Ultralytics YOLO modellerini Lightning AI üzerinde özel olarak eğitme
YOLO Vision 2024'te tanıtılan Lightning AI'ın daha hızlı model eğitimi, dağıtımı ve iş birliğiyle ölçeklenebilir Vision AI geliştirmesini nasıl kolaylaştırdığını keşfet.
İster deneyimli bir AI geliştiricisi ol ister bilgisayarlı görü modelleriyle görsel yapay zekâyı yeni keşfetmeye başla, Ultralytics YOLO11 gibi bilgisayarlı görü modelleriyle çalışıp denemeler yapabileceğin güvenilir bir ortama sahip olmak çok önemlidir. Ortam; AI modellerini verimli bir şekilde tasarlamak, test etmek ve dağıtmak için gereken araçları, kaynakları ve altyapıyı ifade eder.
Birçok çevrim içi platform farklı AI araçları sunsa da bunların çoğu, veri hazırlamadan model dağıtımına kadar AI yaşam döngüsünün tamamı için birleşik bir ortam sağlamaz. AI geliştirme için hepsi bir arada bir platform olan Lightning AI, veri hazırlamadan dağıtıma kadar olan süreci kolaylaştırmak için burada devreye girer.
AI geliştirmeyi kolaylaştırmanın önemi, bilgisayarlı görü ve AI alanındaki gelişmelere odaklanan ve Ultralytics tarafından düzenlenen yıllık hibrit etkinlik YOLO Vision 2024 (YV24)'te gösterildi. Lightning AI CTO'su Luca Antiga, 'Going YOLO on Lightning Studios' başlıklı bir açılış konuşması yaptı ve Lightning AI kullanarak teknik karmaşıklıklarla uğraşmadan Ultralytics YOLO modellerinin hızlı ve sorunsuz bir şekilde nasıl eğitileceğini anlattı.
Bu makalede Luca’nın konuşmasından çıkarılabilecek temel noktaları ele alacağız; gerçek dünyadaki bilgisayarlı görü uygulamalarından Lightning AI ile Ultralytics YOLO modellerini eğitme ve dağıtmaya yönelik canlı demolara kadar her konuya değineceğiz. Hadi başlayalım!
AI 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 üretim ve tarım gibi sektörlerde nasıl uygulanabileceğini vurguladı. Şunları söyledi: 'YOLO’nun gerçek ve pratik sorunları çözmesi gereken geliştiriciler topluluğu üzerindeki etkisini takdir ediyorum; bu konu bana çok yakın.'
AI eğitmeye yönelik artan ilgiyle bağlantılı olarak Luca, AI model geliştirmeyi herkes için daha hızlı, daha basit ve daha erişilebilir hale getirmek üzere tasarlanmış bir platform olan Lightning AI’ı tanıttı. Platform, AI alanındaki yinelemeli geliştirmeleri desteklemek ve geliştiricilerin modellerini iyileştirip geliştirmelerine yardımcı olmak için özellikle kullanışlıdır.
Şekil 1. Luca, YV24'te Lightning Studios hakkında uzaktan sunum yaparken.
Ayrıca Lightning AI’ın, AI modellerini eğitme sürecini kolaylaştıran bir framework olan PyTorch Lightning’e benzediğini belirtti. Ancak aralarındaki fark, Lightning AI’ın yalnızca AI modeli eğitmeye değil, AI geliştirme sürecinin tamamına yönelik daha geniş bir araç ve yetenek seti sağlayan, daha kapsamlı bir platform olmasıdır.
Lightning AI’ın önemli bir bileşeni olan Lightning Studios; AI modellerini tasarlamak, eğitmek ve dağıtmak için sezgisel bir çalışma alanı sunarak tüm iş akışını sorunsuz ve verimli hale 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 şu sözlerle açıkladı: “Ortamını çoğaltmak artık sorun değil. Bir CPU [Central Processing Unit] makineden GPU [Graphics Processing Unit] makineye geçmen veya eğitimi bin makine üzerinde başlatman gerekirse ortamın kalıcı olur.”
