Обучение Ultralytics YOLO11 с помощью интеграции с JupyterLab

Работа над моделями компьютерного зрения может быть захватывающей, особенно когда вы видите, что ваша модель работает хорошо. Как правило, процесс разработки компьютерного зрения включает в себя несколько простых этапов, таких как подготовка наборов данных и тонкая настройка моделей, например Ultralytics YOLO11. Однако есть несколько частей этого процесса, которые могут быть сложными для новичков, например настройка среды разработки. Именно поэтому Ultralytics поддерживает такие интеграции, как JupyterLab, которые могут облегчить эти шаги.

В частности, интеграция с Jupyterlab предлагает интерактивную и удобную для пользователя среду разработки, которая упрощает изучение и экспериментирование с моделями компьютерного зрения. Jupyterlab предоставляет вам интегрированное рабочее пространство. С его помощью вы можете сразу же приступить к изучению и созданию моделей компьютерного зрения, не отвлекаясь на установку и настройку сред. 

Например, JupyterLab предоставляет такие инструменты и возможности, как блокноты для выполнения кода, текстовые редакторы для создания документации и терминалы для взаимодействия с системой. Фактически, JupyterLab позволяет вам легко экспериментировать и обучать модели Ultralytics YOLO11 прямо на вашем компьютере. В этой статье мы рассмотрим его интеграцию с YOLO11, принцип работы и преимущества.

Что такое JupyterLab?

JupyterLab — это веб-инструмент, который помогает писать и запускать код, систематизировать данные и создавать визуальные отчеты в одном месте. Это часть Project Jupyter, который стартовал в 2014 году, чтобы сделать программирование более интерактивным и удобным для пользователя. Созданный как обновление для Jupyter Notebook, он был впервые выпущен в 2018 году и обычно используется для таких задач, как анализ данных, создание диаграмм и построение моделей машинного обучения.

JupyterLab позволяет интерактивно работать с кодом и данными, упрощая эксперименты и изучение идей. Вы также можете создавать и совместно использовать документы, которые органично сочетают код, текст и визуальные элементы, что идеально подходит для совместной работы и презентаций. Кроме того, его гибкий интерфейс позволяет размещать такие инструменты, как блокноты, текстовые файлы и терминалы, бок о бок, а плагины можно добавлять для дальнейшего расширения его функциональности в соответствии с потребностями вашего проекта.

‍

Вот еще несколько интересных особенностей JupyterLab:

• Легкое создание проектов: JupyterLab позволяет легко создавать проекты и обмениваться ими с визуальными элементами, такими как диаграммы, графики и панели мониторинга, а также изображениями, видео и другими мультимедиа. 

• Сотрудничайте с другими: Вы можете легко сотрудничать с другими людьми, обмениваясь блокнотами и track изменения с помощью таких инструментов, как Git. 

• Отлично подходит для начинающих: Он популярен в классах для обучения программированию и анализу данных, в исследованиях для проверки идей и в разработке для таких задач, как тестирование программного обеспечения и управление рабочими процессами данных.

Использование JupyterLab для работы над проектами Ultralytics YOLO11

Теперь, когда мы лучше понимаем, что такое JupyterLab, давайте рассмотрим, что именно включает в себя интеграция JupyterLab и как вы можете использовать ее при работе с YOLO11. 

JupyterLab - это отличный инструмент для работы над проектами с моделями Ultralytics YOLO11. Он упрощает процесс разработки, предоставляя единую среду, в которой вы можете управлять задачами и документами, не переключаясь между платформами. Интерактивный интерфейс позволяет запускать код и мгновенно видеть результаты, что идеально подходит для изучения данных или понимания того, как работает ваша модель YOLO11 . Вы также можете использовать такие расширения, как Plotly, для создания интерактивных графиков, которые помогут визуализировать и уточнить ваши модели YOLO11 .

Допустим, вы работаете над инновационным проектом, связанным с применением ИИ в здравоохранении. Вы планируете обучить YOLO11, чтобы он помогал врачам в режиме реального времени обнаруживать опухоли на рентгеновских или компьютерных снимках. YOLO11 можно обучить, используя набор данных помеченных медицинских изображений, на которых выделены нормальные и аномальные области. Благодаря интеграции с JupyterLab вы можете обучать и настраивать модели YOLO11 непосредственно в совместной среде, удобной для работы с кодом. Она также предлагает инструменты для управления наборами данных, проведения экспериментов и проверки точности моделей, что делает внедрение Vision AI в здравоохранении более простым и эффективным.

Как работает интеграция с JupyterLab

Обучение моделей YOLO11 на JupyterLab не требует особых усилий. Платформа похожа на своих предшественников, Jupyter Notebook или Google Colab, и предоставляет предварительно настроенную среду, которая позволяет легко начать работу.

Чтобы установить JupyterLab для вашего проекта YOLO11 , начните с загрузки файла `tutorial.ipynb` из репозитория Ultralytics на GitHub и сохраните его в нужной вам директории. Затем откройте любой редактор кода или терминал и выполните команду `pip install jupyterlab` для установки JupyterLab. Платформа автоматически откроется и отобразит окно, показанное ниже.

‍

После завершения установки перейдите в каталог, где вы сохранили файл блокнота, и выполните команду `jupyter lab` для запуска платформы. Это откроет JupyterLab в вашем веб-браузере по умолчанию, где вы сможете загрузить файл `tutorial.ipynb` и начать изучать YOLO11. В этой интерактивной среде вы можете запускать код в блокноте ячейку за ячейкой, изменять настройки и мгновенно видеть результаты. JupyterLab позволяет легко просматривать результаты, делать заметки и пробовать различные настройки в одном месте.

