Lightning AI'da Ultralytics YOLO modellerini özel olarak eğitme

İster deneyimli bir yapay zekâ geliştiricisi ol ister görsel yapay zekâyı keşfetmeye yeni başla, Ultralytics YOLO11 gibi bilgisayarlı görü modellerini deneyip test edebileceğin güvenilir bir ortama sahip olmak çok önemlidir. Ortam; yapay zekâ modellerini verimli bir şekilde tasarlamak, test etmek ve dağıtmak için gereken araçları, kaynakları ve altyapıyı ifade eder.

Çeşitli çevrim içi platformlar farklı yapay zekâ araçları sunsa da çoğu, verilerin hazırlanmasından modelin dağıtımına kadar yapay zekâ yaşam döngüsünün tamamını kapsayan birleşik bir ortam sağlamaz. Yapay zekâ geliştirmeye yönelik hepsi bir arada bir platform olan Lightning AI, veri hazırlamadan dağıtıma kadar süreci kolaylaştırmak için burada devreye giriyor.

Yapay zekâ geliştirmeyi kolaylaştırmanın önemi, Ultralytics'in ev sahipliği yaptığı ve yapay zekâ ile bilgisayarlı görü alanındaki ilerlemelere odaklanan yıllık hibrit etkinlik YOLO Vision 2024'te (YV24) öne çıktı. Lightning AI'nin CTO'su Luca Antiga, 'Lightning Studios'ta YOLO ile ilerlemek' başlıklı bir açılış konuşması yaptı. Konuşmasında Lightning AI'yi kullanarak teknik karmaşıklıklarla uğraşmadan Ultralytics YOLO modellerinin nasıl hızlı ve sorunsuz eğitilebileceğini anlattı.

Bu makalede Luca'nın konuşmasından öne çıkanları ele alacak; gerçek dünyadaki bilgisayarlı görü uygulamalarından Lightning AI ile Ultralytics YOLO modellerini eğitme ve dağıtma konulu canlı demolarına kadar her şeyi inceleyeceğiz.

Yapay zekâ geliştirmeyi kolaylaştırmak için Lightning AI ve Ultralytics YOLO kullanımı#

Luca, açılış konuşmasına YOLO modellerinin çeşitli sektörlerdeki etkisine dair düşüncelerini ve takdirini paylaşarak başladı. YOLO modellerinin imalat ve tarım gibi sektörlerde nasıl uygulanabileceğini vurguladı. Şöyle dedi: 'YOLO'nun gerçek, pratik sorunları çözmesi gereken üreticiler topluluğu üzerindeki etkisini takdir ediyorum; bu konu benim için çok önemli.'

Yapay zekâ eğitimine yönelik artan ilgiyle bağlantı kurarak, herkes için yapay zekâ modeli geliştirmeyi daha hızlı, basit ve erişilebilir hâle getirmek üzere tasarlanmış bir platform olan Lightning AI'yi tanıttı. Platform, yapay zekâdaki yinelemeli ilerlemeleri desteklemede özellikle yararlıdır ve geliştiricilerin modelleri iyileştirip geliştirmesine yardımcı olur.

Şekil 1. Luca Antiga'nın YV24'te Lightning Studios hakkında uzaktan sunum yapması.

Lightning AI'nin yapay zekâ modellerini eğitme sürecini basitleştiren bir çerçeve olan PyTorch Lightning'e benzediğini de belirtti. Ancak aralarındaki fark, Lightning AI'nin yalnızca yapay zekâ modeli eğitmekle kalmayıp yapay zekâ geliştirme sürecinin tamamı için daha geniş bir araç ve yetenek yelpazesi sunan, kapsamı daha geniş bir platform olmasıdır.

Lightning AI'ın temel bileşenlerinden biri, AI modellerini tasarlamak, eğitmek ve dağıtmak için sezgisel bir çalışma alanı sunan Lightning Studios'tur; bu da tüm iş akışını daha sorunsuz ve verimli hâle getirir. Lightning Studios'u bulutta çalışan, yeniden üretilebilir bir AI geliştirme ortamı olarak düşünebilirsin. Örneğin, başka bir geliştiriciyle çoğaltılıp paylaşılabilen Jupyter Notebook benzeri bir ortam sunarak iş birliğini geliştirmeye yardımcı olur.

Luca daha sonra Lightning Studios'un avantajlarını şöyle açıkladı: “Ortamını çoğaltmak artık sorun değil. Bir CPU [Merkezi İşlem Birimi] makinesinden GPU [Grafik İşlem Birimi] makinesine geçmen veya eğitimi bin makinede başlatman gerekirse ortamın kalıcı olur.”

