Simplifica os teus fluxos de trabalho de aprendizagem automática com Weights & Biases. Acompanha, visualiza e colabora em experiências para um desenvolvimento de IA mais rápido e reproduzível.
Weights & Biases (W&B) é uma plataforma concebida para simplificar os fluxos de trabalho de aprendizagem automática, fornecendo ferramentas para o acompanhamento de experiências, versões de dados e modelos e colaboração. Funciona como uma plataforma central para as operações de aprendizagem automática (MLOps), ajudando os indivíduos e as equipas a gerir as complexidades do desenvolvimento e da implementação de modelos de IA, incluindo Ultralytics YOLO da Ultralytics. Facilita uma melhor compreensão do desempenho do modelo, a reprodutibilidade das experiências e a eficiência geral no ciclo de vida do desenvolvimento da IA.
O Weights & Biases é uma plataforma abrangente de MLOps destinada a melhorar a produtividade dos profissionais de aprendizagem automática. Fornece uma forma sistemática de registar, acompanhar e visualizar todos os componentes de uma experiência de ML, incluindo conjuntos de dados, hiperparâmetros, métricas de formação como precisão e perda, versões de código e pesos de modelos resultantes. Ao oferecer um painel de controlo claro e organizado, o W&B simplifica o processo de comparação de diferentes execuções experimentais, depuração de modelos e partilha de resultados com os colaboradores. Integra-se facilmente com estruturas populares, como PyTorch e TensorFlowtornando-a adaptável a vários projectos de IA. A plataforma distingue-se dos conceitos de "pesos" e "enviesamentos" numa rede neural (NN), que se referem aos parâmetros aprendidos que o modelo ajusta durante o treino. A W&B é a ferramenta utilizada para acompanhar as experiências que optimizam estes parâmetros. Podes saber mais sobre a integração do Ultralytics com o W&B na documentação.
Weights & Biases oferece várias funcionalidades para apoiar o ciclo de vida do ML:
O Weights & Biases é amplamente utilizado em vários sectores para melhorar os processos de desenvolvimento da aprendizagem automática.
As equipas que desenvolvem sistemas de perceção para veículos autónomos utilizam o W&B para gerir o vasto número de experiências necessárias. Acompanham métricas de desempenho como a precisão média média (mAP) para modelos de deteção de objectos treinados em diversos conjuntos de dados que representam diferentes condições de condução (dia, noite, chuva). O W&B permite-lhes comparar modelos treinados com diferentes arquitecturas (por exemplo, comparando YOLOv8 vs YOLOv9), hiperparâmetros ou estratégias de aumento de dados, visualizando resultados como caixas delimitadoras em imagens de teste para garantir robustez e segurança antes da implementação.
Na área da saúde, os investigadores que desenvolvem IA para análise de imagens médicas, como a deteção de tumores em tomografias ou a segmentação de órgãos, baseiam-se na W&B. Acompanha métricas como a pontuação Dice para tarefas de segmentação de imagens em diferentes épocas de treino. A W&B ajuda a gerir experiências que envolvem dados sensíveis, monitoriza versões de modelos para fins de conformidade regulamentar (por exemplo, diretrizes da FDA) e visualiza máscaras de segmentação em imagens para avaliar a precisão do modelo, ajudando, em última análise, no desenvolvimento de ferramentas de diagnóstico fiáveis. Explora a forma como os modelos Ultralytics YOLO são utilizados na imagiologia médica.
Ao fornecer ferramentas robustas de acompanhamento e visualização, o Weights & Biases melhora significativamente a eficiência e a fiabilidade dos projectos de aprendizagem automática, desde a investigação à produção. Podes gerir os teus próprios projectos utilizando oUltralytics HUB, que integra capacidades de acompanhamento de experiências.
PT
EN
ZH
KO
JA
RU
DE
FR
ES
IT
AR
TR
VI
