Benutzerdefiniertes Training Ultralytics YOLO Modelle auf Lightning AI

Egal, ob du ein erfahrener KI-Entwickler bist oder gerade erst anfängst, KI zu erforschen, eine zuverlässige Umgebung zum Spielen und Experimentieren mit Computer-Vision-Modellen wie Ultralytrics YOLO11 ist entscheidend. Eine Umgebung bezieht sich auf die Werkzeuge, Ressourcen und die Infrastruktur, die benötigt werden, um KI-Modelle effizient zu entwickeln, zu testen und einzusetzen. 

Zwar bieten mehrere Online-Plattformen verschiedene KI-Tools an, aber viele bieten keine einheitliche Umgebung für den gesamten KI-Lebenszyklus, von der Datenaufbereitung bis zur Modellbereitstellung. Hier kommt Lightning AI ins Spiel, eine All-in-One-Plattform für die KI-Entwicklung, die den Prozess von der Datenaufbereitung bis zur Bereitstellung rationalisiert.

Wie wichtig es ist, die KI-Entwicklung zu vereinfachen, wurde auf der YOLO Vision 2024 (YV24) gezeigt, einer jährlichen Hybrid-Veranstaltung, die von Ultralytics ausgerichtet wurde und sich mit Fortschritten in der KI und Computer Vision beschäftigte. Luca Antiga, CTO von Lightning AI, hielt eine Keynote mit dem Titel"Going YOLO on Lightning Studios", in der er erläuterte, wie man mit Lightning AI schnell und reibungslos Ultralytics YOLO Modelle trainieren kann, ohne sich mit der technischen Komplexität auseinanderzusetzen.

In diesem Artikel werden wir uns die wichtigsten Erkenntnisse aus Lucas Vortrag zu Gemüte führen und alles von realen Computer-Vision-Anwendungen bis hin zu Live-Demos zum Training und Einsatz von Ultralytics YOLO Modellen mit Lightning AI abdecken. Los geht's!

Mit Lightning AI und Ultralytics YOLO die KI-Entwicklung vereinfachen

Luca begann seine Keynote, indem er seine Gedanken und seine Wertschätzung für den Einfluss der YOLO Modelle in verschiedenen Branchen mitteilte. Er hob hervor, wie die Modelle von YOLO in Sektoren wie der Fertigung und der Landwirtschaft angewendet werden können. Er sagte: "Ich schätze den Einfluss, den YOLO auf die Gemeinschaft der Konstrukteure hat - Menschen, die konkrete, praktische Probleme lösen müssen - das liegt mir sehr am Herzen.

In Verbindung mit dem wachsenden Interesse an KI-Training stellte er Lightning AI vor, eine Plattform, die die Entwicklung von KI-Modellen schneller, einfacher und für jeden zugänglich machen soll. Sie eignet sich besonders für die iterative Weiterentwicklung von KI und hilft Entwicklern, Modelle zu verfeinern und zu verbessern.

‍

Er wies auch darauf hin, dass Lightning AI ähnlich ist wie PyTorch Lightning, ein Framework, das den Prozess des Trainings von KI-Modellen vereinfacht. Der Unterschied besteht jedoch darin, dass Lightning AI eine umfassendere Plattform ist, die ein breiteres Spektrum an Tools und Funktionen für den gesamten KI-Entwicklungsprozess bietet, nicht nur für das Training von KI-Modellen. 

Eine wichtige Komponente von Lightning AI sind die Lightning Studios, die einen intuitiven Arbeitsbereich zum Entwerfen, Trainieren und Bereitstellen von KI-Modellen bieten und den gesamten Workflow nahtlos und effizient gestalten. Du kannst dir Lightning Studios als eine reproduzierbare Entwicklungsumgebung für KI vorstellen, die in der Cloud läuft. Es bietet zum Beispiel eine Jupyter Notebook-ähnliche Umgebung, die dupliziert und mit anderen Entwicklern geteilt werden kann, um die Zusammenarbeit zu verbessern. 

Luca erläuterte dann die Vorteile von Lightning Studios: "Die Replizierung deiner Umgebung ist kein Problem mehr. Wenn du von einem CPU [Central Processing Unit]-Rechner zu einem GPU [Graphics Processing Unit]-Rechner wechseln oder ein Training auf tausend Rechnern starten musst, bleibt deine Umgebung bestehen."

