YOLO26 🚀 على AzureML

ما هو Azure؟

Azure هو منصة الحوسبة السحابية من Microsoft، المصممة لمساعدة المؤسسات على نقل أعباء عملها إلى السحابة من مراكز البيانات المحلية. مع مجموعة كاملة من الخدمات السحابية التي تشمل خدمات الحوسبة وقواعد البيانات والتحليلات وتعلم الآلة والشبكات، يمكن للمستخدمين اختيار هذه الخدمات لتطوير وتوسيع نطاق التطبيقات الجديدة، أو تشغيل التطبيقات الحالية في السحابة العامة.

ما هو Azure Machine Learning (AzureML)؟

Azure Machine Learning، المعروف عادةً بـ AzureML، هو خدمة سحابية مدارة بالكامل تمكّن علماء البيانات والمطورين من تضمين التحليلات التنبؤية بكفاءة في تطبيقاتهم، مما يساعد المؤسسات على استخدام مجموعات بيانات ضخمة وجلب فوائد السحابة بالكامل إلى تعلم الآلة. يوفر AzureML مجموعة متنوعة من الخدمات والقدرات التي تهدف إلى جعل تعلم الآلة متاحاً وسهل الاستخدام وقابلاً للتوسع. فهو يوفر قدرات مثل تعلم الآلة الآلي، وتدريب النماذج بالسحب والإفلات، بالإضافة إلى Python SDK قوي حتى يتمكن المطورون من تحقيق أقصى استفادة من نماذج تعلم الآلة الخاصة بهم.

كيف يفيد AzureML مستخدمي YOLO؟

بالنسبة لمستخدمي YOLO (You Only Look Once)، يوفر AzureML منصة قوية وقابلة للتوسع وفعالة لتدريب ونشر نماذج تعلم الآلة. سواء كنت تتطلع إلى تشغيل نماذج أولية سريعة أو التوسع للتعامل مع بيانات أكثر شمولاً، فإن بيئة AzureML المرنة وسهلة الاستخدام تقدم أدوات وخدمات متنوعة لتلبية احتياجاتك. يمكنك الاستفادة من AzureML للقيام بما يلي:

• إدارة مجموعات البيانات الكبيرة والموارد الحسابية للتدريب بسهولة.
• استخدام الأدوات المضمنة لمعالجة البيانات مسبقاً، واختيار الميزات، وتدريب النماذج.
• التعاون بشكل أكثر كفاءة مع قدرات MLOps (عمليات تعلم الآلة)، بما في ذلك على سبيل المثال لا الحصر، المراقبة والتدقيق وإصدار النماذج والبيانات.

في الأقسام التالية، ستجد دليلاً سريعاً يشرح كيفية تشغيل نماذج اكتشاف الكائنات YOLO26 باستخدام AzureML، سواء من محطة الحوسبة أو دفتر ملاحظات (notebook).

المتطلبات الأساسية

قبل أن تتمكن من البدء، تأكد من أن لديك وصولاً إلى مساحة عمل AzureML. إذا لم تكن تمتلك واحدة، يمكنك إنشاء مساحة عمل AzureML جديدة باتباع وثائق Azure الرسمية. تعمل مساحة العمل هذه كمكان مركزي لإدارة جميع موارد AzureML.

إنشاء مثيل حسابي

من مساحة عمل AzureML الخاصة بك، اختر Compute > Compute instances > New، ثم اختر المثيل الذي يحتوي على الموارد التي تحتاجها.

البدء السريع من المحطة الطرفية (Terminal)

ابدأ تشغيل الحوسبة الخاصة بك وافتح المحطة الطرفية:

إنشاء بيئة افتراضية

أنشئ بيئة conda افتراضية باستخدام إصدار Python المفضل لديك وقم بتثبيت pip فيها. يواجه Python 3.13.1 حالياً مشكلات في التبعيات داخل AzureML، لذا استخدم Python 3.12 بدلاً من ذلك.

conda create --name yolo26env -y python=3.12
conda activate yolo26env
conda install pip -y

ثبّت التبعيات المطلوبة:

cd ultralytics
pip install -r requirements.txt
pip install ultralytics
pip install onnx

تنفيذ مهام YOLO26

التنبؤ:

yolo predict model=yolo26n.pt source='https://ultralytics.com/images/bus.jpg'

تدريب نموذج اكتشاف لمدة 10 epochs مع معدل تعلم أولي قدره 0.01:

yolo train data=coco8.yaml model=yolo26n.pt epochs=10 lr0=0.01

يمكنك العثور على المزيد من التعليمات لاستخدام Ultralytics CLI هنا.

