Rejoins-nous pour voir de plus près comment tu peux utiliser Ultralytics HUB pour former et déployer les nouveaux modèles Ultralytics YOLO11. Nous te guiderons pas à pas tout au long du processus.
Ultralytics YOLO11 est le nouveau modèle de vision par ordinateur de pointe conçu pour des tâches telles que la détection d'objets, la classification d'images et la segmentation d'instances. Il est plus rapide, plus précis et plus efficace que les versions précédentes des modèles YOLO (You Only Look Once). YOLO11 peut être utilisé pour une variété d'applications de vision artificielle en temps réel. Mieux encore, la mise en route de Ultralytics YOLO11 est aussi simple et directe que celle de tous les autres modèles Ultralytics YOLO .
Nous avons précédemment abordé les nouvelles fonctionnalités et améliorations de YOLO11 et évoqué l'accès au modèle par le biais du paquetUltralytics Python ou Ultralytics HUB. Dans ce guide, nous allons te montrer comment utiliser Ultralytics HUB étape par étape pour former et déployer Ultralytics YOLO11 facilement.
Ultralytics HUB est la plateforme conviviale Ultralytics' sans code, conçue pour rationaliser l'ensemble du processus, de l'entraînement au déploiement des modèles YOLO , y compris les modèles YOLO11 récemment lancés sur Ultralytics . Que tu sois un expert en IA ou un novice en matière de vision par ordinateur, le HUB offre une interface intuitive qui te permet de télécharger des ensembles de données, de sélectionner des modèles pré-entraînés et de les affiner en fonction de tes besoins spécifiques. En quelques clics, tu peux entraîner des modèles pour des applications en temps réel dans des secteurs allant de la fabrication à l'agriculture. HUB s'attache à rendre l'IA avancée accessible sans qu'il soit nécessaire de coder de manière approfondie.
Ultralytics HUB propose différentes options de plan, avec un volet gratuit pour un accès de base et un plan Pro offrant des fonctionnalités supplémentaires comme la formation sur le cloud, la collaboration en équipe et des limites d'utilisation accrues. Voici un aperçu rapide des principales caractéristiques offertes par Ultralytics HUB :
HUB s'intègre également à diverses plateformes, et les utilisateurs peuvent exporter les modèles formés dans divers formats tels que ONNX, TensorFlowet CoreMLLes utilisateurs peuvent exporter les modèles formés vers divers formats tels que , , et , ce qui facilite le déploiement sur de multiples plates-formes. Essentiellement, Ultralytics HUB simplifie les tâches complexes de l'IA, de la manipulation des ensembles de données au déploiement de modèles en temps réel, le tout dans un seul et même outil complet.
Pour réaliser des inférences sur Ultralytics HUB à l'aide de YOLO11, il te suffit de naviguer dans la section "Modèles" et de choisir le modèle YOLO11 qui t'intéresse. Tu peux ensuite cliquer sur "Aperçu" pour essayer le modèle en téléchargeant n'importe quelle image.
Cette fonction de HUB permet à chacun, quel que soit son niveau d'expérience, de tester les prédictions des modèles avec YOLO11 et de voir comment il se comporte. C'est une façon conviviale de se familiariser gratuitement avec Ultralytics YOLO11.
Après avoir créé un compte, tu peux te plonger directement dans la formation en accédant au tableau de bord. De là, tu peux gérer tes projets, télécharger des ensembles de données et commencer à former tes modèles YOLO11 en toute simplicité. La plateforme est conçue pour que le processus soit rapide et aussi simple que possible.
Une fois connecté, tu peux cliquer sur "Datasets" dans le menu de gauche pour explorer une série d'ensembles de données préexistants disponibles sur Ultralytics HUB. Ces ensembles de données répondent à diverses tâches, telles que la détection d'objets dans les boîtes de délimitation orientées (OBB) et l'estimation de la pose. Par exemple, tu peux utiliser COCO128 pour la détection d'objets avec 80 classes ou Fashion-MNIST pour la classification d'images. Ces ensembles de données sont facilement disponibles et optimisés pour l'entraînement des modèles YOLO .
Si tu souhaites travailler avec tes propres données, tu peux télécharger des ensembles de données personnalisés. Ce faisant, assure-toi que ton jeu de données respecte la structure YOLO , y compris un fichier YAML correctement formaté dans le répertoire racine, et qu'il est zippé.
Une fois que ton jeu de données est prêt, tu peux cliquer sur le bouton "Télécharger le jeu de données", sélectionner le type de tâche et télécharger le fichier ZIP. Après le téléchargement, Ultralytics HUB valide automatiquement ton jeu de données et tu peux immédiatement commencer à entraîner les modèles YOLO . Tu peux également gérer et afficher les détails de ton jeu de données, comme la répartition des images (formation, validation, test), et analyser les données pour t'assurer qu'elles sont prêtes pour l'entraînement des modèles.
Pour commencer à former un modèle YOLO11 à l'aide de la fonction de formation dans le nuage de Ultralytics HUB, tu devras passer au plan Pro. En tant qu'utilisateur Pro, les ressources du site GPU sont à ta disposition pour une formation plus rapide et plus efficace. Une fois la mise à niveau effectuée, accède à la section "Modèles", sélectionne la variante de modèle YOLO11 de ton choix et configure les paramètres de formation.