Lightning Studios'u eğitim ve geliştirme için ayarlama#
Luca daha sonra Lightning Studios ile ne kadar hızlı başlayabileceğini gösterdi. Yalnızca birkaç tıklamayla yeni bir studio açabilir ve VS Code ile Jupyter Notebook'lar gibi araçlara ve ortamlara erişerek kod yazmaya hazır hale gelebilirsin. 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 kullanıldığı sırada etkin kalır; aksi takdirde uyku moduna geçerek kredilerini korur.
Luca, Studio Templates kullanmanın avantajlarından da bahsetti. Bunlar topluluk tarafından önceden hazırlanmış AI kodlama ortamlarıdır ve herhangi bir ayar yapmadan kullanılabilir. AI projeleri için bir ortam kurmak zaman alabilir; Studio Templates ise üretkenliği artırmaya yardımcı olabilir. Bu ortamlar, yüklü bağımlılıklar, model ağırlıkları, veriler ve kod gibi AI projeleri için gereken her şey önceden yüklenmiş olarak gelir.
Şekil 2. Luca, Studio Templates'in ne olduğunu açıklarken.
Lightning Studios üzerinde Ultralytics YOLO modellerini eğitme#
Luca daha sonra canlı demoya geçerek Ultralytics YOLO modellerini eğitmek için Lightning Studio'yu nasıl kullanabileceğini gösterdi. Tüm bağımlılıkların önceden yüklü olduğu bir Studio Template açtı ve eğitim sürecini hızlandırmak için dört GPU'lu bir makine başlattı. Veri konusunda ise verileri doğrudan makinede depolayabileceğini veya buluttan akış olarak alabileceğini, bunun da eğitim sürecini daha hızlı ve verimli hale getirdiğini söyledi.
Birkaç saniye içinde makine hazırdı ve Luca eğitim oturumunu hızla başlattı. Demo sırasında küçük bir sorun makinenin beklenmedik şekilde durmasına neden oldu, ancak Lightning Studios kaldığı yerden sorunsuzca devam ederek hiçbir ilerlemenin kaybolmamasını sağladı. Luca, bu güvenilirliğin beklenmedik kesintiler karşısında bile sorunsuz iş akışlarını desteklediğini belirtti.
Demoya devam ederken, makine öğrenimi metriklerini gerçek zamanlı görselleştirmeye yarayan TensorBoard ile eğitim ilerlemesini izlemenin ne kadar kolay olduğunu gösterdi. Lightning Studio, aynı çalışma alanındaki senin veya ekip arkadaşlarının TensorBoard görünümlerine ek bir ayar yapmadan erişmesini sağlayan URL'leri otomatik olarak oluşturarak bu süreci daha da basitleştirir. Böylece iş birliği kolaylaşır ve herkes güncel kalır.
Şekil 3. Lightning Studios üzerinde Ultralytics YOLO modellerini eğitmeye ilişkin akış şeması. Görsel, yazar tarafından hazırlanmıştır.
LitServe ile Ultralytics YOLO modellerini dağıtma#
Demodan sonra Luca, konuşmanın odağını Lightning AI’ın yakın zamanda kullanıma sunduğu yeni proje LitServe'e çevirdi. LitServe, eğitilmiş bir modeli başkalarının kullanabileceği ölçeklenebilir bir hizmete dönüştürme sürecini basitleştirerek karmaşık dağıtım pipeline'larına duyulan ihtiyacı ortadan kaldırır. Modeli paketlemekten minimum çabayla dağıtmaya kadar her şeyi ele alacak şekilde tasarlanmıştır.
Bunu gerçek zamanlı göstermek için Luca, önceden eğitilmiş bir Ultralytics YOLOv8 modeliyle izleyicilere hızlı bir demo sundu. Gelen istekleri işleyen ve görüntü tahminlerini birkaç saniye içinde döndüren basit bir API oluşturabildi. Bu, herkesin bir görüntüyle bu API'ye istek gönderip nesne algılama gibi bilgisayarlı görü görevleri için sonuçları neredeyse anında alabileceği anlamına gelir. Arka planda Ultralytics YOLOv8 modeli bir hizmet olarak dağıtılır; istekleri verimli bir şekilde işler, görüntüleri analiz eder ve tahminleri minimum gecikmeyle sunar.
Şekil 4. Luca, YV24 sırasında Lightning AI’ın LitServe'ünü tanıtırken.