البدء السريع من دفتر ملاحظات (Notebook)

إنشاء نواة IPython جديدة

افتح المحطة الطرفية للحوسبة.

من محطة الحوسبة الطرفية الخاصة بك، أنشئ ipykernel جديد باستخدام Python 3.12 الذي سيستخدمه دفتر ملاحظاتك لإدارة التبعيات:

conda create --name yolo26env -y python=3.12
conda activate yolo26env
conda install pip -y
conda install ipykernel -y
python -m ipykernel install --user --name yolo26env --display-name "yolo26env"

أغلق محطتك الطرفية وأنشئ دفتر ملاحظات جديداً. من دفتر الملاحظات الخاص بك، اختر النواة التي تم إنشاؤها حديثاً.

ثم افتح خلية دفتر ملاحظات وثبّت التبعيات المطلوبة:

%%bash
source activate yolo26env
cd ultralytics
pip install -r requirements.txt
pip install ultralytics
pip install onnx

لاحظ أنه يجب عليك تشغيل source activate yolo26env في كل خلية %%bash لضمان استخدام الخلية للبيئة المقصودة.

تشغيل بعض التنبؤات باستخدام Ultralytics CLI:

%%bash
source activate yolo26env
yolo predict model=yolo26n.pt source='https://ultralytics.com/images/bus.jpg'

أو باستخدام واجهة Ultralytics Python، على سبيل المثال لتدريب النموذج:

from ultralytics import YOLO

# Load a model
model = YOLO("yolo26n.pt")  # load an official YOLO26n model

# Use the model
model.train(data="coco8.yaml", epochs=3)  # train the model
metrics = model.val()  # evaluate model performance on the validation set
results = model("https://ultralytics.com/images/bus.jpg")  # predict on an image
path = model.export(format="onnx")  # export the model to ONNX format

يمكنك استخدام إما Ultralytics CLI أو واجهة Python لتشغيل مهام YOLO26، كما هو موضح في قسم المحطة الطرفية أعلاه.

باتباع هذه الخطوات، يجب أن تكون قادراً على تشغيل YOLO26 بسرعة على AzureML للتجارب السريعة. للاستخدامات الأكثر تقدماً، يمكنك الرجوع إلى وثائق AzureML الكاملة المرتبطة في بداية هذا الدليل.

استكشف المزيد مع AzureML

يعمل هذا الدليل كمقدمة لتعريفك على تشغيل YOLO26 على AzureML. ومع ذلك، فهو لا يغطي سوى جزء بسيط مما يمكن لـ AzureML تقديمه. للتعمق أكثر وإطلاق العنان للإمكانات الكاملة لـ AzureML لمشاريع تعلم الآلة الخاصة بك، فكر في استكشاف الموارد التالية:

• إنشاء أصل بيانات: تعلم كيفية إعداد وإدارة أصول بياناتك بفعالية داخل بيئة AzureML.
• بدء وظيفة AzureML: احصل على فهم شامل لكيفية بدء وظائف تدريب تعلم الآلة الخاصة بك على AzureML.
• تسجيل نموذج: تعرف على ممارسات إدارة النماذج بما في ذلك التسجيل وإصدار النسخ والنشر.
• تدريب YOLO26 باستخدام AzureML Python SDK: استكشف دليلاً خطوة بخطوة حول استخدام AzureML Python SDK لتدريب نماذج YOLO26 الخاصة بك.
• تدريب YOLO26 باستخدام AzureML CLI: اكتشف كيفية استخدام واجهة سطر الأوامر للتدريب المبسط وإدارة نماذج YOLO26 على AzureML.

الأسئلة الشائعة

كيف أقوم بتشغيل YOLO26 على AzureML لتدريب النماذج؟

يتضمن تشغيل YOLO26 على AzureML لتدريب النماذج عدة خطوات:

1. إنشاء مثيل حسابي: من مساحة عمل AzureML الخاصة بك، انتقل إلى Compute > Compute instances > New، وحدد المثيل المطلوب.

