Google Colab'de Ultralytics YOLOv8 ile özel veri kümelerini eğitme
Google Colab'de Ultralytics YOLOv8 ile özel veri kümelerini eğitmeyi ustalıkla öğren. Kurulumdan eğitime ve değerlendirmeye kadar bu rehber her şeyi kapsıyor.
Bu blog yazısında Google Colab içinde Ultralytics YOLOv8 kullanarak özel nesne tespiti konusunda nasıl ustalaşabileceğine bakacağız. Kurulumdan eğitime ve değerlendirmeye kadar tüm süreç boyunca sana rehberlik ederken YOLOv8 gücünü açığa çıkarmaya hazır ol.
Google Colab'da Ultralytics YOLOv8 modelini kurma#
Google Colab'deki ortamımızı kurarak başlayalım. Peki Google Colab nedir? Google Colaboratory'nin kısaltması olan Google Colab, Google tarafından sunulan, Python kodu yazmak ve çalıştırmak için kullanılan ücretsiz bir bulut platformudur.
Bunu kurmanın ilk adımı, uygun çalışma zamanı türünü seçerek bir GPU'ya erişimin olduğundan emin olmaktır. GPU kurulumunu doğrulamak için nvidia-smi komutunu kullanarak her şeyin sorunsuz çalıştığını kontrol et.
Ardından, pip kullanarak Ultralytics ve YOLOv8 bağımlılıklarını kur. Özel nesne tespiti yolculuğumuza başlamak için YOLO modelini Ultralytics'ten içe aktar.
Veri kümeni etiketleme ve hazırlama#
Şimdi dataset hazırlayalım. Verilerini bounding boxes ile etiketleyerek her nesne için sınıfları belirt. Veri setini Ultralytics'ten YOLOv8 formatına dışa aktar ve Google Colab not defterine içe aktar.
Özel Ultralytics YOLOv8 modelini eğitme#
Nesne tespiti için görevi detect olarak ayarla ve ihtiyaçlarına uygun YOLOv8 model boyutunu seç. Veri setinin konumunu, eğitim için epoch sayısını ve görsel boyutunu belirt. YOLOv8 ve GPU hızlandırmanın gücü sayesinde modelinin öğrenmesini ve uyum sağlamasını izle.
Modelini değerlendirme ve doğrulama#
Eğitim tamamlandığında, modelinin performansını ortalama hata konumu gibi metriklerle değerlendir. Genelleme yeteneklerinden emin olmak için modelini görülmemiş veriler üzerinde doğrula. Modelini daha fazla ince ayar yapmak için karmaşıklık matrislerini çiz ve tahminleri analiz et.
Ultralytics YOLOv8 modelleri, otomatik hiperparametre ayarı, çoklu metrik desteği gibi birçok temel özelliğe sahip tek bir CLI komutuyla kolayca doğrulanabilir.
Ultralytics, kullanıcıların ihtiyaçlarına göre daha iyi çıktı sonuçları elde etmek amacıyla doğrulama sırasında kullanabileceği bazı CLI ve Python argümanlarını da destekler. Daha fazla bilgi için docs sayfalarımızı inceleyebilirsin.
Şekil 1. Nicolai Nielsen, Google Colab içinde Ultralytics YOLOv8 ile özel veri setlerinin nasıl eğitileceğini anlatıyor.
Modelini bir üst seviyeye taşıma#
Google Colab üzerinde özel Ultralytics YOLOv8 modelini başarıyla eğittin. Ancak yolculuğumuz burada bitmiyor. Sonraki videomuzda, model ağırlıklarını dışarı aktarmayı ve özel olarak eğittiğimiz YOLOv8 modelini kullanarak canlı çıkarım çalıştırmayı keşfedeceğiz. Nesne tespiti sınırlarını zorlarken heyecan verici bir deneyime hazır ol. Takipte kal!
Toparlarken#
Google Colab'da Ultralytics YOLOv8 ile özel nesne tespiti dünyasını incelediğimiz bu süreçte bize katıldığın için teşekkür ederiz. Yapay zeka ve makine öğreniminin sınırsız olasılıklarını keşfetmeye devam ederken daha heyecanlı güncellemeler ve rehberler için takipte kal.
Bu kapsamlı kılavuz ile artık Google Colab üzerinde Ultralytics YOLOv8 kullanarak kendi özel nesne tespiti modellerini eğitmek için donanımlısın. Eğitim videosunun tamamını izle: Watch the full tutorial!
