دليل البدء السريع: NVIDIA DGX Spark مع Ultralytics YOLO26#

يقدم هذا الدليل الشامل شرحًا مفصلًا لنشر Ultralytics YOLO26 على NVIDIA DGX Spark، الحاسوب الفائق المكتبي المدمج للذكاء الاصطناعي من NVIDIA. كما يعرض اختبارات أداء معيارية لإظهار قدرات YOLO26 على هذا النظام القوي.

ما NVIDIA DGX Spark؟#

NVIDIA DGX Spark حاسوب فائق مكتبي مدمج للذكاء الاصطناعي، يعمل بشريحة NVIDIA GB10 Grace Blackwell Superchip. ويوفر أداء حوسبة للذكاء الاصطناعي يصل إلى 1 petaFLOP بدقة FP4، ما يجعله مثاليًا للمطورين والباحثين وعلماء البيانات الذين يحتاجون إلى قدرات قوية للذكاء الاصطناعي ضمن جهاز مكتبي.

المواصفات الرئيسية#

DGX OS#

يُعد NVIDIA DGX OS توزيعة Linux مخصصة توفر أساسًا مستقرًا ومختبرًا ومدعومًا لنظام التشغيل، لتشغيل تطبيقات الذكاء الاصطناعي والتعلم الآلي والتحليلات على أنظمة DGX. وتتضمن:

• أساسًا متينًا من Linux محسّنًا لأحمال عمل الذكاء الاصطناعي
• برامج تشغيل وإعدادات نظام مُهيأة مسبقًا لأجهزة NVIDIA
• تحديثات أمنية وإمكانات صيانة النظام
• التوافق مع منظومة برامج NVIDIA الأوسع

يتبع DGX OS جدول إصدار منتظمًا، وتُوفَّر التحديثات عادةً مرتين سنويًا (نحو فبراير وأغسطس)، مع توفير تصحيحات أمنية إضافية بين الإصدارات الرئيسية.

لوحة تحكم DGX#

يأتي DGX Spark مزودًا بـلوحة تحكم DGX مدمجة توفر:

• مراقبة النظام في الوقت الفعلي: نظرة عامة على مقاييس التشغيل الحالية للنظام
• تحديثات النظام: إمكانية تطبيق التحديثات مباشرةً من لوحة التحكم
• إعدادات النظام: تغيير اسم الجهاز والإعدادات الأخرى
• JupyterLab مدمج: الوصول إلى دفاتر Jupyter المحلية لأغراض التطوير

الوصول إلى لوحة التحكم#

البدء السريع باستخدام Docker#

أسرع طريقة لبدء استخدام Ultralytics YOLO26 على NVIDIA DGX Spark هي التشغيل باستخدام صور Docker مُنشأة مسبقًا. تدعم صورة NVIDIA ARM64 جهاز DGX Spark مع DGX OS.

t=ultralytics/ultralytics:latest-nvidia-arm64
sudo docker pull $t && sudo docker run -it --ipc=host --device nvidia.com/gpu=all $t

ينطبق طلب جهاز CDI أعلاه على DGX Spark الذي يعمل بنظام DGX OS. لأحمال عمل PyTorch على Jetson AGX Thor، راجع متطلبات المضيف المنفصلة وقيد TensorRT في دليل NVIDIA Jetson.

تستخدم هذه الصورة NVIDIA PyTorch 26.08 وCUDA 13.4 وTensorRT 11.2. حدّث برنامج تشغيل المضيف في DGX OS إلى إصدار تدعمه NVIDIA PyTorch 26.08، وأعِد إنشاء محركات TensorRT بعد تغيير الصورة أو وحدة GPU المستهدفة.

بعد إتمام ذلك، انتقل إلى قسم استخدام TensorRT على NVIDIA DGX Spark.

ابدأ بالتثبيت الأصلي#

لإجراء تثبيت أصلي دون Docker، اتبع هذه الخطوات.

تثبيت حزمة Ultralytics#

سنثبّت هنا حزمة Ultralytics على DGX Spark. تُثبّت تبعيات التصدير تلقائيًا عند تصدير نموذج للمرة الأولى، لذا لا نحتاج هنا إلا إلى الحزمة الأساسية. سنركّز أساسًا على عمليات التصدير باستخدام NVIDIA TensorRT، لأن TensorRT يضمن الاستفادة من أقصى أداء يتيحه DGX Spark.

1. حدّث قائمة الحزم، وثبّت pip، ثم رقِّه إلى أحدث إصدار

   sudo apt update
   sudo apt install python3-pip -y
   pip install -U pip

2. ثبّت حزمة pip المسماة ultralytics

   pip install ultralytics

3. أعِد تشغيل الجهاز

   sudo reboot

تثبيت PyTorch وTorchvision#

سيؤدي تثبيت ultralytics أعلاه إلى تثبيت Torch وTorchvision. ومع ذلك، قد لا تكون هذه الحزم التي تُثبّت عبر pip محسّنة بالكامل لبنية ARM64 في DGX Spark مع CUDA 13. لذلك نوصي بتثبيت الإصدارات المتوافقة مع CUDA 13:

pip install torch torchvision --index-url https://download.pytorch.org/whl/cu130

UserWarning: Found GPU0 NVIDIA GB10 which is of cuda capability 12.1.
Minimum and Maximum cuda capability supported by this version of PyTorch is (8.0) - (12.0)

