Explora cómo Lightning AI, presentada en YOLO Vision 2024, simplifica el desarrollo escalable de la IA de visión con un entrenamiento, despliegue y colaboración más rápidos de los modelos.
%20(1).png)
Tanto si eres un desarrollador de IA experimentado como si acabas de empezar a explorar la IA de visión, disponer de un entorno fiable para jugar y experimentar con modelos de visión por ordenador como Ultralytrics YOLO11 es clave. Un entorno se refiere a las herramientas, recursos e infraestructura necesarios para diseñar, probar y desplegar modelos de IA de forma eficiente.
Aunque varias plataformas en línea ofrecen diferentes herramientas de IA, muchas no proporcionan un entorno unificado para todo el ciclo de vida de la IA, desde la preparación de los datos hasta el despliegue del modelo. Aquí es donde Lightning AI, una plataforma todo en uno para el desarrollo de IA, interviene para agilizar el proceso desde la preparación de los datos hasta la implantación.
La importancia de facilitar el desarrollo de la IA se puso de manifiesto en YOLO Vision 2024 (YV24), un evento híbrido anual organizado por Ultralytics que se centró en los avances en IA y visión por ordenador. Luca Antiga, CTO de Lightning AI, pronunció una conferencia magistral titulada"Going YOLO on Lightning Studios", en la que desmenuzó cómo entrenar modelos Ultralytics YOLO de forma rápida, fluida y sin meterse en complejidades técnicas utilizando Lightning AI.
En este artículo, nos sumergiremos en los puntos clave de la charla de Luca, que abarcan desde aplicaciones de visión por ordenador del mundo real hasta demostraciones en directo sobre la formación y el despliegue de modelos Ultralytics YOLO con Lightning AI. ¡Empecemos ya!
Luca comenzó su discurso compartiendo sus ideas y su apreciación de la influencia de los modelos YOLO en diversos sectores. Destacó cómo los modelos de YOLO pueden aplicarse en sectores como la fabricación y la agricultura. Dijo: "Aprecio el impacto que YOLO ha tenido en la comunidad de constructores, personas que necesitan resolver problemas reales y prácticos; esto me resulta muy cercano".
Conectando esto con el creciente interés por la formación en IA, presentó Lightning AI, una plataforma diseñada para que el desarrollo de modelos de IA sea más rápido, sencillo y accesible para todos. Es especialmente útil para apoyar los avances iterativos en IA, ayudando a los desarrolladores a refinar y mejorar los modelos.
También señaló que Lightning AI es similar a PyTorch Lightning, un marco que simplifica el proceso de entrenamiento de modelos de IA. Sin embargo, en lo que difiere es en que Lightning AI es una plataforma más completa que proporciona un conjunto más amplio de herramientas y capacidades para todo el proceso de desarrollo de la IA, no sólo para el entrenamiento de modelos de IA.
Un componente vital de Lightning AI es Lightning Studios, que ofrece un espacio de trabajo intuitivo para diseñar, entrenar y desplegar modelos de IA, haciendo que todo el flujo de trabajo sea fluido y eficiente. Puedes pensar en Lightning Studios como un entorno de desarrollo reproducible para la IA que se ejecuta en la nube. Por ejemplo, ofrece un entorno similar a Jupyter Notebook que puede duplicarse y compartirse con otro desarrollador, lo que ayuda a mejorar la colaboración.
A continuación, Luca se explayó sobre las ventajas de Lightning Studios: "Replicar tu entorno ya no es un problema. Si necesitas cambiar de una máquina CPU [Unidad Central de Procesamiento] a una GPU [Unidad de Procesamiento Gráfico] o lanzar un entrenamiento en mil máquinas, tu entorno será persistente".
A continuación, Luca demostró lo rápido que puedes empezar a utilizar Lightning Studios. Con unos pocos clics, puedes abrir un nuevo estudio y acceder a herramientas y entornos como Jupyter Notebooks y VS Code, todo configurado y listo para codificar. Mostró lo fácil que es cambiar de una máquina a otra. Si la tarea en la que estás trabajando exige más potencia, puedes cambiar fácilmente de un CPU a un GPU más potente. La GPU permanecerá activa sólo mientras la estés utilizando; de lo contrario, entrará en modo de reposo, ahorrando tus créditos.
Luca también mencionó las ventajas de utilizar Plantillas de Estudio. Son entornos de codificación de IA prefabricados por la comunidad, y puedes utilizarlos sin tener que configurar nada. Configurar un entorno para proyectos de IA puede llevar mucho tiempo, y las Plantillas de Estudio pueden ayudar a aumentar la productividad. Estos entornos vienen precargados con todo lo necesario para los proyectos de IA, como dependencias instaladas, pesos del modelo, datos, código, etc.
