Metrics
TrainOutput(
global_step=6732,
training_loss=2.959243166963755,
metrics={
'train_runtime': 66894.0816,
'train_samples_per_second': 1.61,
'train_steps_per_second': 0.101,
'total_flos': 0.0,
'train_loss': 2.959243166963755,
'epoch': 2.0056606584239534
}
)
example output:
<bos><start_of_turn>system
You are a helpful AI assistant.
Its objective is to fulfill exactly the task that the user is asked of it.
Use your learned knowledge<end_of_turn>
<start_of_turn>user
explicame yolo en solo 2 items, dame un ejemplo en python<end_of_turn>
<start_of_turn>model
El YOLO (YOLO: You Only Look Once) es un modelo de aprendizaje automático que se utiliza para detectar objetos en imágenes o videos sin necesidad de procesar toda la imagen o video de manera exhaustiva. El objetivo del YOLO es identificar los objetos con mayor probabilidad de ser presentes en una imagen que se ha precalificado con múltiples configuraciones del mismo.
Para implementar el YOLO en Python, primero se debe instalar el módulo `yolo` si aún no lo hay, utilizando el siguiente comando en la línea de comandos:
bash:
pip install yolo
Luego, se puede escribir el código en Python usando el módulo `yolo`:
from yolo import YOLO
import cv2
config = YOLO(weights='yolov3s.pt5', classes=40)
camera = cv2.VideoCapture(0)
while True:
ret, frame = camera.read()
if not ret:
break
img = cv2.resize(frame[0], (300, 300))
rgb_image = np.array(img).astype('float32') / 255.0
results = config.predict(np.expand_dims(rgb_image, axis=[0, 1]))
class_id = int(results.argmax())
class_name = config.get_class_name(class_id)
cv2.rectangle(frame, (class_name, class_name + 5), (class_name + 5, class_name + 5), (0, 255, 0), 2)
cv2.imshow('Frame %d' % int(len(results)), frame)
if cv2.waitKey(1) & 0xFF == ord('esc'):
break
camera.release()
cv2.destroyAllWindows()
Este código utiliza el módulo `yolo` para cargar una configuración del YOLO, luego capturar imágenes con la cámara web y detectarlos utilizando el YOLO. Los resultados son dibujados en la imagen resultante y se espera que se presione cualquier tecla 'Esc' para detener la captura.<end_of_turn>
CPU times: user 30.7 s, sys: 7.27 ms, total: 30.7 s
Wall time: 30.7 s
colab examples.
model_id= "NickyNicky/gemma-1.1-2b-it_oasst_format_chatML_unsloth_V1_orpo_V2"
https://colab.research.google.com/drive/16qS7NMSu20LzcwvYCrBGVI7rd9Hr-vpN?usp=sharing