Pizza görüntüsü üzerinde inference çalıştırdı ve Ultralytics YOLOv8 pizza, kaşık ve yemek masası gibi nesneleri başarıyla tanımladı. Sistemin ısınmasının ardından sonraki isteklerin çok daha hızlı olduğunu, ilk isteğin ise 'cold start' nedeniyle biraz daha uzun sürdüğünü açıkladı.
Luca daha sonra şu soruyu sordu: 'Bunu dış dünyaya açmak istersem ne olur?' API Builder eklentisinin modelini canlı ve production'a hazır bir hizmete dönüştürmeyi nasıl kolaylaştırdığını anlattı. Özel alan adları, ek güvenlik ve sorunsuz entegrasyon gibi özelliklerle modelini herkesin erişimine kolayca açabilirsin.
Lightning Studios kullanmanın temel avantajları#
Luca, konuşmasını tamamlarken Lightning Studio'nun AI geliştirme açısından ölçeklenebilirliğine ve esnekliğine değindi. Platformun modelleri birden fazla makine üzerinde eğitebildiğini, 10.000 node'a kadar ölçeklenebildiğini ve herhangi bir kesintinin ardından otomatik olarak devam eden hata toleranslı eğitim sunduğunu belirtti.
Örneğin bir GPU cluster'ındaki eğitim işi donanım sorunu veya sunucunun yeniden başlatılması nedeniyle kesintiye uğrarsa Lightning Studios sürecin tam olarak kaldığı yerden devam etmesini sağlar. Bu özellik, ImageNet gibi büyük veri kümeleri veya COCO üzerinde deep learning modelleri eğitmek gibi büyük ölçekli AI projeleri için idealdir.
Luca'nın bahsettiği Lightning Studios'un diğer önemli avantajlarından bazıları şunlardır:
- Ücretsiz aylık GPU kredileri: Kullanıcılara her ay otomatik olarak yenilenen 15 ücretsiz GPU kredisi verilir; böylece ek maliyet olmadan denemeler yapabilir ve geliştirme gerçekleştirebilirsin.
- Gelişmiş iş birliği: Lightning Studio'nun paylaşılan ekip alanları ve yeniden üretilebilir ortamları, ekip üyelerinin sorunsuz bir şekilde birlikte çalışmasını sağlayarak projeler genelinde tutarlılık ve verimlilik sunar.
- Esnek instance seçenekleri: Kesintiye açık ve kesintiye kapalı instance'lar arasında seçim yapma esnekliği sunar; kesintiye açık seçeneklerle GPU makinelerinin maliyetini azaltabilirsin.
- Mevcut araçlarla entegrasyon: Platform, SSH (Güvenli Soket Kabuğu) ve VS Code gibi uzak geliştirme araçlarıyla entegre olarak yerel ortamda veya bulutta çalışma esnekliği sağlar.
Önemli çıkarımlar#
Luca'nın YV24'teki açılış konuşması, AI'ın Ultralytics YOLO modelleri ve Lightning AI gibi araçlarla birleşerek gerçek dünyadaki sorunları çözme biçimimizi nasıl değiştirdiğini vurguladı. Bu araçlar, geliştiricilerin çeşitli sektörlerdeki belirli sorunları çözmek üzere tasarlanmış modelleri eğitip dağıtmasını kolaylaştırır.
Lightning Studios'un tüm geliştirme sürecini nasıl daha hızlı ve erişilebilir hale getirdiğini, geliştiricilerin güçlü çözümleri kolayca oluşturmasına olanak tanıdığını gösterdi. Lightning AI gibi son teknoloji platformların merkezinde yer alan bilgisayarlı görü modelleri, AI çözümlerinin zorluklarla başa çıkma biçimini dönüştürüyor. Özellikle en yeni Ultralytics YOLO11 modeli sayesinde geliştiriciler anlamlı bir etki yaratan çözümler geliştirebilir.
AI ve pratik kullanımları hakkında güncel kalmak için topluluğumuza katıl. GitHub depomuzu inceleyerek otonom araçlarda AI ve sağlık hizmetlerinde bilgisayarlı görü gibi alanlardaki yenilikleri keşfet.
