Google Colab'de Ultralytics YOLOv8 ile özel veri kümelerini eğitme

Bu yazıda, Ultralytics YOLOv8 ile Google Colab üzerinde özel bir nesne tespit modelinin nasıl eğitileceğini ele alıyor, kurulumdan eğitim ve değerlendirmeye kadar tüm süreci adım adım inceliyoruz.

Google Colab'da Ultralytics YOLOv8 modelini kurma#

Önce Google Colab'da ortamımızı kuralım. Peki Google Colab nedir? Google Colaboratory'nin kısaltması olan Google Colab, Python kodu yazıp çalıştırmaya yönelik, Google'ın sunduğu ücretsiz bir bulut platformudur.

Kurulumun ilk adımı, uygun çalışma zamanı türünü seçerek GPU erişimin olduğundan emin olmaktır. GPU kurulumunu doğrulamak için nvidia-smi komutunu kullanarak her şeyin sorunsuz çalıştığını kontrol et.

Ardından, YOLOv8 ve bağımlılıklarını içeren ultralytics paketini pip ile yükle. Özel nesne tespit modelini oluşturmaya başlamak için ultralytics içinden YOLO sınıfını içe aktar.

Veri kümeni etiketleme ve hazırlama#

Şimdi veri kümemizi hazırlayalım. Verilerini sınırlayıcı kutularla etiketle ve her nesnenin sınıfını belirt. Veri kümeni Ultralytics YOLO biçiminde dışa aktar ve Google Colab not defterine aktar.

Özel Ultralytics YOLOv8 modelini eğitme#

Nesne tespiti için görevi detect olarak ayarla ve ihtiyaçlarına uygun YOLOv8 model boyutunu seç. Veri kümenin konumunu, epoch sayısını ve eğitim için görüntü boyutunu belirt. GPU hızlandırma, modelin verilerden öğrenirken hızlı eğitilmesini sağlar.

Modelini değerlendirme ve doğrulama#

Eğitim tamamlandığında, modelinin performansını ortalama kesinlik (mAP) gibi metriklerle değerlendir. İyi genelleme yaptığından emin olmak için modelini görülmemiş veriler üzerinde doğrula. Modelinde daha fazla ince ayar yapmak için karmaşıklık matrislerini çiz ve tahminleri analiz et.

Ultralytics YOLOv8 modelleri, eğitimdeki ayarları otomatik olarak yeniden kullanan ve birden fazla metriği raporlayan yolo val model=path/to/best.pt gibi tek bir CLI komutuyla doğrulanabilir.

Ultralytics, doğrulama sırasında çıktıyı ihtiyaçlarına göre özelleştirmek için kullanabileceğin CLI ve Python bağımsız değişkenlerini de destekler. Daha fazla bilgi için doğrulama modu belgelerine bak.

Şekil 1. Nicolai Nielsen, Google Colab'da Ultralytics YOLOv8 ile özel veri kümelerinin nasıl eğitileceğini açıklıyor.

Modelini bir üst seviyeye taşıma#

Özel Ultralytics YOLOv8 modelini Google Colab'de başarıyla eğittin. Bir sonraki videomuzda, özel olarak eğittiğimiz YOLOv8 modelini kullanarak model ağırlıklarını dışa aktarmayı ve canlı çıkarım çalıştırmayı inceleyeceğiz.

Kapanış#

Google Colab'de Ultralytics YOLOv8 ile özel nesne tespiti dünyasını incelerken bize katıldığın için teşekkürler. Yapay zekâ ve makine öğrenimi hakkındaki yeni eğitimler için takipte kal.

Bu kapsamlı kılavuzla artık Google Colab'de Ultralytics YOLOv8 kullanarak kendi özel nesne tespit modellerini eğitebilirsin. Adım adım izlemek için eğitimin tamamını izle.