Tu peux choisir le nombre d'époques (qui définissent combien de fois le modèle passera à travers l'ensemble de données) ou définir une durée spécifique pour un entraînement chronométré. Avant que la formation du modèle ne commence, Ultralytics HUB initialisera une instance dédiée de GPU pour garantir des performances optimales. En fonction de la demande, l'initialisation peut prendre un certain temps, mais aucun frais ne sera appliqué à ton compte pendant ce processus.
Après avoir finalisé tes paramètres, clique sur "Démarrer la formation" pour lancer la session. Tout au long de la formation, tu peux suivre tes progrès en temps réel grâce à un tableau de bord. Il te donne la possibilité de mettre en pause, d'arrêter ou de reprendre la formation si nécessaire. Si le solde de ton compte est faible au cours d'une formation basée sur les époques, la session se met en pause, ce qui te permet de compléter ton solde avant de reprendre. La plateforme enregistre automatiquement les points de contrôle, ce qui signifie que tu peux reprendre là où tu t'es arrêté.
À la fin de la formation, tu peux vérifier tous les coûts grâce à l'onglet de facturation, où tu trouveras des rapports de coûts détaillés qui facilitent le suivi des dépenses et la gestion efficace de ta formation.
Lorsque tu déploies ton modèle YOLO11 entraîné sur mesure avec Ultralytics HUB, il existe deux options principales : l'API d'inférence partagée et l'API d'inférence dédiée. Pour utiliser le modèle déployé, tu peux faire des demandes d'inférence à l'API en utilisant Python ou cURL, selon ta configuration. Le processus général consiste à envoyer un fichier image ainsi que les paramètres pertinents (comme la taille de l'image et les seuils de confiance) à l'API. Ultralytics HUB renvoie les prédictions dans un format JSON simple, que tu peux traiter ultérieurement.
L'API d'inférence partagée est une solution économique pour les utilisateurs du niveau gratuit et fournit 100 appels par heure et jusqu'à 1000 appels par mois. Elle élimine le besoin d'un environnement local et permet un déploiement rapide directement à partir du HUB Ultralytics .
L'API d'inférence dédiée, disponible pour les utilisateurs Pro, est plus adaptée aux déploiements à plus grande échelle ou aux applications en temps réel. Elle permet un déploiement en un seul clic dans un environnement cloud dédié alimenté par Google Cloud Run. Cette option est optimisée pour les applications hautes performances, assurant une latence inférieure à 100 ms et une couverture mondiale à travers 38 régions pour le traitement en temps réel. Elle prend également en charge des fonctions de sécurité améliorées, ce qui la rend adaptée aux industries ayant des exigences strictes en matière de protection des données.
Une fois que tu as choisi entre l'API d'inférence partagée ou dédiée pour déployer ton modèle YOLO11, les étapes suivantes sont simples et efficaces. Tu peux ouvrir l'onglet "Déployer" dans la page de ton modèle sur Ultralytics HUB. Si tu utilises l'API d'inférence partagée, tu peux consulter ce guide pour suivre les instructions de configuration de tes appels API. Pour les utilisateurs de l'API d'inférence dédiée, il suffit de cliquer sur le bouton Démarrer le point de terminaison pour lancer le point de terminaison. Une fois activé, HUB te donnera une URL unique à utiliser pour tes tâches d'inférence.
Si ton projet a besoin d'un modèle dans un format spécifique ou pour une utilisation hors ligne, Ultralytics HUB propose des options d'exportation telles que ONNX, CoreML, ou TensorFlow pour prendre en charge différentes plateformes, des systèmes mobiles aux systèmes en nuage. Pour les développeurs qui cherchent à intégrer les modèles directement dans les applications, le Ultralytics HUB-SDK offre un moyen efficace de gérer les déploiements par le biais de Python. En utilisant des clés API ou des identifiants Ultralytics , tu peux facilement contrôler le déploiement et exécuter des inférences dans ton code, ce qui te donne la flexibilité nécessaire pour une intégration transparente.
Ultralytics HUB est une plateforme tout-en-un conçue pour rendre la formation et le déploiement des modèles YOLO11 accessibles aux débutants comme aux experts. Elle prend en charge un large éventail de tâches, du téléchargement de jeux de données à la configuration de l'entraînement, en offrant des options de déploiement flexibles comme les API d'inférence partagées et dédiées. Que tu déploies par le biais d'API ou que tu exporte des modèles pour une utilisation hors ligne, HUB assure une intégration transparente entre les plateformes. Avec des options pour les applications en temps réel et des solutions évolutives, Ultralytics HUB peut être utilisé pour un large éventail de besoins de déploiement pour les utilisateurs débutants et avancés.
Explore notre dépôt GitHub et rejoins notre communauté dynamique pour plonger plus profondément dans l'IA. Découvre comment Vision AI fait progresser l'innovation dans des secteurs comme la santé et l'agriculture.
Commence ton voyage avec le futur de l'apprentissage automatique.
