニングモデルのトレーニング中に、精度、損失、検証スコアなどの重要なパフォーマンス指標をリアルタイムで監視できます。これにより、適切なタイミングで調整し、モデルの挙動に関する知見を得られます。
• ハイパーパラメーターの最適化： 自動化ツールや手動の手法を使い、学習率、バッチサイズ、ネットワークアーキテクチャなどのハイパーパラメーターを調整することで、モデルの性能と収束を最適化できます。
• トレーニング進捗の可視化： プロット、グラフ、ヒストグラムを使ってトレーニングの進捗を可視化することで、モデルの挙動をより深く理解できます。トレーニングの動態、過学習、収束パターンに関する知見が得られます。
• リソースの監視： モデルのトレーニング中に、CPU、GPU、メモリなどの計算リソースの使用状況を追跡できます。これにより、リソースを効率的に割り当て、トレーニングのパフォーマンスを妨げるリソースのボトルネックを防止できます。

各機能の詳細については、UltralyticsドキュメントのWeights & Biasesダッシュボードのセクションをご覧ください。

まとめ#

Soumik氏の講演では、Weights & Biasesを使った実験追跡により、経験豊富なMLエンジニアでも、AIを始めたばかりの方でも、Ultralyticsのトレーニング実行を簡単に管理、比較、共有できることが示されました。すでにW&BでYOLOの実行を追跡している場合は、そのモデルをUltralytics Platformにインポートすることもできます。

YouTubeで講演の全編を見る。