PaddleDetection

PaddleDetection est un kit de développement de détection d’objets de bout en bout basé sur PaddlePaddle. Il détecte des objets courants, segmente les instances, et suit et détecte les points clés à l’aide de modules configurables tels que les composants du réseau, les augmentations de données et les pertes. PaddleDetection comprend une intégration W&B native qui enregistre toutes vos métriques d’entraînement et de validation, ainsi que les points de contrôle du modèle et leurs métadonnées associées. En suivant ce guide, vous activez le WandbLogger de PaddleDetection afin que W&B suive automatiquement vos expériences de détection d’objets, ce qui facilite la comparaison des Runs, le suivi de la progression et la reproduction des résultats. Le WandbLogger de PaddleDetection enregistre vos métriques d’entraînement et d’évaluation dans W&B, ainsi que les points de contrôle du modèle pendant l’entraînement. Pour un exemple détaillé, lire un article de blog de W&B qui montre comment intégrer un modèle YOLOX à PaddleDetection sur un sous-ensemble du jeu de données COCO2017. Une clé API authentifie votre machine auprès de W&B. Vous pouvez générer une clé API à partir de votre profil.

Pour une méthode plus directe, accédez aux Paramètres utilisateur et créez une clé API. Copiez immédiatement la clé API et conservez-la dans un endroit sûr, par exemple dans un gestionnaire de mots de passe.

Cliquez sur l’icône de votre profil en haut à droite.
Sélectionnez Paramètres utilisateur, puis faites défiler jusqu’à la section Clés API.

Installez la bibliothèque `wandb` et connectez-vous

Pour installer la bibliothèque wandb en local et vous connecter :

Ligne de commande
Python
Python notebook

Définissez la variable d’environnement WANDB_API_KEY avec votre clé API. Remplacez les valeurs entre <> par les vôtres :
export WANDB_API_KEY=<your_api_key>
Installez la bibliothèque wandb et connectez-vous.
pip install wandb wandb login

pip install wandb

import wandb
wandb.login()

!pip install wandb

import wandb
wandb.login()

Activez `WandbLogger` dans votre script d’entraînement

Une fois la bibliothèque wandb installée et votre machine authentifiée, activez WandbLogger pour votre tâche d’entraînement dans PaddleDetection. Vous pouvez le faire soit à l’aide d’arguments de ligne de commande, soit en modifiant votre fichier de configuration.

Ligne de commande
`config.yml`

Pour utiliser wandb via des arguments passés à train.py dans PaddleDetection :

Ajoutez l’indicateur --use_wandb.
Le premier argument wandb doit être précédé de -o (vous ne devez l’indiquer qu’une seule fois).
Chaque argument doit contenir le préfixe wandb-. Par exemple, tout argument transmis à wandb.init() reçoit le préfixe wandb-.

python tools/train.py \
    -c config.yml \
    --use_wandb \
    -o \
    wandb-project=MyDetector \
    wandb-entity=MyTeam \
    wandb-save_dir=./logs

Vous pouvez également configurer l’intégration de manière déclarative. Ajoutez les arguments wandb au fichier config.yml sous la clé wandb :

wandb:
  project: MyProject
  entity: MyTeam
  save_dir: ./logs

Lorsque vous exécutez votre fichier train.py, un lien vers votre tableau de bord W&B est généré. Vous pouvez y consulter en temps réel vos métriques d’entraînement et de validation, les points de contrôle du modèle et les métadonnées du run.

Retours ou problèmes

Si vous avez des retours ou rencontrez des problèmes avec l’intégration W&B, ouvrez une issue sur le PaddleDetection GitHub ou envoyez un e-mail à support@wandb.com.

Weights & Biases

Powered by CoreWeave

Platform Details

Resources

Installez la bibliothèque `wandb` et connectez-vous

Activez `WandbLogger` dans votre script d’entraînement

Retours ou problèmes

​Inscrivez-vous et créez une clé API

​Installez la bibliothèque wandb et connectez-vous

​Activez WandbLogger dans votre script d’entraînement

​Retours ou problèmes

Inscrivez-vous et créez une clé API

Installez la bibliothèque `wandb` et connectez-vous

Activez `WandbLogger` dans votre script d’entraînement

Retours ou problèmes