Custom-train các model Ultralytics YOLO trên Lightning AI

Dù bạn là một developer AI giàu kinh nghiệm hay chỉ mới bắt đầu khám phá AI thị giác, việc có một môi trường đáng tin cậy để thử nghiệm và thực hành với các model computer vision như Ultralytics YOLO11 là yếu tố then chốt. Môi trường bao gồm các công cụ, tài nguyên và hạ tầng cần thiết để thiết kế, kiểm thử và triển khai model AI một cách hiệu quả.

Mặc dù một số nền tảng trực tuyến cung cấp nhiều công cụ AI khác nhau, nhiều nền tảng không có môi trường thống nhất cho toàn bộ vòng đời AI, từ chuẩn bị dữ liệu đến triển khai model. Đây là lúc Lightning AI, nền tảng phát triển AI tất-cả-trong-một, phát huy vai trò bằng cách tinh gọn quy trình từ chuẩn bị dữ liệu đến triển khai.

Tầm quan trọng của việc đơn giản hóa quá trình phát triển AI đã được thể hiện tại YOLO Vision 2024 (YV24), một sự kiện hybrid thường niên do Ultralytics tổ chức, tập trung vào những tiến bộ trong AI và computer vision. Luca Antiga, CTO của Lightning AI, đã trình bày bài keynote có tiêu đề 'Going YOLO on Lightning Studios', trong đó ông phân tích cách huấn luyện các model Ultralytics YOLO nhanh chóng, mượt mà và không phải xử lý những phức tạp kỹ thuật bằng Lightning AI.

Trong bài viết này, chúng ta sẽ đi sâu vào những điểm chính từ bài nói chuyện của Luca, bao quát mọi nội dung từ các ứng dụng computer vision trong thực tế đến những bản demo trực tiếp về huấn luyện và triển khai model Ultralytics YOLO bằng Lightning AI. Hãy bắt đầu!

Sử dụng Lightning AI và Ultralytics YOLO để đơn giản hóa quá trình phát triển AI#

Luca mở đầu bài keynote bằng cách chia sẻ suy nghĩ và sự trân trọng của ông đối với tầm ảnh hưởng của các model YOLO trong nhiều ngành khác nhau. Ông nhấn mạnh rằng các model YOLO có thể được ứng dụng trong những lĩnh vực như sản xuất và nông nghiệp. Ông nói: 'Tôi trân trọng tác động mà YOLO đã tạo ra đối với cộng đồng những người xây dựng — những người cần giải quyết các vấn đề thực tế, thiết thực — điều này rất gần gũi với tôi.'

Liên hệ điều này với sự quan tâm ngày càng tăng đối với việc huấn luyện AI, ông giới thiệu Lightning AI, một nền tảng được thiết kế để giúp quá trình phát triển model AI nhanh hơn, đơn giản hơn và dễ tiếp cận hơn với tất cả mọi người. Nền tảng này đặc biệt hữu ích trong việc hỗ trợ các cải tiến lặp lại trong AI, giúp developer tinh chỉnh và cải thiện model.

Hình 1. Luca Antiga thuyết trình từ xa về Lightning Studios tại YV24.

Ông cũng chỉ ra rằng Lightning AI tương tự PyTorch Lightning, một framework giúp đơn giản hóa quy trình huấn luyện model AI. Tuy nhiên, điểm khác biệt là Lightning AI là một nền tảng toàn diện hơn, cung cấp nhiều công cụ và khả năng hơn cho toàn bộ quy trình phát triển AI, chứ không chỉ huấn luyện model AI.

Một thành phần quan trọng của Lightning AI là Lightning Studios, cung cấp một workspace trực quan để thiết kế, huấn luyện và triển khai model AI, giúp toàn bộ workflow trở nên liền mạch và hiệu quả. Bạn có thể hình dung Lightning Studios như một môi trường phát triển AI có thể tái lập, chạy trên cloud. Ví dụ, nền tảng cung cấp một môi trường tương tự Jupyter Notebook, có thể được nhân bản và chia sẻ với developer khác để cải thiện khả năng cộng tác.

Sau đó, Luca trình bày chi tiết hơn về những ưu điểm của Lightning Studios: “Việc tái lập môi trường của bạn giờ đây không còn là vấn đề. Nếu bạn cần chuyển từ một máy CPU [Central Processing Unit] sang một máy GPU [Graphics Processing Unit] hoặc khởi chạy quá trình huấn luyện trên một nghìn máy, môi trường của bạn vẫn sẽ được duy trì.”

