Treino personalizado de modelos YOLO da Ultralytics na Lightning AI

Quer você seja um desenvolvedor de IA experiente ou esteja começando a explorar IA para visão, ter um ambiente confiável para experimentar e testar modelos de visão computacional, como o Ultralytics YOLO11, é essencial. Um ambiente refere-se às ferramentas, aos recursos e à infraestrutura necessários para projetar, testar e implementar modelos de IA com eficiência.

Embora várias plataformas online ofereçam diferentes ferramentas de IA, muitas não fornecem um ambiente unificado para todo o ciclo de vida da IA, desde a preparação dos dados até a implementação do modelo. É nesse ponto que a Lightning AI, uma plataforma completa para desenvolvimento de IA, entra em cena para simplificar o processo, da preparação dos dados à implementação.

A importância de tornar o desenvolvimento de IA mais fácil foi demonstrada no YOLO Vision 2024 (YV24), um evento híbrido anual promovido pela Ultralytics com foco nos avanços em IA e visão computacional. Luca Antiga, CTO da Lightning AI, apresentou uma palestra intitulada 'Going YOLO on Lightning Studios', na qual explicou como treinar modelos Ultralytics YOLO de forma rápida e simples, sem precisar lidar com as complexidades técnicas, usando a Lightning AI.

Neste artigo, vamos analisar os principais pontos da palestra de Luca, abrangendo desde aplicações reais de visão computacional até demonstrações ao vivo de treinamento e implementação de modelos Ultralytics YOLO com a Lightning AI. Vamos começar!

Usando a Lightning AI e o Ultralytics YOLO para simplificar o desenvolvimento de IA#

Luca iniciou sua palestra compartilhando suas ideias e seu reconhecimento pela influência dos modelos YOLO em diversos setores. Ele destacou como os modelos YOLO podem ser aplicados em áreas como manufatura e agricultura. Ele afirmou: 'Aprecio o impacto que o YOLO teve na comunidade de pessoas que constroem soluções — pessoas que precisam resolver problemas reais e práticos — isso é algo muito próximo de mim.'

Relacionando esse tema ao crescente interesse em treinamento de IA, ele apresentou a Lightning AI, uma plataforma projetada para tornar o desenvolvimento de modelos de IA mais rápido, simples e acessível para todos. Ela é especialmente útil para apoiar avanços iterativos em IA, ajudando os desenvolvedores a aperfeiçoar e melhorar os modelos.

Fig. 1 Luca Antiga apresentando remotamente sobre o Lightning Studios no YV24.

Ele também observou que a Lightning AI é semelhante ao PyTorch Lightning, um framework que simplifica o processo de treinamento de modelos de IA. No entanto, a diferença é que a Lightning AI é uma plataforma mais abrangente, que oferece um conjunto mais amplo de ferramentas e recursos para todo o processo de desenvolvimento de IA, e não apenas para o treinamento de modelos de IA.

Um componente essencial da Lightning AI é o Lightning Studios, que oferece um espaço de trabalho intuitivo para projetar, treinar e implementar modelos de IA, tornando todo o fluxo de trabalho simples e eficiente. Você pode pensar no Lightning Studios como um ambiente de desenvolvimento reproduzível para IA executado na nuvem. Por exemplo, ele oferece um ambiente semelhante ao Jupyter Notebook, que pode ser duplicado e compartilhado com outro desenvolvedor, ajudando a melhorar a colaboração.

Luca explicou em mais detalhes as vantagens do Lightning Studios, dizendo: “Replicar o seu ambiente não é mais um problema. Se você precisar mudar de uma máquina com CPU [Unidade Central de Processamento] para uma máquina com GPU [Unidade de Processamento Gráfico] ou iniciar o treinamento em mil máquinas, seu ambiente permanecerá persistente.”

Configurando o Lightning Studios para treinamento e desenvolvimento#

Em seguida, Luca demonstrou como você pode começar a usar o Lightning Studios rapidamente. Com apenas alguns cliques, você pode abrir um novo Studio e ter acesso a ferramentas e ambientes como Jupyter Notebooks e VS Code, todos configurados e prontos para programar. Ele mostrou como era fácil alternar entre diferentes máquinas. Se a tarefa em que você está trabalhando exigir mais potência, você pode mudar facilmente de uma CPU para uma GPU mais potente. A GPU permanecerá ativa apenas enquanto estiver em uso; caso contrário, entrará no modo de suspensão, economizando seus créditos.

Luca também mencionou os benefícios do uso dos modelos do Studio. Eles são ambientes de programação para IA pré-criados pela comunidade, que você pode usar sem precisar configurar nada. Configurar um ambiente para projetos de IA pode consumir muito tempo, e os modelos do Studio podem ajudar a aumentar a produtividade. Esses ambientes já vêm com tudo o que é necessário para projetos de IA, como dependências instaladas, pesos de modelos, dados, código etc.

Fig. 2 Luca explicando o que são os modelos do Studio.

Treinando modelos Ultralytics YOLO no Lightning Studios#

Luca então passou para a demonstração ao vivo, destacando como você pode usar o Lightning Studio para treinar modelos Ultralytics YOLO. Ele abriu um modelo do Studio que já tinha todas as dependências instaladas e iniciou uma máquina com quatro GPUs para acelerar o processo de treinamento. Em relação aos dados, ele explicou que você pode optar por armazená-los diretamente na máquina ou transmiti-los da nuvem, tornando o processo de treinamento mais rápido e eficiente.

