简化自定义视觉 AI 运维

我们致力于让计算机视觉变得触手可及，并很高兴地宣布与 Roboflow 建立合作伙伴关系，将其作为 YOLOv5 的官方数据集管理和标注工具。

Roboflow 的目标是通过简化数据收集、标注、模型训练以及利用主动学习更快地改进模型的过程，帮助开发者构建更好的计算机视觉模型。这样，开发者就可以将更多时间花在领域特定的问题上，而不是机器学习的琐事和计算机视觉基础设施上。

Roboflow 一直以来都在支持那些与我们有共同愿景的开源项目。请务必查看他们于 2020 年 6 月发布的“如何针对自定义数据集训练 YOLOv5”指南。

Ultralytics 的使命是通过为每位开发者创建易用的视觉 AI 工具，让 AI 变得简单。YOLOv5 允许开发者在自己的项目中快速开始训练和部署最先进的视觉模型。

基于对简易 AI 的共同愿景，Roboflow 和 Ultralytics 正在发挥各自的独特优势，为我们的用户带来更强大的能力。得益于这项新的合作伙伴关系，新的助力即将到来，它将使训练自定义模型比以往任何时候都更容易！

Link to this section推出让训练自定义模型变得更容易的全新合作伙伴关系#

YOLOv5 因其在现实应用场景中的简洁性和准确性，现已成为世界上最受欢迎的 AI 之一。我们与 Roboflow 的新集成提供了更加顺畅的 YOLOv5 训练和部署体验。

现在，你可以通过 Roboflow 使用其 pip package 标注自定义数据集并自动将其直接导出到 YOLOv5 进行训练，重点在于实现主动学习。通过这种方式，你可以避免花费时间处理计算机视觉的琐事，从而精简你的 MLOps 流程。消除所有不必要的机器学习工作，让计算机视觉变得像 YOLO 一样简单。

Link to this section从哪里开始？#

我们已通过全新的 YOLOv5 Colab notebook 简化了针对自定义数据集训练模型的过程。要开始使用，请按照以下步骤操作：

1. 打开 YOLOv5 自定义训练 Colab notebook
2. 运行 pip install roboflow 开始使用你的 Roboflow 数据集
3. 以你所需的格式从 Roboflow 导出你的项目
4. 系统将生成一段用于自定义训练的代码片段
5. 将该片段从你的账户复制并粘贴到 notebook 中的指定位置

搞定！

Roboflow + Ultralytics 合作伙伴关系。

你可以在以下 Roboflow 视频教程 中找到更多有用的信息。

Link to this section身处计算机视觉领域的激动人心时刻#

将 Roboflow 的最新功能与 YOLOv5 的优势相结合，打造出了一个功能极其强大的 MLOps 解决方案。我们对 Ultralytics 和 Roboflow 通过共同的简易 AI 愿景所带来的可能性感到兴奋，并迫不及待地想看到用户利用我们的新集成创造出什么。

我们期待着听到开发者社区所取得的突破性成果！