本文主要是介绍YOLOv8(Ultralytics)集成SwanLab进行训练监控和可视化,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!
文档:https://docs.swanlab.cn/zh/guide_cloud/integration/integration-ultralytics.html
Ultralytics YOLOv8 是一款尖端、最先进的 (SOTA) 模型,它建立在以前 YOLO 版本的成功基础上,并引入了新功能和改进,以进一步提高性能和灵活性。YOLOv8 设计为快速、准确且易于使用,使其成为各种对象检测和跟踪、实例分割、图像分类和姿态估计任务的绝佳选择。
你可以使用Ultralytics快速进行计算机视觉模型训练,同时使用SwanLab进行实验跟踪与可视化。
集成方法:
1. 引入add_swanlab_callback
from swanlab.integration.ultralytics import add_swanlab_callback
add_swanlab_callback
的作用是为Ultralytics模型添加回调函数,以在模型训练的各个生命周期执行SwanLab记录。
2. 嵌入训练代码:
from ultralytics import YOLO
from swanlab.integration.ultralytics import add_swanlab_callbackdef main():model = YOLO("yolov8n.pt")add_swanlab_callback(model)model.train(data="coco128.yaml", epochs=2, imgsz=640, batch=64)if __name__ == "__main__":main()
监控效果:
这篇关于YOLOv8(Ultralytics)集成SwanLab进行训练监控和可视化的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!