Einrichtung von Lightning Studios für Training und Entwicklung

Als nächstes zeigte Luca, wie schnell du mit Lightning Studios loslegen kannst. Mit nur wenigen Klicks kannst du ein neues Studio eröffnen und hast Zugriff auf Tools und Umgebungen wie Jupyter Notebooks und VS Code, die alle eingerichtet und bereit zum Programmieren sind. Er hat gezeigt, wie einfach es ist, zwischen verschiedenen Rechnern zu wechseln. Wenn die Aufgabe, an der du arbeitest, mehr Leistung erfordert, kannst du ganz einfach von einem CPU zu einem leistungsfähigeren GPU wechseln. Der GPU bleibt nur dann aktiv, wenn er benutzt wird; andernfalls geht er in den Schlafmodus und spart so dein Guthaben.

Luca erwähnte auch die Vorteile der Studio-Vorlagen. Dabei handelt es sich um KI-Codierumgebungen, die von der Community vorgefertigt wurden und die du nutzen kannst, ohne etwas einrichten zu müssen. Das Einrichten einer Umgebung für KI-Projekte kann zeitaufwändig sein, und Studio Templates können helfen, die Produktivität zu steigern. Diese Umgebungen sind mit allem ausgestattet, was du für KI-Projekte brauchst, wie installierte Abhängigkeiten, Modellgewichte, Daten, Code usw. 

‍

Schulung Ultralytics YOLO Modelle auf Lightning Studios

Luca ging dann zur Live-Demo über und zeigte, wie du mit Lightning Studio Ultralytics YOLO Modelle trainieren kannst. Er öffnete eine Studio-Vorlage, in der bereits alle Abhängigkeiten installiert waren, und fuhr einen Rechner mit vier GPUs hoch, um den Trainingsprozess zu beschleunigen. In Bezug auf die Daten sagte er, dass du wählen kannst, ob du die Daten direkt auf dem Rechner speicherst oder sie aus der Cloud streamst, was den Trainingsprozess schneller und effizienter macht.

Nach ein paar Sekunden war die Maschine bereit und Luca begann mit dem Training. Während der Demo wurde die Maschine wegen eines kleinen Problems unerwartet angehalten, aber Lightning Studios setzte nahtlos an der Stelle fort, an der es aufgehört hatte, und stellte sicher, dass kein Fortschritt verloren ging. Luca wies darauf hin, wie diese Zuverlässigkeit einen reibungslosen Arbeitsablauf unterstützt, selbst bei unerwarteten Unterbrechungen.

Im weiteren Verlauf der Demo zeigte er, wie einfach es ist, den Trainingsfortschritt mit TensorBoard zu überwachen, einem Tool zur Visualisierung von Metriken für maschinelles Lernen in Echtzeit. Lightning Studio macht dies sogar noch einfacher, indem es automatisch URLs generiert, über die du oder deine Teamkollegen im selben Arbeitsbereich auf die TensorBoard-Ansichten zugreifen können, ohne dass zusätzliche Einstellungen erforderlich sind. Das vereinfacht die Zusammenarbeit und sorgt dafür, dass alle auf der gleichen Seite stehen. 

‍

Einsatz von Ultralytics YOLO Modellen mit Lit Serve

Nach der Demo lenkte Luca den Fokus des Vortrags auf ein neues Projekt, LitServe, das kürzlich von Lightning AI vorgestellt wurde. LitServe vereinfacht den Prozess, ein trainiertes Modell in einen skalierbaren Dienst umzuwandeln, den andere nutzen können, ohne dass komplexe Bereitstellungspipelines erforderlich sind. LitServe ist so konzipiert, dass es alles von der Paketierung des Modells bis zum Einsatz mit minimalem Aufwand erledigt.

Um dies in Echtzeit zu zeigen, gab Luca den Zuhörern eine kurze Demo mit einem vortrainierten Ultralytics YOLOv8 Modell. Er war in der Lage, eine einfache API zu erstellen, die eingehende Anfragen bearbeitet und innerhalb weniger Sekunden Bildvorhersagen liefert. Das bedeutet, dass jeder diese API mit einem Bild anpingen kann und fast sofort Ergebnisse für Computer Vision Aufgaben wie die Objekterkennung erhält. Hinter den Kulissen wird das Modell Ultralytics YOLOv8 als Dienst bereitgestellt, der Anfragen effizient bearbeitet, Bilder verarbeitet und Vorhersagen mit minimaler Latenzzeit liefert.

