ابدأ

الارتقاء بتدريب YOLO26: بسّط عملية التسجيل باستخدام Comet

يُعد تسجيل تفاصيل التدريب الرئيسية، مثل المعلمات والمقاييس وتوقعات الصور ونقاط تحقق النموذج، أمرًا أساسيًا في تعلّم الآلة—فهو يحافظ على شفافية مشروعك، ويجعل تقدمك قابلًا للقياس، ونتائجك قابلة للتكرار.



شاهد: كيفية استخدام Comet لتسجيل سجلات تدريب نماذج Ultralytics YOLO ومقاييسها 🚀

يتكامل Ultralytics YOLO26 مع Comet (المعروفة سابقًا باسم Comet ML) لتسجيل عملية تدريب نماذج YOLO26 لـاكتشاف الأجسام. يغطي هذا الدليل التثبيت وإعداد Comet والرؤى الفورية والتسجيل المخصص والاستخدام دون اتصال، لضمان توثيق عمليات تدريب YOLO26 وإمكانية إعادة إنتاجها.

Comet#

Comet ML experiment tracking dashboard

Comet منصة لتتبّع نماذج تعلّم الآلة وتجاربها ومقارنتها وتفسيرها وتحسينها. وتتيح لك تسجيل المقاييس والمعلمات والوسائط وغيرها أثناء تدريب النماذج، ومراقبة التجارب عبر واجهة ويب. تساعد Comet علماء البيانات على تكرار التجارب بسرعة أكبر، وتعزز الشفافية وقابلية إعادة الإنتاج، وتدعم تطوير نماذج جاهزة للإنتاج.

الاستفادة من إمكانات YOLO26 وComet#

يوفر الجمع بين Ultralytics YOLO26 وComet فوائد عديدة، منها تبسيط تتبّع التجارب، وتوفير رؤى فورية لإجراء تعديلات سريعة، وخيارات تسجيل مرنة ومخصصة، وإمكانية تسجيل التجارب دون اتصال عند محدودية الوصول إلى الإنترنت. ويساعدك هذا التكامل على اتخاذ قرارات قائمة على البيانات وتحليل مقاييس الأداء.

التثبيت#

لتثبيت الحزم المطلوبة، شغّل:

التثبيت
# Install YOLO26 and Comet
pip install ultralytics comet_ml

تهيئة Comet#

بعد تثبيت الحزم المطلوبة، ستحتاج إلى إنشاء حساب والحصول على مفتاح API من Comet وتهيئته.

تهيئة Comet
# Set your Comet API Key
export COMET_API_KEY=YOUR_API_KEY

بعد ذلك، سجّل الدخول إلى Comet. تنشئ دالة رد النداء في Ultralytics التجربة، وتستخدم وسيطة تدريب YOLO project اسمًا لمشروع Comet.

تهيئة مشروع Comet
import comet_ml

comet_ml.login()

إذا كنت تستخدم دفتر ملاحظات Google Colab، فسيطلب منك الرمز أعلاه إدخال مفتاح API لتهيئته.

الاستخدام#

الاستخدام
from ultralytics import YOLO

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

# ⁨تدريب النموذج⁩
results = model.train(
    data="coco8.yaml",
    project="comet-example-yolo26-coco128",
    batch=32,
    save_period=1,
    save_json=True,
    epochs=3,
)

بعد تشغيل رمز التدريب، ستنشئ Comet تجربة في مساحة عمل Comet لتتبع عملية التشغيل تلقائيًا. بعد ذلك، سيُتاح لك رابط لعرض التسجيل المفصل لعملية تدريب نموذج YOLO26.

بعد تثبيت Comet وإعداده، يُفعّل رد النداء الخاص به افتراضيًا ويسجل مقاييس مثل mAP والخسارة والمعلمات الفائقة ونقاط التحقق للنموذج ومصفوفة التباس تفاعلية. وتُسجّل تنبؤات المربعات المحيطة بالصور من مجموعة التحقق لتدريب الكشف والتقسيم باستخدام save_json=True. شغّل yolo settings comet=False لتعطيل التكامل.

