YOLO Vision 2024'te sergilenen Lightning AI'ın daha hızlı model eğitimi, dağıtımı ve işbirliği ile ölçeklenebilir görsel yapay zeka geliştirmeyi nasıl basitleştirdiğini keşfedin.
%20(1).png)
İster deneyimli bir yapay zeka geliştiricisi olun ister yapay zekayı keşfetmeye yeni başlıyor olun, Ultralytrics YOLO11 gibi bilgisayarla görme modelleriyle oynamak ve deney yapmak için güvenilir bir ortama sahip olmak çok önemlidir. Ortam, yapay zeka modellerini verimli bir şekilde tasarlamak, test etmek ve dağıtmak için gereken araçları, kaynakları ve altyapıyı ifade eder.
Birçok çevrimiçi platform farklı yapay zeka araçları sunarken, birçoğu veri hazırlamadan model dağıtımına kadar tüm yapay zeka yaşam döngüsü için birleşik bir ortam sağlamıyor. Yapay zeka geliştirme için hepsi bir arada bir platform olan Lightning AI, veri hazırlamadan dağıtıma kadar süreci kolaylaştırmak için bu noktada devreye giriyor.
Yapay zeka geliştirmeyi kolaylaştırmanın önemi, Ultralytics tarafından düzenlenen ve yapay zeka ve bilgisayarla görme alanındaki ilerlemelere odaklanan yıllık hibrit bir etkinlik olan YOLO Vision 2024'te (YV24) sergilendi. Lightning AI CTO'su Luca Antiga, Lightning AI kullanarak Ultralytics YOLO modellerinin hızlı, sorunsuz ve teknik karmaşıklıklara karışmadan nasıl eğitileceğini anlattığı'Lightning Studios'ta YOLO 'a Gitmek' başlıklı bir açılış konuşması yaptı.
Bu makalede, gerçek dünyadaki bilgisayarla görme uygulamalarından Lightning AI ile Ultralytics YOLO modellerinin eğitilmesi ve dağıtılmasına ilişkin canlı demolara kadar her şeyi kapsayan Luca'nın konuşmasından önemli çıkarımları inceleyeceğiz. Hadi başlayalım!
Luca açılış konuşmasına YOLO modellerinin çeşitli sektörlerdeki etkisine ilişkin düşüncelerini ve takdirlerini paylaşarak başladı. YOLO modellerinin imalat ve tarım gibi sektörlerde nasıl uygulanabileceğinin altını çizdi. ' YOLO 'un inşaatçılar topluluğu - gerçek, pratik sorunları çözmesi gereken insanlar - üzerindeki etkisini takdir ediyorum, bu bana çok yakın' dedi.
Bunu yapay zeka eğitimine artan ilgiye bağlayarak, yapay zeka modeli geliştirmeyi daha hızlı, daha basit ve herkes için daha erişilebilir hale getirmek için tasarlanmış bir platform olan Lightning AI'yi tanıttı. Özellikle yapay zekadaki yinelemeli gelişmeleri desteklemek, geliştiricilerin modelleri iyileştirmesine ve geliştirmesine yardımcı olmak için kullanışlıdır.
Ayrıca Lightning AI'nın, AI modellerinin eğitim sürecini basitleştiren bir çerçeve olan PyTorch Lightning'e benzediğine dikkat çekti. Bununla birlikte, Lightning AI'nin farklı olduğu nokta, sadece AI modellerini eğitmek değil, tüm AI geliştirme süreci için daha geniş bir araç ve yetenek seti sağlayan daha kapsamlı bir platform olmasıdır.
Lightning AI'nın hayati bir bileşeni olan Lightning Studios, yapay zeka modellerini tasarlamak, eğitmek ve dağıtmak için sezgisel bir çalışma alanı sunarak tüm iş akışını sorunsuz ve verimli hale getirir. Lightning Studios'u, bulut üzerinde çalışan yapay zeka için tekrarlanabilir bir geliştirme ortamı olarak düşünebilirsiniz. Örneğin, çoğaltılabilen ve başka bir geliştirici ile paylaşılabilen Jupyter Not Defteri benzeri bir ortam sunarak işbirliğini geliştirmeye yardımcı olur.