Thiết lập Lightning Studios cho huấn luyện và phát triển#

Tiếp theo, Luca trình diễn việc bắt đầu với Lightning Studios nhanh đến mức nào. Chỉ với vài cú nhấp chuột, bạn có thể mở một studio mới và truy cập các công cụ, môi trường như Jupyter Notebooks và VS Code, tất cả đều đã được thiết lập và sẵn sàng để code. Ông cho thấy việc chuyển đổi giữa các máy khác nhau dễ dàng ra sao. Nếu tác vụ bạn đang thực hiện cần nhiều sức mạnh hơn, bạn có thể dễ dàng chuyển từ CPU sang GPU mạnh hơn. GPU chỉ duy trì hoạt động khi được sử dụng; nếu không, GPU sẽ chuyển sang chế độ ngủ để tiết kiệm credit của bạn.

Luca cũng đề cập đến lợi ích của việc sử dụng Studio Templates. Đây là các môi trường code AI được cộng đồng tạo sẵn và bạn có thể sử dụng mà không cần thiết lập gì. Việc thiết lập môi trường cho các dự án AI có thể tốn thời gian, còn Studio Templates có thể giúp tăng năng suất. Các môi trường này được tải sẵn mọi thứ cần thiết cho dự án AI, chẳng hạn như dependency đã cài đặt, model weight, dữ liệu, code, v.v.

Hình 2. Luca giải thích Studio Templates là gì.

Huấn luyện model Ultralytics YOLO trên Lightning Studios#

Sau đó, Luca chuyển sang bản demo trực tiếp, nhấn mạnh cách bạn có thể sử dụng Lightning Studio để huấn luyện model Ultralytics YOLO. Ông mở một Studio Template đã được cài đặt sẵn toàn bộ dependency, rồi khởi chạy một máy có bốn GPU để tăng tốc quá trình huấn luyện. Về dữ liệu, ông cho biết bạn có thể chọn lưu dữ liệu trực tiếp trên máy hoặc stream dữ liệu từ cloud, giúp quá trình huấn luyện nhanh và hiệu quả hơn.

Chỉ sau vài giây, máy đã sẵn sàng và Luca nhanh chóng bắt đầu phiên huấn luyện. Trong bản demo, một sự cố nhỏ khiến máy dừng đột ngột, nhưng Lightning Studios đã liền mạch tiếp tục từ đúng nơi bị gián đoạn, đảm bảo không mất tiến độ nào. Luca chỉ ra rằng độ tin cậy này hỗ trợ workflow mượt mà, ngay cả khi xảy ra gián đoạn bất ngờ.

Tiếp tục bản demo, ông cho thấy việc theo dõi tiến độ huấn luyện bằng TensorBoard dễ dàng ra sao — đây là công cụ trực quan hóa các metric machine learning theo thời gian thực. Lightning Studio còn đơn giản hóa việc này hơn nữa bằng cách tự động tạo các URL cho phép bạn hoặc đồng đội trong cùng workspace truy cập các chế độ xem TensorBoard mà không cần thiết lập thêm. Điều này giúp tinh gọn việc cộng tác và đảm bảo mọi người luôn nắm được cùng một thông tin.

Hình 3. Lưu đồ về việc huấn luyện model Ultralytics YOLO trên Lightning Studios. Hình ảnh của tác giả.

Triển khai model Ultralytics YOLO bằng LitServe#

Sau bản demo, Luca chuyển trọng tâm bài nói chuyện sang một dự án mới là LitServe, vừa được Lightning AI ra mắt. LitServe đơn giản hóa quy trình chuyển một model đã huấn luyện thành một service có khả năng mở rộng để người khác sử dụng, loại bỏ nhu cầu xây dựng các pipeline triển khai phức tạp. LitServe được thiết kế để xử lý mọi công đoạn, từ đóng gói model đến triển khai, với nỗ lực tối thiểu.

Để minh họa điều này theo thời gian thực, Luca thực hiện một bản demo nhanh với model Ultralytics YOLOv8 đã được pre-trained. Ông có thể tạo một API đơn giản để xử lý các request đến và trả về dự đoán hình ảnh chỉ trong vài giây. Điều này có nghĩa là bất kỳ ai cũng có thể gửi một hình ảnh đến API này và gần như ngay lập tức nhận được kết quả cho các tác vụ computer vision như object detection. Ở phía sau, model Ultralytics YOLOv8 được triển khai dưới dạng một service, xử lý request, xử lý hình ảnh và trả về dự đoán một cách hiệu quả với độ trễ tối thiểu.