Eğitim ve geliştirme için Lightning Studios'u kurma#

Luca daha sonra Lightning Studios'u kullanmaya ne kadar hızlı başlayabileceğini gösterdi. Birkaç tıklamayla yeni bir Studio açabilir ve Jupyter Notebooks ile VS Code gibi kod yazmaya hazır araçlara ve ortamlara erişebilirsin. Farklı makineler arasında geçiş yapmanın ne kadar kolay olduğunu gösterdi. Üzerinde çalıştığın görev daha fazla güç gerektiriyorsa CPU'dan daha güçlü bir GPU'ya kolayca geçebilirsin. GPU yalnızca kullanılırken etkin kalır; aksi hâlde uyku moduna geçerek kredilerini korur.

Luca, Studio Şablonlarını kullanmanın avantajlarından da söz etti. Bunlar, topluluk tarafından önceden hazırlanmış yapay zekâ kodlama ortamlarıdır ve hiçbir kurulum yapmadan kullanabilirsin. Yapay zekâ projeleri için ortam kurmak zaman alabilir; Studio Şablonları verimliliği artırmaya yardımcı olabilir. Bu ortamlar, yüklü bağımlılıklar, model ağırlıkları, veriler ve kod gibi yapay zekâ projeleri için gereken her şeyle önceden hazırlanmıştır.

Şekil 2. Luca'nın Studio Şablonlarının ne olduğunu açıklaması.

Lightning Studios'ta Ultralytics YOLO modellerini eğitme#

Luca daha sonra canlı demoya geçerek Ultralytics YOLO modellerini eğitmek için Lightning Studio'nun nasıl kullanılabileceğini gösterdi. Bağımlılıkların tümü zaten yüklü olan bir Studio Şablonu açtı ve eğitim sürecini hızlandırmak için dört GPU'lu bir makine başlattı. Veri konusunda, verileri doğrudan makinede depolamayı veya buluttan akışla almayı seçebileceğini, böylece eğitim sürecinin daha hızlı ve verimli olacağını söyledi.

Birkaç saniye içinde makine hazırdı ve Luca eğitim oturumunu hemen başlattı. Demo sırasında küçük bir sorun makinenin beklenmedik biçimde durmasına neden oldu, ancak Lightning Studios kaldığı yerden devam ederek hiçbir ilerlemenin kaybolmamasını sağladı. Luca, beklenmedik kesintiler karşısında bile bu güvenilirliğin sorunsuz iş akışlarını nasıl desteklediğine dikkat çekti.

Demoya devam ederken, makine öğrenimi metriklerini gerçek zamanlı olarak görselleştiren bir araç olan TensorBoard ile eğitim ilerlemesini izlemenin ne kadar kolay olduğunu gösterdi. Lightning Studio, aynı çalışma alanındaki senin veya ekip arkadaşlarının TensorBoard görünümlerine ek kurulum yapmadan erişmesini sağlayan URL'leri otomatik olarak oluşturarak bunu daha da kolaylaştırır. Bu özellik iş birliğini kolaylaştırır ve herkesin gelişmelerden haberdar olmasını sağlar.

Şekil 3. Lightning Studios'ta Ultralytics YOLO modellerini eğitme akış şeması. Görselin sahibi: yazar.

LitServe ile Ultralytics YOLO modellerini dağıtma#

Demodan sonra Luca, konuşmanın odağını Lightning AI'nin kısa süre önce kullanıma sunduğu yeni projesi LitServe'e çevirdi. LitServe, eğitilmiş bir modeli alıp başkalarının kullanabileceği ölçeklenebilir bir hizmete dönüştürme sürecini basitleştirerek karmaşık dağıtım işlem hatlarına duyulan ihtiyacı ortadan kaldırır. Modeli paketlemekten en az çabayla dağıtmaya kadar her şeyi ele alacak şekilde tasarlanmıştır.

Bunu gerçek zamanlı olarak göstermek için Luca, önceden eğitilmiş bir Ultralytics YOLOv8 modeliyle izleyicilere kısa bir demo yaptı. Gelen istekleri karşılayan ve birkaç saniye içinde görsel tahminleri döndüren basit bir API oluşturabildi. Böylece herkes bu API'ye bir görsel gönderip nesne algılama gibi bilgisayarlı görü görevlerinin sonuçlarını neredeyse anında alabilir. Arka planda Ultralytics YOLOv8 modeli bir hizmet olarak dağıtılır; istekleri verimli şekilde karşılar, görselleri işler ve tahminleri minimum gecikmeyle iletir.