‍

Чтобы лучше понять процесс обучения моделям Ultralytics YOLO и лучшие практики, вы можете обратиться к официальной документации Ultralytics . 

Выбор интеграции JupyterLab: почему она выделяется

Изучая документацию по интеграциямUltralytics , вы заметите, что в ней представлен широкий выбор интеграций. Некоторые из них даже предлагают схожие функции. Например, интеграция Google Colab предлагает среду в стиле блокнота, поддерживающую обучение YOLO11, включая индивидуальное обучение предварительно обученной модели для определенных задач. При таком количестве интеграций важно помнить о том, что делает интеграцию JupyterLab уникальной. 

Одним из ключевых преимуществ использования интеграции JupyterLab является поддержка расширений. Эти расширения могут существенно изменить ваш проект по компьютерному зрению и упростить процесс разработки модели. Например, вы можете использовать расширения Git, чтобы track прогресс, делиться своей работой с другими и следить за тем, чтобы ваш код всегда хорошо поддерживался - и все это не покидая интерфейса JupyterLab.

Вот еще несколько причин, по которым интеграция с JupyterLab может быть отличным выбором для вашего проекта:

• Простое управление ячейками: Управлять различными ячейками в JupyterLab легко. Вместо утомительного метода вырезания и вставки можно перетаскивать ячейки, чтобы изменить их порядок.

• Копирование ячеек между блокнотами: Вы можете легко копировать ячейки между разными блокнотами, перетаскивая ячейки из одного блокнота в другой.

• Несколько видов: JupyterLab поддерживает несколько видов одного и того же блокнота, что особенно полезно для длинных блокнотов. Вы можете открыть разные разделы рядом друг с другом, чтобы сравнить или изучить их, и любые изменения, внесенные в одном виде, появятся в другом.

• Легкий переход к классическому виду блокнота: Для тех, кто лучше знаком с классическим интерфейсом Jupyter Notebook, JupyterLab предлагает простой способ вернуться назад. Вы можете просто заменить “/lab” в ссылке браузера на “/tree”, чтобы вернуться к привычному виду блокнота.

Применение интеграции JupyterLab и YOLO11

Далее мы рассмотрим некоторые практические приложения для работы с YOLO11 с помощью интеграции JupyterLab.

Например, разработчик, занимающийся технологиями мониторинга дикой природы, может использовать интеграцию JupyterLab для обучения модели YOLO11 . Настроив YOLO11, они смогут создавать приложения компьютерного зрения, позволяющие определять исчезающие виды по видеозаписям с беспилотников. JupyterLab упрощает этот процесс, предоставляя единое рабочее пространство для изучения данных, предварительной обработки и обучения моделей. Разработчики могут запускать код, тестировать модели и просматривать результаты в одном месте, обеспечивая простоту и организованность рабочего процесса.

‍

Помимо охраны дикой природы, надежное сочетание YOLO11 и JupyterLab можно использовать в различных реальных приложениях, таких как:

• Компьютерное зрение в сельском хозяйстве: Поддержка YOLO11различных задач компьютерного зрения может помочь в обнаружении болезней сельскохозяйственных культур, мониторинге роста растений или выявлении сорняков по снимкам с дронов или спутников, а JupyterLab упростит анализ данных и оптимизацию моделей.

• Контроль качества в производстве: Анализируя изображения в реальном времени, YOLO11 может выявлять дефекты в продукции на сборочных линиях, а JupyterLab обеспечивает централизованную среду для уточнения моделей и оценки результатов.

• ИИ в логистике: Такие задачи, как отслеживание запасов и сканирование посылок, можно автоматизировать с помощью YOLO11, который обнаруживает объекты на изображениях и помещает вокруг них ограничительные рамки, указывающие их местоположение. JupyterLab предоставляет инструменты для эффективного обучения, проверки и тестирования моделей на основе логистических данных.

Преимущества интеграции с JupyterLab

Вот краткий обзор уникальных способов, которыми интеграция JupyterLab приносит пользу компьютерному зрению в целом:

• Удаленный доступ и масштабируемость: Может работать как на облачных платформах, так и на удаленных серверах, обеспечивая доступ к мощным вычислительным ресурсам и совместным исследованиям.

• Поддержка нескольких языков программирования: Хотя Python является наиболее распространенным языком, JupyterLab поддерживает и другие языки, такие как R, Julia и Scala, что делает его универсальным для различных рабочих процессов.

• Интеграция данных: JupyterLab легко интегрируется с базами данных, облачными хранилищами и инструментами обработки данных, что упрощает работу с большими наборами данных, необходимыми для обучения Vision AI.

Основные выводы

Интеграция JupyterLab - это полезный инструмент, который облегчает работу с моделями компьютерного зрения, такими как YOLO11 . Он предоставляет вам единое рабочее пространство, где вы можете организовывать свои данные, обучать и тестировать пользовательские модели, а также работать с другими разработчиками. Благодаря полезным расширениям и дополнениям вы можете сосредоточиться на создании и совершенствовании своих моделей, а не беспокоиться о настройке рабочей среды. 

Помогаете ли вы охранять дикую природу, улучшаете медицинское сканирование или проверяете качество продукции на заводах - интеграция JupyterLab, поддерживаемая Ultralytics , делает этот процесс проще и эффективнее.

Присоединяйтесь к нашему сообществу и посетите наш репозиторий GitHub или руководства, чтобы узнать об ИИ. Вы также можете изучить другие приложения, такие как компьютерное зрение в производстве или ИИ в самоуправляемых автомобилях на страницах наших решений.