A continuación, Luca pasó a la demostración en directo, destacando cómo puedes utilizar Lightning Studio para entrenar modelosUltralytics YOLO . Abrió una plantilla de Studio, que ya tenía instaladas todas las dependencias, y puso en marcha una máquina con cuatro GPU para acelerar el proceso de entrenamiento. Con respecto a los datos, dijo que puedes elegir entre almacenarlos directamente en la máquina o transmitirlos desde la nube, lo que hace que el proceso de entrenamiento sea más rápido y eficiente.
En unos segundos, la máquina estaba lista, y Luca inició rápidamente la sesión de entrenamiento. Durante la demostración, un pequeño problema hizo que la máquina se detuviera inesperadamente, pero Lightning Studios se reanudó sin problemas desde donde lo había dejado, asegurándose de que no se perdiera ningún progreso. Luca señaló cómo esta fiabilidad permite flujos de trabajo fluidos, incluso ante interrupciones inesperadas.
Siguiendo con la demostración, mostró lo fácil que es supervisar el progreso del entrenamiento utilizando TensorBoard, una herramienta para visualizar métricas de aprendizaje automático en tiempo real. Lightning Studio lo simplifica aún más generando automáticamente URL que te permiten a ti o a tus compañeros de equipo en el mismo espacio de trabajo acceder a las vistas de TensorBoard sin ninguna configuración adicional. Esto agiliza la colaboración y mantiene a todos en la misma página.
Tras la demostración, Luca desvió el foco de la charla hacia un nuevo proyecto, LitServe, lanzado recientemente por Lightning AI. LitServe simplifica el proceso de tomar un modelo entrenado y convertirlo en un servicio escalable que otros puedan utilizar, eliminando la necesidad de complejos conductos de despliegue. Está diseñado para gestionarlo todo, desde empaquetar el modelo hasta desplegarlo con el mínimo esfuerzo.
Para mostrarlo en tiempo real, Luca hizo una demostración rápida utilizando un modelo preentrenado. Ultralytics YOLOv8 preentrenado. Pudo crear una API sencilla para gestionar las solicitudes entrantes y devolver predicciones de imágenes en unos segundos. Esto significa que cualquiera puede hacer ping a esta API con una imagen y recibir resultados para tareas de visión por ordenador, como la detección de objetos, casi al instante. Entre bastidores, el modelo Ultralytics YOLOv8 se despliega como un servicio, gestionando eficazmente las solicitudes, procesando las imágenes y proporcionando predicciones con una latencia mínima.
Realizó una inferencia sobre una imagen de pizza, y Ultralytics YOLOv8 identificó con éxito objetos como la pizza, una cuchara y una mesa de comedor. Explicó que, aunque la primera solicitud tarda un poco más debido a un "arranque en frío", las solicitudes posteriores son mucho más rápidas una vez que el sistema se calienta.
Luca preguntó entonces: "¿Y si quiero exponer esto al mundo exterior? Explicó cómo el plugin API Builder hace que convertir tu modelo en un servicio vivo y listo para la producción sea sencillo. Con funciones como dominios personalizados, seguridad añadida e integración perfecta, puedes hacer que tu modelo sea fácilmente accesible para cualquiera.
Para concluir su charla, Luca se refirió a la escalabilidad y flexibilidad de Lightning Studio para el desarrollo de IA. Mencionó cómo la plataforma puede entrenar modelos en múltiples máquinas, escalando hasta 10.000 nodos, con un entrenamiento tolerante a fallos que se reanuda automáticamente tras cualquier interrupción.
Por ejemplo, si un trabajo de entrenamiento en un clúster de GPU se interrumpe debido a un problema de hardware o a un reinicio del servidor, Lightning Studios se asegura de que el proceso se reanude exactamente donde se quedó. Esto lo hace ideal para proyectos de IA a gran escala, como el entrenamiento de modelos de aprendizaje profundo en conjuntos de datos masivos como ImageNet o COCO.
He aquí otras ventajas clave de Lightning Studios de las que habló Luca:
La ponencia de Luca en YV24 puso de relieve cómo la IA, combinada con herramientas como los modelos Ultralytics YOLO y Lightning AI, está cambiando la forma en que resolvemos los problemas del mundo real. Facilitan a los desarrolladores el entrenamiento y despliegue de modelos diseñados para abordar problemas específicos en una serie de sectores.
Ilustró cómo Lightning Studios hace que todo el proceso de desarrollo sea más rápido y accesible, permitiendo a los desarrolladores crear soluciones potentes con facilidad. En el núcleo de plataformas de vanguardia como Lightning AI, los modelos de visión por ordenador están transformando la forma en que las soluciones de IA afrontan los retos. En particular, con el último modelo Ultralytics YOLO11 , los desarrolladores pueden crear soluciones que tengan un impacto significativo.
Únete a nuestra comunidad para estar al día sobre la IA y sus usos prácticos. Echa un vistazo a nuestro repositorio de GitHub para explorar las innovaciones en sectores como la IA en los coches autoconducidos y la visión por ordenador en la sanidad.
Comienza tu viaje con el futuro del aprendizaje automático