Şekil 4. Luca'nın YV24 sırasında Lightning AI'nin LitServe'ünü tanıtması.

Bir pizza görseli üzerinde çıkarım yaptı ve Ultralytics YOLOv8; pizza, kaşık ve yemek masası gibi nesneleri başarıyla tanımladı. İlk isteğin 'soğuk başlangıç' nedeniyle biraz daha uzun sürdüğünü, sistem ısındıktan sonra gelen isteklerin ise çok daha hızlı işlendiğini açıkladı.

Luca ardından, 'Bunu dış dünyaya açmak istersem ne olur?' diye sordu. API Builder eklentisinin modelini canlı ve üretime hazır bir hizmete dönüştürmeyi nasıl kolaylaştırdığını anlattı. Özel alan adları, ek güvenlik ve basit entegrasyon gibi özelliklerle modelini herkesin erişimine kolayca açabilirsin.

Lightning Studios kullanmanın temel avantajları#

Luca, konuşmasını tamamlarken Lightning Studio'nun yapay zekâ geliştirme alanındaki ölçeklenebilirliğine ve esnekliğine değindi. Platformun modelleri birden fazla makinede eğitebildiğini, 10.000 düğüme kadar ölçeklenebildiğini ve kesintilerin ardından eğitimi otomatik olarak sürdüren hata toleranslı bir eğitim sunduğunu belirtti.

Örneğin, bir GPU kümesinde yürütülen eğitim işi donanım sorunu veya sunucunun yeniden başlatılması nedeniyle kesintiye uğrarsa Lightning Studios sürecin tam olarak kaldığı yerden devam etmesini sağlar. Bu özellik, ImageNet veya COCO gibi büyük veri kümelerinde derin öğrenme modelleri eğitmek gibi büyük ölçekli yapay zekâ projeleri için idealdir.

Luca'nın sözünü ettiği diğer önemli Lightning Studios avantajlarından bazıları şunlar:

• Aylık ücretsiz GPU kredileri: Kullanıcılara her ay 15 ücretsiz GPU kredisi verilir ve bu krediler otomatik olarak yenilenir; böylece ek maliyet olmadan denemeler yapabilir ve geliştirme çalışmaları yürütebilirsin.
• Gelişmiş iş birliği: Lightning Studio'nun paylaşılan ekip alanları ve yeniden üretilebilir ortamları, ekip üyelerinin birlikte çalışmasını sağlayarak projelerde tutarlılık ve verimliliği destekler.
• Esnek örnek seçenekleri: Kesintiye uğrayabilen ve kesintiye uğramayan örnekler arasında seçim yapma esnekliği sunar; kesintiye uğrayabilen seçeneklerle kullanıcıların GPU makinelerinin maliyetini düşürmesine olanak tanır.
• Mevcut araçlarla entegrasyon: Platform, SSH (Güvenli Kabuk) ve VS Code gibi uzaktan geliştirme araçlarıyla entegre olur ve yerel olarak ya da bulutta çalışma esnekliği sunar.

Önemli çıkarımlar#

Luca'nın YV24'teki açılış konuşması, Ultralytics YOLO modelleri ve Lightning AI gibi araçlarla birleşen yapay zekânın gerçek dünyadaki sorunları çözme biçimimizi nasıl değiştirdiğini vurguladı. Bu araçlar, geliştiricilerin çeşitli sektörlerdeki belirli sorunları çözmek üzere tasarlanmış modelleri eğitmesini ve dağıtmasını kolaylaştırıyor.

Lightning Studios'un tüm geliştirme sürecini nasıl hızlandırıp erişilebilir hâle getirdiğini ve geliştiricilerin güçlü çözümleri kolayca oluşturmasını sağladığını gösterdi. Lightning AI gibi platformların temelinde, bilgisayarlı görü modelleri AI çözümlerinin zorlukları ele alma biçimini değiştiriyor. Özellikle Ultralytics YOLO11 ve onun halefi Ultralytics YOLO26 sayesinde geliştiriciler anlamlı etki yaratan çözümler geliştirebilir.

Yapay zekâ ve pratik kullanımları hakkında güncel kalmak için topluluğumuza katıl. GitHub depomuza göz atarak otonom araçlarda yapay zekâ ve sağlık hizmetlerinde bilgisayarlı görü gibi alanlardaki yenilikleri keşfet.