Hình 4. Luca giới thiệu LitServe của Lightning AI tại YV24.

Ông chạy inference trên một hình ảnh pizza, và Ultralytics YOLOv8 đã xác định thành công các object như pizza, một chiếc thìa và bàn ăn. Ông giải thích rằng request đầu tiên mất nhiều thời gian hơn một chút do 'cold start', còn các request tiếp theo nhanh hơn nhiều sau khi hệ thống đã được làm nóng.

Sau đó, Luca hỏi: 'Nếu tôi muốn đưa API này ra bên ngoài thì sao?' Ông trình bày cách plugin API Builder giúp đơn giản hóa việc biến model của bạn thành một service trực tuyến sẵn sàng cho production. Với các tính năng như domain tùy chỉnh, bảo mật nâng cao và tích hợp liền mạch, bạn có thể dễ dàng giúp bất kỳ ai cũng truy cập được model của mình.

Những ưu điểm chính khi sử dụng Lightning Studios#

Kết thúc bài nói chuyện, Luca đề cập đến khả năng mở rộng và tính linh hoạt của Lightning Studio trong phát triển AI. Ông cho biết nền tảng có thể huấn luyện model trên nhiều máy, mở rộng lên đến 10.000 node, với cơ chế huấn luyện chịu lỗi tự động tiếp tục sau mọi gián đoạn.

Ví dụ, nếu một job huấn luyện trên cụm GPU bị gián đoạn do sự cố phần cứng hoặc server khởi động lại, Lightning Studios đảm bảo quy trình tiếp tục chính xác từ nơi đã dừng. Điều này khiến Lightning Studios trở nên lý tưởng cho các dự án AI quy mô lớn, chẳng hạn như huấn luyện model deep learning trên các dataset khổng lồ như ImageNet hoặc COCO.

Dưới đây là một số lợi ích chính khác của Lightning Studios mà Luca đã đề cập:

• Credit GPU miễn phí hằng tháng: Người dùng được cung cấp 15 credit GPU miễn phí mỗi tháng và số credit này tự động được bổ sung, đảm bảo bạn có thể thử nghiệm và phát triển mà không phát sinh thêm chi phí.
• Cộng tác nâng cao: Không gian team dùng chung và các môi trường có thể tái lập của Lightning Studio cho phép các thành viên làm việc cùng nhau liền mạch, đảm bảo tính nhất quán và hiệu quả giữa các dự án.
• Tùy chọn instance linh hoạt: Nền tảng cho phép bạn linh hoạt lựa chọn giữa instance có thể bị gián đoạn và instance không thể bị gián đoạn, giúp người dùng tiết kiệm chi phí trên các máy GPU bằng tùy chọn có thể bị gián đoạn.
• Tích hợp với các công cụ hiện có: Nền tảng tích hợp với các công cụ phát triển từ xa như SSH [Secure Socket Shell] và VS Code, mang lại sự linh hoạt khi làm việc cục bộ hoặc trên cloud.

Những điểm chính#

Bài keynote của Luca tại YV24 đã nhấn mạnh cách AI, kết hợp với các công cụ như model Ultralytics YOLO và Lightning AI, đang thay đổi phương thức chúng ta giải quyết các vấn đề trong thực tế. Những công cụ này giúp developer dễ dàng hơn trong việc huấn luyện và triển khai các model được thiết kế để xử lý những vấn đề cụ thể trong nhiều ngành khác nhau.

Ông minh họa cách Lightning Studios giúp toàn bộ quy trình phát triển nhanh hơn và dễ tiếp cận hơn, cho phép developer dễ dàng tạo ra các giải pháp mạnh mẽ. Cốt lõi của những nền tảng tiên tiến như Lightning AI là các model computer vision đang thay đổi cách các giải pháp AI xử lý thách thức. Đặc biệt, với model Ultralytics YOLO11 mới nhất, developer có thể xây dựng các giải pháp tạo ra tác động thiết thực.

Tham gia cộng đồng của chúng tôi để cập nhật thông tin về AI và các ứng dụng thực tiễn của AI. Hãy xem repository GitHub của chúng tôi để khám phá những đổi mới trong các lĩnh vực như AI trong xe tự lái và computer vision trong chăm sóc sức khỏe.