تدريب النماذج
منصة Ultralytics توفر أدوات شاملة لتدريب نماذج YOLO، بدءًا من تنظيم التجارب وصولاً إلى تشغيل مهام التدريب السحابي مع بث المقاييس في الوقت الفعلي.
شاهد: ابدأ مع Ultralytics - التدريب
نظرة عامة
يساعدك قسم التدريب على:
- تنظيم النماذج في مشاريع لتسهيل الإدارة
- التدريب على وحدات GPU السحابية بنقرة واحدة
- مراقبة المقاييس في الوقت الفعلي أثناء التدريب
- مقارنة أداء النموذج عبر التجارب
- تصدير إلى أكثر من 17 تنسيق نشر (انظر التنسيقات المدعومة).

سير العمل
graph LR
A[📁 Project] --> B[⚙️ Configure]
B --> C[🚀 Train]
C --> D[📈 Monitor]
D --> E[📦 Export]
style A fill:#4CAF50,color:#fff
style B fill:#2196F3,color:#fff
style C fill:#FF9800,color:#fff
style D fill:#9C27B0,color:#fff
style E fill:#00BCD4,color:#fff
| المرحلة | الوصف |
|---|---|
| المشروع | إنشاء مساحة عمل لتنظيم النماذج ذات الصلة |
| تكوين | حدد مجموعة البيانات والنموذج الأساسي ومعلمات التدريب |
| تدريب | التشغيل على وحدات GPU السحابية أو أجهزتك المحلية |
| مراقبة | عرض منحنيات الخسارة والمقاييس في الوقت الفعلي |
| تصدير | التحويل إلى أكثر من 17 تنسيق نشر (التفاصيل) |
خيارات التدريب
تدعم منصة Ultralytics أساليب تدريب متعددة:
| الطريقة | الوصف | الأفضل لـ |
|---|---|---|
| التدريب السحابي | تدريب على وحدات معالجة الرسومات Ultralytics | لا توجد وحدة GPU محلية، قابلية التوسع |
| التدريب المحلي | تدريب محلي، بث المقاييس إلى المنصة | الأجهزة الموجودة، الخصوصية |
| التدريب عبر Colab | استخدم Google مع تكامل المنصة | وصول مجاني إلى GPU |
خيارات GPU
وحدات GPU المتاحة للتدريب السحابي على سحابة Ultralytics:
| GPU | الجيل | VRAM | التكلفة/الساعة | الأفضل لـ |
|---|---|---|---|---|
| RTX 2000 Ada | آدا | 16 جيجابايت | $0.24 | مجموعات بيانات صغيرة، للاختبار |
| RTX A4500 | أمبير | 20 جيجابايت | $0.25 | مجموعات بيانات صغيرة إلى متوسطة |
| RTX 4000 Ada | آدا | 20 جيجابايت | $0.26 | مجموعات بيانات متوسطة |
| RTX A5000 | أمبير | 24 جيجابايت | $0.27 | مجموعات بيانات متوسطة |
| L4 | آدا | 24 جيجابايت | $0.39 | مُحسّن للاستدلال |
| A40 | أمبير | 48 جيجابايت | $0.40 | أحجام دفعات أكبر |
| RTX 3090 | أمبير | 24 جيجابايت | $0.46 | تدريب عام |
| RTX A6000 | أمبير | 48 جيجابايت | $0.49 | النماذج الكبيرة |
| RTX PRO 4500 | بلاكويل | 32 جيجابايت | $0.54 | قيمة ممتازة مقابل الأداء |
| RTX 4090 | آدا | 24 جيجابايت | $0.59 | أفضل سعر/أداء |
| RTX 6000 Ada | آدا | 48 جيجابايت | $0.77 | تدريب الدفعات الكبيرة |
| L40S | آدا | 48 جيجابايت | $0.86 | تدريب الدفعات الكبيرة |
| RTX 5090 | بلاكويل | 32 جيجابايت | $0.89 | أحدث جيل استهلاكي |
| L40 | آدا | 48 جيجابايت | $0.99 | النماذج الكبيرة |
| A100 PCIe | أمبير | 80 جيجابايت | $1.39 | التدريب للإنتاج |
| A100 SXM | أمبير | 80 جيجابايت | $1.49 | التدريب للإنتاج |
| RTX PRO 6000 | بلاكويل | 96 جيجابايت | $1.69 | الافتراضي الموصى به |
| H100 PCIe | هوبر | 80 جيجابايت | $2.39 | تدريب عالي الأداء |
| H100 SXM | هوبر | 80 جيجابايت | $2.69 | التدريب الأسرع |
| H100 NVL | هوبر | 94 جيجابايت | $3.07 | أقصى أداء |
| H200 NVL | هوبر | 143 جيجابايت | $3.39 | الذاكرة القصوى (Pro+) |
| H200 SXM | هوبر | 141 جيجابايت | $3.59 | الأداء الأقصى (Pro+) |
| B200 | بلاكويل | 180 جيجابايت | $4.99 | أكبر النماذج (Pro+) |
الوصول إلى GPU
تتطلب وحدات معالجة الرسومات (GPU) من طرازي H200 و B200 الاشتراك في خطة Pro أو Enterprise. أما جميع وحدات معالجة الرسومات الأخرى فهي متاحة في جميع الخطط، بما في ذلك الخطة المجانية.
