YAML

"YAML Ain't Markup Language" kısaltması olan YAML, yapılandırma dosyaları yazmak ve sistemler arasında veri iletmek için kullanılan, insan tarafından okunabilir bir veri serileştirme standardıdır. Tasarımı, netliğe ve basitliğe öncelik verir ve geliştiricilerin ve veri bilimcilerinin karmaşık veri yapılarını okuması ve yazması kolay bir şekilde tanımlamasına olanak tanır. Daha ayrıntılı formatların aksine YAML, yapıyı belirtmek için girintilemeyi kullanır, bu da Makine Öğrenimi (ML) dahil olmak üzere yazılım projelerindeki ayarları yönetmek için ideal olan temiz ve sezgisel dosyalarla sonuçlanır. Resmi spesifikasyon ve kaynaklar yaml.org adresinde bulunabilir.

Yapay Zeka ve Makine Öğreniminde Rolü ve Uygulaması

Yapay Zeka (AI) bağlamında, YAML yapılandırma yönetiminin omurgasıdır ve tekrarlanabilirliği sağlamada ve denemeyi basitleştirmede önemli bir rol oynar. Derin Öğrenme (DL) projeleri genellikle model mimarisinden eğitim parametrelerine kadar çok sayıda ayar içerir. Bu ayarları bir YAML dosyasında saklamak, deneysel kurulumların kolayca izlenmesini, değiştirilmesini ve paylaşılmasını sağlar. Hızlı bir referans için bir YAML sözdizimi hızlı başvuru kılavuzunu inceleyebilirsiniz.

Yapay zeka uygulamalarındaki iki yaygın gerçek dünya örneği şunlardır:

1. Veri Kümesi Yapılandırması: Bir modeli eğitmeden önce, veri kümesini tanımlamanız gerekir. Bir YAML dosyası, eğitim ve doğrulama görüntülerinin yolunu, nesne sınıflarının sayısını ve bu sınıfların adlarını belirtir. Bu yaklaşım, Ultralytics tarafından COCO gibi veri kümelerini yönetmek için kullanılır. Bu, modelin verilerini tam olarak nerede bulacağını ve ne öğrenmesinin beklendiğini bilmesini sağlar.
2. Eğitim ve Hiperparametre Yapılandırması: Bir YAML dosyası, bir eğitim oturumu için gereken tüm parametreleri tanımlamak için mükemmeldir. Bu, model mimarisini (örneğin, YOLO11n) toplu iş boyutu, öğrenme oranı, sayısı epoklar, ve ayarları için veri artırma. Bu ayarların merkezileştirilmesi, sistematik hiperparametre ayarlama ve deneylerin tekrarlanmasını kolaylaştırır. The Ultralytics dökümantasyonu bu yapılandırma dosyalarının ayrıntılı örneklerini sunar.

YAML ve Diğer Veri Formatları

YAML genellikle JSON ve XML gibi diğer veri serileştirme biçimleriyle karşılaştırılır.

• YAML - JSON Karşılaştırması: İşlevsel olarak benzer ve YAML, JSON'un (JavaScript Object Notation) bir üst kümesi olmasına rağmen, YAML üstün okunabilirliği nedeniyle genellikle yapılandırma dosyaları için tercih edilir. Girintileme lehine köşeli parantezlerden ve virgüllerden vazgeçer ve kritik olarak, yapılandırma seçeneklerini belgelemek için paha biçilmez olan yorumları destekler.
• YAML - XML Karşılaştırması: XML'e (Genişletilebilir İşaretleme Dili) kıyasla, YAML çok daha az ayrıntılıdır. XML'in açılış ve kapanış etiketlerini kullanması, dosyalarını daha büyük ve insanların hızlı bir şekilde ayrıştırması daha zor hale getirirken, YAML'nin minimalist sözdizimi doğrudan düzenleme için tasarlanmıştır.

Daha Geniş Ekosistem ve Araçlar

YAML'nin faydası bilgisayarlı görmenin çok ötesine uzanır. Kapsayıcı düzenlemelerini tanımlamak için Kubernetes ve BT otomasyonu oyun kitapları için Ansible gibi araçlar tarafından kullanılan DevOps dünyasında temel bir bileşendir. Bu kavram genellikle Kod Olarak Yapılandırma (CaC) olarak adlandırılır.

Python kullanan geliştiriciler için, PyYAML kütüphanesi YAML verilerini ayrıştırmak ve oluşturmak için yaygın bir araçtır. Girinti hassasiyetinden kaynaklanabilen sözdizimi hatalarını önlemek için bir YAML doğrulayıcı kullanılması önerilen bir uygulamadır. Bu araç ekosistemi, YAML'yi bir Jupyter Notebook'taki ilk kurulumdan, Docker ve GitHub Actions gibi araçlarla CI/CD ardışık düzenlerini kullanarak tam ölçekli model dağıtımına kadar tüm MLOps yaşam döngüsünü yönetmek için sağlam bir seçim haline getirir. Yapılandırma yönetiminin kolaylığı, Ultralytics HUB gibi platformlarla entegrasyonu da basitleştirerek kusursuz bir eğitim ve dağıtım deneyimi sunar.