Em poucos segundos, a máquina estava pronta, e Luca iniciou rapidamente a sessão de treinamento. Durante a demonstração, um pequeno problema fez com que a máquina parasse inesperadamente, mas o Lightning Studios retomou o processo perfeitamente de onde havia parado, garantindo que nenhum progresso fosse perdido. Luca destacou como essa confiabilidade permite fluxos de trabalho contínuos, mesmo diante de interrupções inesperadas.

Dando continuidade à demonstração, ele mostrou como é fácil monitorar o progresso do treinamento usando o TensorBoard, uma ferramenta para visualizar métricas de machine learning em tempo real. O Lightning Studio torna isso ainda mais simples ao gerar automaticamente URLs que permitem que você ou seus colegas de equipe no mesmo espaço de trabalho acessem as visualizações do TensorBoard sem nenhuma configuração adicional. Isso simplifica a colaboração e mantém todos alinhados.

Fig. 3. Um fluxograma sobre o treinamento de modelos Ultralytics YOLO no Lightning Studios. Imagem do autor.

Implementando modelos Ultralytics YOLO com o LitServe#

Após a demonstração, Luca mudou o foco da palestra para um novo projeto, o LitServe, lançado recentemente pela Lightning AI. O LitServe simplifica o processo de transformar um modelo treinado em um serviço escalável que outras pessoas podem usar, eliminando a necessidade de pipelines complexos de implementação. Ele foi projetado para cuidar de tudo, desde o empacotamento do modelo até sua implementação, com o mínimo de esforço.

Para demonstrar isso em tempo real, Luca fez uma demonstração rápida usando um modelo Ultralytics YOLOv8 pré-treinado. Ele conseguiu criar uma API simples para processar solicitações recebidas e retornar previsões de imagens em poucos segundos. Isso significa que qualquer pessoa pode enviar uma imagem para essa API e receber resultados para tarefas de visão computacional, como detecção de objetos, quase instantaneamente. Nos bastidores, o modelo Ultralytics YOLOv8 é implementado como um serviço, processando solicitações, analisando imagens e fornecendo previsões com latência mínima.

Fig. 4 Luca apresentando o LitServe da Lightning AI durante o YV24.

Ele executou uma inferência em uma imagem de pizza, e o Ultralytics YOLOv8 identificou com sucesso objetos como a pizza, uma colher e uma mesa de jantar. Ele explicou que, embora a primeira solicitação demore um pouco mais devido a uma 'inicialização a frio', as solicitações seguintes são muito mais rápidas assim que o sistema é aquecido.

Luca então perguntou: 'E se eu quiser disponibilizar isso para o mundo exterior?' Ele explicou como o plugin API Builder simplifica a transformação do seu modelo em um serviço ativo e pronto para produção. Com recursos como domínios personalizados, segurança adicional e integração contínua, você pode tornar facilmente seu modelo acessível a qualquer pessoa.

Principais vantagens do uso do Lightning Studios#

Ao concluir sua palestra, Luca abordou a escalabilidade e a flexibilidade do Lightning Studio para o desenvolvimento de IA. Ele mencionou que a plataforma pode treinar modelos em várias máquinas, escalando até 10.000 nós, com treinamento tolerante a falhas que retoma automaticamente após qualquer interrupção.

Por exemplo, se um trabalho de treinamento em um cluster de GPUs for interrompido devido a um problema de hardware ou à reinicialização de um servidor, o Lightning Studios garante que o processo seja retomado exatamente de onde parou. Isso o torna ideal para projetos de IA em larga escala, como o treinamento de modelos de deep learning em datasets massivos, como o ImageNet ou o COCO.

Veja alguns outros benefícios importantes do Lightning Studios mencionados por Luca:

• Créditos mensais gratuitos de GPU: os usuários recebem 15 créditos gratuitos de GPU por mês, que são recarregados automaticamente, garantindo que você possa experimentar e desenvolver sem custos adicionais.
• Colaboração aprimorada: os espaços de equipe compartilhados e os ambientes reproduzíveis do Lightning Studio permitem que os membros da equipe trabalhem juntos de forma simples, garantindo consistência e eficiência entre os projetos.
• Opções flexíveis de instâncias: oferece flexibilidade para escolher entre instâncias interrompíveis e não interrompíveis, permitindo economizar nos custos de máquinas com GPU usando opções interrompíveis.
• Integração com ferramentas existentes: a plataforma integra-se a ferramentas de desenvolvimento remoto, como SSH (Secure Shell) e VS Code, oferecendo flexibilidade para trabalhar localmente ou na nuvem.

Principais conclusões#

A palestra de Luca no YV24 destacou como a IA, combinada com ferramentas como os modelos Ultralytics YOLO e a Lightning AI, está mudando a forma como resolvemos problemas do mundo real. Essas ferramentas facilitam o treinamento e a implementação, por parte dos desenvolvedores, de modelos projetados para lidar com problemas específicos em diversos setores.

Ele demonstrou como o Lightning Studios torna todo o processo de desenvolvimento mais rápido e acessível, permitindo que os desenvolvedores criem soluções poderosas com facilidade. No centro de plataformas avançadas como a Lightning AI, os modelos de visão computacional estão transformando a forma como as soluções de IA lidam com desafios. Em particular, com o mais recente modelo Ultralytics YOLO11, os desenvolvedores podem criar soluções que geram um impacto significativo.

Junte-se à nossa comunidade para se manter atualizado sobre IA e seus usos práticos. Confira nosso repositório no GitHub para explorar inovações em setores como IA em carros autônomos e visão computacional na área da saúde.