رصيد التسجيل
تحصل الحسابات الجديدة على أرصدة تسجيل للتدريب. راجع الفواتير للحصول على التفاصيل.
المقاييس في الوقت الفعلي
أثناء التدريب، اعرض المقاييس الحية عبر ثلاث علامات تبويب فرعية:
graph LR
A[Charts] --> B[Loss Curves]
A --> C[Performance Metrics]
D[Console] --> E[Live Logs]
D --> F[Error Detection]
G[System] --> H[GPU Utilization]
G --> I[Memory & Temp]
style A fill:#2196F3,color:#fff
style D fill:#FF9800,color:#fff
style G fill:#9C27B0,color:#fff
| علامة تبويب فرعية | مقاييس (Metrics) |
|---|---|
| الرسوم البيانية | خسارة الصندوق/الفئة/DFL، mAP50، mAP50-95، الدقة، الاستدعاء |
| وحدة التحكم | سجلات تدريب مباشرة مع ألوان ANSI وكشف الأخطاء |
| النظام | GPU الرسGPU ، الذاكرة، درجة الحرارة، CPU، القرص |
نقاط الفحص التلقائية
تقوم المنصة تلقائيًا بحفظ نقاط التحقق في كل حقبة. يتم دائمًا الاحتفاظ بأفضل نموذج (أعلى mAP) والنموذج النهائي.
بدء سريع
ابدأ التدريب على السحابة في أقل من دقيقة:
- إنشاء مشروع في الشريط الجانبي
- انقر على نموذج جديد
- حدد نموذجًا ومجموعة بيانات GPU
- انقر على بدء التدريب
export ULTRALYTICS_API_KEY="YOUR_API_KEY"
yolo train model=yolo26n.pt data=ul://username/datasets/my-dataset \
epochs=100 project=username/my-project name=exp1
from ultralytics import YOLO
model = YOLO("yolo26n.pt")
model.train(
data="ul://username/datasets/my-dataset",
epochs=100,
project="username/my-project",
name="exp1",
)
روابط سريعة
- المشاريع: تنظيم نماذجك وتجاربك
- النماذج: إدارة نقاط الفحص المدربة
- التدريب السحابي: تدريب على وحدات GPU السحابية
الأسئلة الشائعة
كم يستغرق التدريب؟
يعتمد وقت التدريب على:
- حجم مجموعة البيانات (عدد الصور)
- حجم النموذج (n, s, m, l, x)
- عدد الدورات التدريبية
- نوع GPU المحدد
تستغرق عملية تدريب نموذجية تتضمن 1000 صورة، وYOLO26n، و100 حقبة على RTX PRO 6000 حوالي 2-3 ساعات. وتكتمل العمليات الأصغر (500 صورة، 50 حقبة على RTX 4090) في أقل من ساعة. راجع أمثلة التكلفة للحصول على تقديرات مفصلة.
هل يمكنني تدريب نماذج متعددة في وقت واحد؟
نعم. تعتمد حدود التدريب المتزامن على السحابة على خطتك: تسمح الخطة المجانية بـ 3، وتسمح الخطة الاحترافية بـ 10، أما الخطة المؤسسية فهي غير محدودة. للحصول على تدريب متوازي إضافي، استخدم التدريب عن بُعد من أجهزة متعددة.
ماذا يحدث إذا فشل التدريب؟
إذا فشل التدريب:
- يتم حفظ نقاط التحقق عند كل حقبة تدريب.
- يمكنك الاستئناف من آخر نقطة تحقق.
- تُحتسب الرسوم فقط على وقت المعالجة المكتمل.
كيف أختار GPU المناسب؟
| السيناريو | GPU الموصى بها |
|---|---|
| معظم وظائف التدريب | RTX PRO 6000 |
| مجموعات البيانات الكبيرة أو أحجام الدُفعات الكبيرة | H100 SXM أو H200 (Pro+) |
| مراعاة التكلفة | RTX 4090 |