2. إعداد البيئة: ابدأ تشغيل مثيل الحوسبة الخاص بك، وافتح محطة طرفية، وأنشئ بيئة Conda. حدد إصدار Python الخاص بك (لا يتم دعم Python 3.13.1 بعد):

   conda create --name yolo26env -y python=3.12
   conda activate yolo26env
   conda install pip -y
   pip install ultralytics onnx

3. تشغيل مهام YOLO26: استخدم Ultralytics CLI لتدريب نموذجك:

   yolo train data=coco8.yaml model=yolo26n.pt epochs=10 lr0=0.01

لمزيد من التفاصيل، يمكنك الرجوع إلى التعليمات لاستخدام Ultralytics CLI.

ما هي فوائد استخدام AzureML لتدريب YOLO26؟

يوفر AzureML نظاماً بيئياً قوياً وفعالاً لتدريب نماذج YOLO26:

• قابلية التوسع: وسّع موارد الحوسبة الخاصة بك بسهولة مع نمو بياناتك وتعقيد نموذجك.
• تكامل MLOps: استخدم ميزات مثل إصدار النسخ والمراقبة والتدقيق لتبسيط عمليات تعلم الآلة.
• التعاون: شارك وأدر الموارد داخل الفرق، مما يعزز سير العمل التعاوني.

هذه المزايا تجعل AzureML منصة مثالية للمشاريع التي تتراوح من النماذج الأولية السريعة إلى عمليات النشر واسعة النطاق. لمزيد من النصائح، تحقق من وظائف AzureML.

كيف أقوم باستكشاف الأخطاء وإصلاحها للمشكلات الشائعة عند تشغيل YOLO26 على AzureML؟

قد تتضمن عملية استكشاف الأخطاء وإصلاحها للمشكلات الشائعة مع YOLO26 على AzureML الخطوات التالية:

• مشكلات التبعية: تأكد من تثبيت جميع الحزم المطلوبة. راجع ملف requirements.txt للتعرف على التبعيات.
• إعداد البيئة: تحقق من تنشيط بيئة conda الخاصة بك بشكل صحيح قبل تشغيل الأوامر.
• تخصيص الموارد: تأكد من أن مثيلات الحوسبة الخاصة بك لديها موارد كافية للتعامل مع عبء عمل التدريب.

للحصول على إرشادات إضافية، راجع وثائق المشكلات الشائعة في YOLO.

هل يمكنني استخدام كل من Ultralytics CLI وواجهة Python على AzureML؟

نعم، يتيح لك AzureML استخدام كل من Ultralytics CLI وواجهة Python بسلاسة:

• CLI: مثالية للمهام السريعة وتشغيل البرامج النصية القياسية مباشرة من المحطة الطرفية.

  yolo predict model=yolo26n.pt source='https://ultralytics.com/images/bus.jpg'

• واجهة Python: مفيدة للمهام الأكثر تعقيداً التي تتطلب برمجيات مخصصة وتكاملاً داخل دفاتر الملاحظات.

  from ultralytics import YOLO
  
  model = YOLO("yolo26n.pt")
  model.train(data="coco8.yaml", epochs=3)

للحصول على تعليمات خطوة بخطوة، راجع دليل البدء السريع لـ CLI ودليل البدء السريع لـ Python.

ما هي ميزة استخدام Ultralytics YOLO26 مقارنة بنماذج اكتشاف الكائنات الأخرى؟

يقدم Ultralytics YOLO26 العديد من المزايا الفريدة مقارنة بنماذج اكتشاف الكائنات المنافسة:

• السرعة: أوقات استنتاج وتدريب أسرع مقارنة بنماذج مثل Faster R-CNN وSSD.
• الدقة: دقة عالية في مهام الاكتشاف مع ميزات مثل التصميم الخالي من المرساة (anchor-free) واستراتيجيات التوسيع المحسنة.
• سهولة الاستخدام: واجهة برمجة تطبيقات (API) وCLI بديهية للإعداد السريع، مما يجعلها في متناول المبتدئين والخبراء على حد سواء.

لاستكشاف المزيد حول ميزات YOLO26، قم بزيارة صفحة Ultralytics YOLO للحصول على رؤى مفصلة.