Ngày 11 tháng 4 năm 2024
Đào tạo chính các tập dữ liệu tùy chỉnh với Ultralytics YOLOv8 trong Google Colab. Từ thiết lập đến đào tạo và đánh giá, hướng dẫn này bao gồm tất cả.
Trong blog này, chúng ta sẽ xem cách làm chủ phát hiện đối tượng tùy chỉnh bằng Ultralytics YOLOv8 trong Google Colab. Hãy sẵn sàng để giải phóng sức mạnh của YOLOv8 khi chúng tôi hướng dẫn bạn trong toàn bộ quá trình, từ thiết lập đến đào tạo và đánh giá.
Hãy bắt đầu bằng cách thiết lập môi trường của chúng ta trong Google Colab. Vậy Google Colab là gì? Viết tắt của Google Colaboratory, Google Colab là một nền tảng đám mây miễn phí của Google để viết và chạy mã Python.
Bước đầu tiên để thiết lập điều này là đảm bảo bạn có quyền truy cập vào GPU bằng cách chọn loại thời gian chạy phù hợp. Kiểm tra xem mọi thứ có chạy trơn tru không bằng cách sử dụng lệnh nvidia-smi để xác minh thiết lập GPU của bạn.
Tiếp theo, cài đặt Ultralytics và YOLOv8 dependency bằng pip . Nhập mô hình YOLO từ Ultralytics để bắt đầu hành trình phát hiện đối tượng tùy chỉnh của chúng tôi.
Bây giờ, hãy chuẩn bị tập dữ liệu của chúng ta .. Dán nhãn dữ liệu của bạn bằng các hộp giới hạn , chỉ định các lớp cho từng đối tượng. Xuất tập dữ liệu của bạn sang định dạng YOLOv8 từ Ultralytics và nhập vào sổ tay Google Colab của bạn.
Đặt tác vụ để phát hiện đối tượng và chọn kích thước mô hình YOLOv8 phù hợp với nhu cầu của bạn. Chỉ định vị trí của tập dữ liệu, số kỷ nguyên và kích thước hình ảnh để đào tạo. Xem mô hình của bạn học và thích ứng như thế nào, nhờ vào sức mạnh của YOLOv8 và khả năng tăng tốc GPU.
Sau khi hoàn tất quá trình đào tạo, hãy đánh giá hiệu suất của mô hình bằng các số liệu như vị trí lỗi trung bình. Xác thực mô hình của bạn trên dữ liệu chưa thấy để đảm bảo khả năng khái quát hóa của nó. Vẽ ma trận nhầm lẫn và phân tích dự đoán để tinh chỉnh mô hình của bạn hơn nữa.
Các mô hình YOLOv8 của Ultralytics có thể được xác thực dễ dàng bằng một lệnh CLI duy nhất, có nhiều tính năng chính như cài đặt siêu tham số tự động, hỗ trợ nhiều số liệu, v.v.
Ultralytics cũng hỗ trợ một số đối số CLI và Python mà người dùng có thể sử dụng trong quá trình xác thực để có kết quả đầu ra tốt hơn dựa trên nhu cầu của họ. Để biết thêm thông tin, bạn có thể khám phá tài liệu của chúng tôi.
Bây giờ bạn đã đào tạo thành công mô hình YOLOv8 tùy chỉnh của mình trong Google Colab. Nhưng hành trình của chúng ta không kết thúc ở đây. Trong video tiếp theo, chúng ta sẽ khám phá cách xuất trọng số mô hình và chạy suy luận trực tiếp bằng mô hình YOLOv8 được đào tạo tùy chỉnh của chúng tôi. Hãy sẵn sàng cho trải nghiệm thú vị khi chúng tôi mở rộng ranh giới của phát hiện đối tượng. Hãy theo dõi!
Cảm ơn bạn đã tham gia cùng chúng tôi khi chúng tôi xem xét thế giới phát hiện đối tượng tùy chỉnh với YOLOv8 trong Google Colab. Hãy theo dõi để biết thêm các bản cập nhật và hướng dẫn thú vị khi chúng tôi tiếp tục khám phá khả năng vô hạn của AI và máy học.
Với hướng dẫn toàn diện này, giờ đây bạn đã có thể đào tạo các mô hình phát hiện đối tượng tùy chỉnh của riêng mình bằng Ultralytics YOLOv8 trong Google Colab. Xem hướng dẫn đầy đủ tại đây !
.webp)