Обучите Ultralytics YOLO11, используя интеграцию JupyterLab

Работа над моделями компьютерного зрения может быть захватывающей, особенно когда вы видите, что ваша модель хорошо работает. Как правило, процесс разработки компьютерного зрения включает в себя несколько простых шагов, таких как подготовка наборов данных и точная настройка моделей, таких как Ultralytics YOLO11. Однако есть несколько частей этого процесса, которые могут быть сложными для новичков, например, настройка среды разработки. Именно поэтому Ultralytics поддерживает интеграции, такие как JupyterLab, которые могут упростить 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 инструменты и функции, такие как блокноты для запуска кода, текстовые редакторы для создания документации и терминалы для взаимодействия с системой. Фактически, JupyterLab позволяет легко экспериментировать и обучать модели Ultralytics YOLO11 прямо на вашем компьютере. В этой статье мы рассмотрим его интеграцию с YOLO11, как это работает и какие преимущества он предлагает.

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. 

• Взаимодействуйте с другими: Вы можете легко сотрудничать с другими, обмениваясь блокнотами и отслеживая 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 у нас есть лучшее понимание того, что такое JupyterLab, давайте рассмотрим, что именно включает в себя интеграция JupyterLab и как вы можете использовать ее при работе с YOLO11. 

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

Например, предположим, вы работаете над инновационным проектом, связанным с AI в здравоохранении. Вы планируете специально обучить YOLO11, чтобы помочь врачам в обнаружении опухолей в режиме реального времени на рентгеновских снимках или изображениях компьютерной томографии. YOLO11 можно обучить с использованием набора данных маркированных медицинских изображений, которые выделяют как нормальные, так и аномальные области. Благодаря интеграции с JupyterLab вы можете обучать и точно настраивать модели YOLO11 непосредственно в среде для совместной работы с кодом. Он также предлагает инструменты для управления наборами данных, проведения экспериментов и проверки точности модели, что упрощает и повышает эффективность внедрения Vision AI в здравоохранении.

Как работает интеграция с JupyterLab

Пользовательская тренировка моделей YOLO11 в JupyterLab не представляет сложности. Платформа похожа на своего предшественника, Jupyter Notebook или Google Colab, и предоставляет предварительно настроенную среду, которая упрощает начало работы.

Чтобы настроить JupyterLab для вашего проекта YOLO11, начните с загрузки файла `tutorial.ipynb` из репозитория Ultralytics GitHub и сохранения его в предпочитаемый каталог. Затем откройте любой редактор кода или терминал и выполните команду `pip install jupyterlab`, чтобы установить JupyterLab. Платформа автоматически откроется и отобразит окно, показанное ниже.

‍

После завершения установки перейдите в каталог, в котором вы сохранили файл блокнота, и выполните команду `jupyter lab`, чтобы запустить платформу. Это откроет JupyterLab в вашем веб-браузере по умолчанию, где вы сможете загрузить файл `tutorial.ipynb` и начать изучение YOLO11. В этой интерактивной среде вы можете запускать код в ячейке блокнота за ячейкой, настраивать параметры и мгновенно видеть результаты. JupyterLab упрощает просмотр выходных данных, ведение заметок и опробование различных настроек в одном месте.

‍

Чтобы лучше понять процесс обучения моделей Ultralytics YOLO и ознакомиться с передовыми практиками, обратитесь к официальной документации Ultralytics. 

Выбор интеграции JupyterLab: почему она выделяется

Изучая документацию по интеграциям Ultralytics, вы заметите широкий выбор интеграций. Некоторые из них даже предлагают схожие функции. Например, интеграция Google Colab предлагает среду в стиле блокнота, которая поддерживает обучение YOLO11, включая пользовательскую настройку предварительно обученной модели для конкретных задач. При таком количестве интеграций важно помнить, что делает интеграцию JupyterLab уникальной. 

Одним из ключевых преимуществ использования интеграции JupyterLab является поддержка расширений. Эти расширения могут существенно повлиять на ваш проект компьютерного зрения и оптимизировать процесс разработки модели. Например, вы можете использовать расширения Git для отслеживания своего прогресса, обмена своей работой с другими и обеспечения постоянного обслуживания вашего кода — и все это, не выходя из 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, давайте рассмотрим несколько практических применений YOLO11 с использованием интеграции JupyterLab.

Например, разработчик, работающий над технологиями мониторинга дикой природы, может использовать интеграцию JupyterLab для обучения модели YOLO11. Благодаря пользовательской тренировке YOLO11 они могут создавать приложения компьютерного зрения, которые идентифицируют исчезающие виды по видеозаписям с дронов. 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, сохраняя рабочий процесс простым и организованным.

‍

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

• Компьютерное зрение в сельском хозяйстве: Поддержка YOLO11 различных задач компьютерного зрения может помочь в обнаружении болезней сельскохозяйственных культур, мониторинге роста растений или идентификации сорняков по изображениям с дронов или спутников, а JupyterLab упрощает анализ данных и оптимизацию моделей.

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

• ИИ в логистике: Такие задачи, как отслеживание запасов и сканирование посылок, можно автоматизировать с помощью YOLO11, которая обнаруживает объекты на изображениях и размещает вокруг них ограничивающие рамки, чтобы указать их местоположение, а JupyterLab предоставляет инструменты для эффективного обучения, проверки и тестирования моделей с использованием данных логистики.

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 часто используемым языком, JupyterLab поддерживает 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 с JupyterLab — полезный инструмент, который упрощает работу с моделями компьютерного зрения, такими как YOLO11. Он предоставляет единое рабочее пространство, где можно систематизировать данные, обучать и тестировать пользовательские модели, а также работать с другими разработчиками. Благодаря полезным расширениям и дополнениям вы можете сосредоточиться на создании и улучшении своих моделей, не беспокоясь о настройке рабочей среды. 

Независимо от того, помогаете ли вы защищать дикую природу, улучшаете медицинские снимки 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.