YOLOv8(Ultralytics)集成SwanLab进行训练监控和可视化
ultralytics
ultralytics - 提供 YOLOv8 模型，用于目标检测、图像分割、姿态估计和图像分类，适合机器学习和计算机视觉领域的开发者。
项目地址：https://gitcode.com/gh_mirrors/ul/ultralytics
免费下载资源
·
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_callback
def 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：
GitHub 加速计划 / ul / ultralytics
27.23 K
5.39 K
下载
ultralytics - 提供 YOLOv8 模型，用于目标检测、图像分割、姿态估计和图像分类，适合机器学习和计算机视觉领域的开发者。
最近提交(Master分支：2 个月前 )
e48a42ec
Co-authored-by: Glenn Jocher <glenn.jocher@ultralytics.com> 5 天前
1790ca0f
Co-authored-by: UltralyticsAssistant <web@ultralytics.com>
Co-authored-by: Glenn Jocher <glenn.jocher@ultralytics.com> 5 天前
旨在为数千万中国开发者提供一个无缝且高效的云端环境，以支持学习、使用和贡献开源项目。
更多推荐
8
0- 0
已为社区贡献4条内容
所有评论(0)