فهم أداء نموذجك من خلال تصورات Comet#

عند بدء تدريب نموذج YOLO26، تعرض لوحة معلومات Comet المعلومات المسجلة تلقائيًا في شكل مرئيات وإحصاءات:

لوحات التجارب

ينظم قسم لوحات التجارب في لوحة معلومات Comet عمليات التشغيل المختلفة ومقاييسها ويعرضها، مثل خسارة قناع التجزئة، وخسارة الفئات، والاستدعاء، ومتوسط الدقة.

Comet experiment panels comparing YOLO26 training runs and metrics

المقاييس

في قسم المقاييس، يمكنك أيضًا فحص المقاييس بتنسيق جدولي، إذ تُعرض في لوحة مخصصة كما هو موضح هنا.

Comet metrics pane listing YOLO26 training metrics in a table

مصفوفة الالتباس التفاعلية

تتيح مصفوفة الالتباس، الموجودة في علامة تبويب مصفوفة الالتباس، طريقة تفاعلية لتقييم دقة تصنيف النموذج. وتفصّل التوقعات الصحيحة والخاطئة، ما يساعدك على فهم نقاط قوة النموذج وضعفه.

Comet interactive confusion matrix for YOLO26 validation results

مقاييس النظام

تسجل Comet مقاييس النظام للمساعدة في تحديد أي اختناقات في عملية التدريب. وتشمل مقاييس مثل استخدام GPU، واستخدام ذاكرة GPU، واستخدام CPU، واستخدام RAM. وتُعد هذه المقاييس ضرورية لمراقبة كفاءة استخدام الموارد أثناء تدريب النموذج.

Comet system metrics showing GPU and CPU utilization during training

تخصيص تسجيل Comet#

تتيح Comet تخصيص سلوك التسجيل من خلال تعيين متغيرات البيئة. تسمح لك هذه الإعدادات بتكييف Comet وفق احتياجاتك وتفضيلاتك المحددة. تقرأ دالة رد النداء في Ultralytics متغيرات البيئة التالية (عيّنها قبل بدء التدريب):

متغير البيئةالافتراضيالوصف
COMET_START_ONLINE1شغّل التجربة في الوضع المتصل (1) أو دون اتصال (0).
COMET_PROJECT_NAMEargs.projectمشروع مساحة عمل Comet. يعود إلى وسيطة تدريب YOLO project إذا لم تُعيّن قيمة للمتغير.
COMET_MODEL_NAMEUltralyticsالاسم المسجل لعنصر النموذج المسجل.
COMET_MAX_IMAGE_PREDICTIONS100إجمالي عدد توقعات صور التحقق المراد تسجيلها في كل عملية تشغيل.
COMET_EVAL_BATCH_LOGGING_INTERVAL1سجّل توقعات الصور مع كل دفعة تحقق رقم N.
COMET_EVAL_LOG_IMAGE_PREDICTIONStrueفعّل تسجيل توقعات الصور (true) أو عطّله (false).
COMET_EVAL_LOG_CONFUSION_MATRIXfalseسجّل مصفوفة الالتباس عند كل نقطة تحقق save_period. تُسجّل مصفوفة نهائية دائمًا بعد التدريب.
COMET_MAX_CONFIDENCE_SCORE100.0المضاعِف المطبّق على درجات ثقة الكشف قبل التسجيل (تتوقع واجهة Comet مقياسًا مئويًا).
COMET_MODE (مهمل)onlineاسم مستعار قديم لـ COMET_START_ONLINE ("online" ↔ 1، "offline" ↔ 0). يصدر تحذيرًا بشأن الإهمال.

بالنسبة إلى مفاتيح التبديل المنطقية (COMET_EVAL_LOG_IMAGE_PREDICTIONS وCOMET_EVAL_LOG_CONFUSION_MATRIX)، تُفسَّر القيم 1 وtrue وyes وon وy وt على أنها True (دون تمييز حالة الأحرف). وتُفسَّر أي قيمة أخرى على أنها False.