‍

Er führte eine Inferenz mit einem Pizzabild durch und Ultralytics YOLOv8 identifizierte erfolgreich Objekte wie die Pizza, einen Löffel und einen Esstisch. Er erklärte, dass die erste Anfrage aufgrund eines "Kaltstarts" etwas länger dauert, die nachfolgenden Anfragen aber viel schneller sind, sobald das System aufgewärmt ist.

Luca fragte dann: "Was ist, wenn ich das der Außenwelt zugänglich machen will? Er erläuterte, wie du mit dem API Builder Plugin dein Modell ganz einfach in einen produktionsreifen Dienst verwandeln kannst. Mit Funktionen wie benutzerdefinierten Domains, zusätzlicher Sicherheit und nahtloser Integration kannst du dein Modell ganz einfach für jeden zugänglich machen.

Die wichtigsten Vorteile von Lightning Studios

Zum Abschluss seines Vortrags ging Luca auf die Skalierbarkeit und Flexibilität von Lightning Studio für die KI-Entwicklung ein. Er erwähnte, dass die Plattform Modelle auf mehreren Rechnern trainieren kann, bis zu 10.000 Knoten, mit fehlertolerantem Training, das nach Unterbrechungen automatisch fortgesetzt wird. 

Wenn zum Beispiel ein Trainingsjob auf einem GPU Cluster aufgrund eines Hardwareproblems oder eines Server-Neustarts unterbrochen wird, sorgt Lightning Studios dafür, dass der Prozess genau dort fortgesetzt wird, wo er aufgehört hat. Das macht Lightning Studios zur idealen Lösung für große KI-Projekte, wie z. B. das Training von Deep Learning-Modellen auf großen Datensätzen wie ImageNet oder COCO.

Hier sind einige weitere wichtige Vorteile von Lightning Studios, über die Luca gesprochen hat:

• Kostenlose monatliche GPU Credits: Du erhältst jeden Monat 15 kostenlose GPU Credits, die sich automatisch wieder auffüllen, damit du ohne zusätzliche Kosten experimentieren und entwickeln kannst.
• Verbesserte Zusammenarbeit: Die gemeinsam genutzten Teamräume und reproduzierbaren Umgebungen von Lightning Studio ermöglichen es den Teammitgliedern, nahtlos zusammenzuarbeiten und sorgen für Konsistenz und Effizienz bei allen Projekten.
• Flexible Instanzoptionen: Du kannst flexibel zwischen unterbrechbaren und nicht-unterbrechbaren Instanzen wählen, so dass du mit unterbrechbaren Optionen Kosten für GPU Maschinen sparen kannst.
• Integration mit bestehenden Tools: Die Plattform lässt sich in Remote-Entwicklungstools wie SSH (Secure Socket Shell) und VS Code integrieren und bietet so die Flexibilität, lokal oder in der Cloud zu arbeiten.

Die wichtigsten Erkenntnisse

Lucas Keynote bei YV24 zeigte, wie KI in Kombination mit Tools wie Ultralytics YOLO models und Lightning AI die Art und Weise verändert, wie wir Probleme in der realen Welt lösen. Sie machen es Entwicklern leichter, Modelle zu trainieren und einzusetzen, die für bestimmte Probleme in einer Reihe von Branchen entwickelt wurden.

Er veranschaulichte, wie Lightning Studios den gesamten Entwicklungsprozess schneller und zugänglicher macht und es Entwicklern ermöglicht, auf einfache Weise leistungsstarke Lösungen zu erstellen. Das Herzstück von innovativen Plattformen wie Lightning AI sind Computer-Vision-Modelle, die die Art und Weise verändern, wie KI-Lösungen mit Herausforderungen umgehen. Vor allem mit dem neuesten Modell Ultralytics YOLO11 können Entwickler/innen Lösungen entwickeln, die etwas bewirken.

Tritt unserer Community bei, um über KI und ihre praktischen Anwendungen auf dem Laufenden zu bleiben. Besuche unser GitHub-Repository, um Innovationen in Bereichen wie KI in selbstfahrenden Autos und Computer Vision im Gesundheitswesen zu entdecken.