Luca daha sonra Lightning Studios'un avantajlarını detaylandırarak şunları söyledi: "Ortamınızı çoğaltmak artık bir sorun değil. Bir CPU [Merkezi İşlem Birimi] makinesinden bir GPU [Grafik İşlem Birimi] makinesine geçmeniz veya binlerce makinede eğitim başlatmanız gerekirse, ortamınız kalıcı olacaktır."
Ardından Luca, Lightning Studios'u kullanmaya ne kadar hızlı başlayabileceğinizi gösterdi. Sadece birkaç tıklama ile yeni bir stüdyo açabilir, Jupyter Notebooks ve VS Code gibi araçlara ve ortamlara erişebilir, hepsini kurabilir ve kodlamaya hazır hale getirebilirsiniz. Farklı makineler arasında geçiş yapmanın ne kadar kolay olduğunu gösterdi. Üzerinde çalıştığınız görev daha fazla güç gerektiriyorsa, CPU adresinden daha güçlü bir GPU adresine kolayca geçiş yapabilirsiniz. GPU yalnızca kullanımdayken aktif kalacaktır; aksi takdirde, uyku moduna geçerek kredilerinizi koruyacaktır.
Luca ayrıca Stüdyo Şablonlarını kullanmanın faydalarından da bahsetti. Bunlar, topluluk tarafından önceden hazırlanmış yapay zeka kodlama ortamlarıdır ve hiçbir şey kurmanıza gerek kalmadan bunları kullanabilirsiniz. YZ projeleri için bir ortam kurmak zaman alıcı olabilir ve Studio Şablonları üretkenliği artırmaya yardımcı olabilir. Bu ortamlar, yüklü bağımlılıklar, model ağırlıkları, veriler, kod vb. gibi YZ projeleri için gereken her şeyle önceden yüklenmiş olarak gelir.
Luca daha sonra canlı demoya geçerek Lightning Studio'yu Ultralytics YOLO modellerini eğitmek için nasıl kullanabileceğinizi vurguladı. Tüm bağımlılıkların zaten yüklü olduğu bir Studio Şablonu açtı ve eğitim sürecini hızlandırmak için dört GPU'lu bir makine çalıştırdı. Verilerle ilgili olarak, verileri doğrudan makinede depolamayı veya buluttan aktarmayı seçebileceğinizi ve böylece eğitim sürecini daha hızlı ve daha verimli hale getirebileceğinizi söyledi.
Birkaç saniye içinde makine hazır hale geldi ve Luca hızlı bir şekilde eğitim seansına başladı. Demo sırasında küçük bir sorun makinenin beklenmedik bir şekilde durmasına neden oldu, ancak Lightning Studios sorunsuz bir şekilde kaldığı yerden devam ederek hiçbir ilerlemenin kaybolmadığından emin oldu. Luca, bu güvenilirliğin beklenmedik kesintiler karşısında bile sorunsuz iş akışlarını nasıl desteklediğine dikkat çekti.
Demoya devam ederek, makine öğrenimi metriklerini gerçek zamanlı olarak görselleştirmeye yönelik bir araç olan TensorBoard'u kullanarak eğitim ilerlemesini izlemenin ne kadar kolay olduğunu gösterdi. Lightning Studio, sizin veya aynı çalışma alanındaki ekip arkadaşlarınızın herhangi bir ekstra kurulum yapmadan TensorBoard görünümlerine erişmesini sağlayan URL'leri otomatik olarak oluşturarak bunu daha da basit hale getiriyor. Bu, işbirliğini kolaylaştırır ve herkesin aynı sayfada kalmasını sağlar.
Demonun ardından Luca, konuşmanın odağını Lightning AI tarafından yakın zamanda başlatılan yeni bir projeye, LitServe'e kaydırdı. LitServe, eğitimli bir modeli alıp başkalarının kullanabileceği ölçeklenebilir bir hizmete dönüştürme sürecini basitleştirerek karmaşık dağıtım işlem hatlarına olan ihtiyacı ortadan kaldırıyor. Modeli paketlemekten dağıtmaya kadar her şeyi minimum çabayla halletmek üzere tasarlanmıştır.