ثبّت onnxruntime-gpu#

توفر إصدارات ONNX Runtime GPU الحالية حزم Linux ARM64، بما فيها Python 3.12. تثبّت صورة NVIDIA ARM64 لـDocker الحزمة الرسمية؛ أما عمليات التثبيت الأصلية باستخدام CUDA 13، فاستخدم:

pip install onnxruntime-gpu

استخدام TensorRT على NVIDIA DGX Spark#

من بين جميع تنسيقات تصدير النماذج التي تدعمها Ultralytics، يوفّر TensorRT أعلى أداء للاستدلال على NVIDIA DGX Spark، ما يجعله خيارنا الموصى به للنشر. للاطلاع على تعليمات الإعداد والاستخدام المتقدم، راجع دليل تكامل TensorRT المخصص.

تحويل النموذج إلى TensorRT وتشغيل الاستدلال#

يُحوَّل نموذج YOLO26n بصيغة PyTorch إلى TensorRT لتشغيل الاستدلال باستخدام النموذج المُصدَّر.

from ultralytics import YOLO

# ⁨تحميل نموذج YOLO26n بصيغة PyTorch⁩
model = YOLO("yolo26n.pt")

# ⁨تصدير النموذج إلى TensorRT⁩
model.export(format="engine")  # ⁨ينشئ 'yolo26n.engine'⁩

# ⁨تحميل نموذج TensorRT المُصدَّر⁩
trt_model = YOLO("yolo26n.engine")

# ⁨تنفيذ الاستدلال⁩
results = trt_model("https://ultralytics.com/images/bus.jpg")

معايير أداء YOLO11 على NVIDIA DGX Spark#

أجرى فريق Ultralytics اختبارات أداء YOLO11 على تنسيقات نماذج متعددة لقياس السرعة والدقة: PyTorch وTorchScript وONNX وOpenVINO وTensorRT وTF SavedModel وTF GraphDef وTF Lite وMNN وNCNN وExecuTorch. أُجريت الاختبارات على NVIDIA DGX Spark بدقة FP32، وبحجم صورة إدخال افتراضي قدره 640.

جدول مقارنة مفصل#

يمثل الجدول أدناه نتائج اختبار الأداء لخمسة نماذج مختلفة (YOLO11n وYOLO11s وYOLO11m وYOLO11l وYOLO11x) عبر تنسيقات متعددة، موضحًا الحالة والحجم ومقياس mAP50-95(B) وزمن الاستدلال لكل تركيبة.

إعادة إنتاج نتائجنا#

لإعادة إنتاج اختبارات Ultralytics المعيارية أعلاه على جميع التنسيقات المصدّرة، شغّل هذا الرمز:

from ultralytics import YOLO

# ⁨تحميل نموذج YOLO26n بصيغة PyTorch⁩
model = YOLO("yolo26n.pt")

# ⁨اختبر سرعة YOLO26n ودقته على مجموعة البيانات COCO128 بجميع تنسيقات التصدير⁩
results = model.benchmark(data="coco128.yaml", imgsz=640)

أفضل الممارسات لاستخدام NVIDIA DGX Spark#

عند استخدام NVIDIA DGX Spark، يُستحسن اتباع بعض أفضل الممارسات لتحقيق أقصى أداء عند تشغيل YOLO26.

1. مراقبة أداء النظام

   استخدم أدوات المراقبة من NVIDIA لتتبّع استخدام GPU وCPU:

   nvidia-smi

2. تحسين استخدام الذاكرة

   بفضل ذاكرته الموحدة البالغة 128GB، يستطيع DGX Spark التعامل مع أحجام دفعات كبيرة ونماذج ضخمة. فكّر في زيادة حجم الدفعة لتحسين معدل المعالجة:

   from ultralytics import YOLO
   
   model = YOLO("yolo26n.engine")
   results = model.predict(source="path/to/images", batch=16)

3. استخدام TensorRT مع FP16 أو INT8

   لتحقيق أفضل أداء، صدّر النماذج بدقة FP16 أو INT8:

   yolo export model=yolo26n.pt format=engine quantize=16 # FP16
   yolo export model=yolo26n.pt format=engine quantize=8  # INT8

تحديثات النظام (إصدار Founders Edition)#

يُعد إبقاء إصدار DGX Spark Founders Edition محدّثًا أمرًا بالغ الأهمية للأداء والأمان. توفر NVIDIA طريقتين أساسيتين لتحديث نظام التشغيل وبرامج التشغيل والبرامج الثابتة للنظام.

استخدام لوحة تحكم DGX (موصى به)#

تُعد لوحة تحكم DGX الطريقة الموصى بها لإجراء تحديثات النظام مع ضمان التوافق. وتتيح لك:

• عرض تحديثات النظام المتاحة
• تثبيت التصحيحات الأمنية وتحديثات النظام
• إدارة تحديثات برامج تشغيل NVIDIA والبرامج الثابتة

تحديثات النظام يدويًا#

يمكن للمستخدمين المتقدمين إجراء التحديثات يدويًا عبر الطرفية:

sudo apt update
sudo apt dist-upgrade
sudo fwupdmgr refresh
sudo fwupdmgr upgrade
sudo reboot

الخطوات التالية#

للمزيد من التعلّم والدعم، راجع وثائق Ultralytics YOLO26.

الأسئلة الشائعة#