Bunu gerçek zamanlı olarak göstermek için Luca, önceden eğitilmiş bir bilgisayar kullanarak izleyicilere hızlı bir demo yaptı. Ultralytics YOLOv8 modelini geliştirdi. Gelen talepleri işlemek ve görüntü tahminlerini birkaç saniye içinde döndürmek için basit bir API oluşturmayı başardı. Bu, herkesin bu API'ye bir görüntüyle ping atabileceği ve nesne algılama gibi bilgisayarla görme görevleri için neredeyse anında sonuç alabileceği anlamına geliyor. Perde arkasında, Ultralytics YOLOv8 modeli bir hizmet olarak konuşlandırılıyor, istekleri verimli bir şekilde ele alıyor, görüntüleri işliyor ve tahminleri minimum gecikmeyle sunuyor.
Bir pizza görüntüsü üzerinde bir çıkarım yaptı ve Ultralytics YOLOv8 pizza, kaşık ve yemek masası gibi nesneleri başarıyla tanımladı. İlk isteğin 'soğuk başlangıç' nedeniyle biraz daha uzun sürmesine rağmen, sistem ısındıktan sonra sonraki isteklerin çok daha hızlı olduğunu açıkladı.
Luca daha sonra "Ya bunu dış dünyaya açmak istersem?" diye sordu. API Builder eklentisinin modelinizi canlı, üretime hazır bir hizmete dönüştürmeyi nasıl kolaylaştırdığını anlattı. Özel alan adları, ek güvenlik ve sorunsuz entegrasyon gibi özelliklerle modelinizi herkes için kolayca erişilebilir hale getirebilirsiniz.
Luca konuşmasının sonunda Lightning Studio'nun yapay zeka geliştirme için ölçeklenebilirliğine ve esnekliğine değindi. Platformun, herhangi bir kesintiden sonra otomatik olarak devam eden hataya toleranslı eğitim ile 10.000 düğüme kadar ölçeklenerek modelleri birden fazla makinede nasıl eğitebileceğinden bahsetti.
Örneğin, GPU kümesindeki bir eğitim işi bir donanım sorunu veya sunucunun yeniden başlatılması nedeniyle kesintiye uğrarsa, Lightning Studios sürecin tam olarak kaldığı yerden devam etmesini sağlar. Bu, ImageNet veya COCO gibi devasa veri kümeleri üzerinde derin öğrenme modellerinin eğitimi gibi büyük ölçekli yapay zeka projeleri için idealdir.
İşte Luca'nın bahsettiği Lightning Studios'un diğer bazı önemli faydaları:
Luca'nın YV24'teki açılış konuşması, Ultralytics YOLO modelleri ve Lightning AI gibi araçlarla birlikte yapay zekanın gerçek dünyadaki sorunları çözme şeklimizi nasıl değiştirdiğini vurguladı. Bu araçlar, geliştiricilerin çeşitli sektörlerdeki belirli sorunların üstesinden gelmek için tasarlanmış modelleri eğitmesini ve dağıtmasını kolaylaştırıyor.
Lightning Studios'un tüm geliştirme sürecini nasıl daha hızlı ve daha erişilebilir hale getirdiğini ve geliştiricilerin kolayca güçlü çözümler oluşturmasına olanak tanıdığını gösterdi. Lightning AI gibi son teknoloji platformların merkezinde yer alan bilgisayarla görme modelleri, yapay zeka çözümlerinin zorlukları ele alma biçimini dönüştürüyor. Özellikle, en son Ultralytics YOLO11 modeli ile geliştiriciler anlamlı bir etki yaratan çözümler oluşturabiliyor.
Yapay zeka ve pratik kullanımları konusunda güncel kalmak için topluluğumuza katılın. Sürücüsüz araçlarda yapay zeka ve sağlık hizmetlerinde bilgisayarla görme gibi sektörlerdeki yenilikleri keşfetmek için GitHub depomuza göz atın.
Makine öğreniminin geleceği ile yolculuğunuza başlayın