تسجيل توقعات الصور#

يمكنك التحكم في عدد تنبؤات الصور التي يسجلها Comet أثناء تجاربك. باستخدام save_json=True، يسجل Comet ما يصل إلى 100 تنبؤ بالصور من مجموعة التحقق. ويمكنك تغيير هذا العدد ليلائم متطلباتك على نحو أفضل. على سبيل المثال، لتسجيل 200 تنبؤ بالصور، استخدم الشيفرة التالية:

import os

os.environ["COMET_MAX_IMAGE_PREDICTIONS"] = "200"

لتعطيل تسجيل تنبؤات الصور المشروحة (على سبيل المثال، لتقليل حجم التحميل على الاتصالات البطيئة)، اضبط COMET_EVAL_LOG_IMAGE_PREDICTIONS على "false":

import os

os.environ["COMET_EVAL_LOG_IMAGE_PREDICTIONS"] = "false"

يستمر تسجيل صور المخططات train_batch*.jpg وval_batch*.jpg عند انتهاء التدريب.

الفاصل الزمني لتسجيل الدفعات#

تتيح لك Comet تحديد وتيرة تسجيل دفعات توقعات الصور. يتحكم متغير البيئة COMET_EVAL_BATCH_LOGGING_INTERVAL في هذا التواتر. الإعداد الافتراضي هو 1، ما يؤدي إلى تسجيل التوقعات من كل دفعة تحقق. يمكنك تعديل هذه القيمة لتسجيل التوقعات بفاصل زمني مختلف. فعلى سبيل المثال، يؤدي تعيينها إلى 4 إلى تسجيل التوقعات من كل دفعة رابعة.

import os

os.environ["COMET_EVAL_BATCH_LOGGING_INTERVAL"] = "4"

تسجيل مصفوفة الالتباس في كل حقبة#

افتراضيًا، تُسجّل مصفوفة الالتباس لمجموعة التحقق مرة واحدة بعد اكتمال التدريب. لتسجيلها أيضًا عند كل نقطة تحقق يحفظها save_period (يحفظ save_period=1 نقطة تحقق في كل حقبة)، اضبط متغير البيئة COMET_EVAL_LOG_CONFUSION_MATRIX على "true."

import os

os.environ["COMET_EVAL_LOG_CONFUSION_MATRIX"] = "true"

الوضعان المتصل وغير المتصل#

تعمل Comet افتراضيًا في الوضع المتصل، وتبث بيانات التجارب إلى خوادم Comet. إذا احتجت إلى التدريب دون اتصال بالإنترنت، فعيّن COMET_START_ONLINE=0 قبل بدء التدريب. تُحفظ بيانات التجارب محليًا، ويمكن تحميلها لاحقًا باستخدام CLI ‏comet upload.

import os

os.environ["COMET_START_ONLINE"] = "0"  # ⁨1 (افتراضي) = متصل، 0 = دون اتصال⁩
`COMET_MODE` مهمل

استخدمت الإصدارات السابقة COMET_MODE="offline" لهذا الغرض. ولا يزال المتغير معتمدًا لضمان التوافق مع الإصدارات السابقة، لكنه يصدر تحذيرًا بشأن الإهمال. استخدم COMET_START_ONLINE من الآن فصاعدًا.

اسم المشروع#

تمرر دالة رد النداء في Comet افتراضيًا وسيطة تدريب YOLO project إلى Comet (أو None إذا لم تُعيّن قيمة للوسيطة، وفي هذه الحالة تستخدم Comet الإعداد الافتراضي لمساحة عملك). تجاوز هذا الإعداد باستخدام COMET_PROJECT_NAME لإرسال جميع التجارب إلى مشروع محدد في مساحة عمل Comet، بصرف النظر عن وسيطة تدريب YOLO:

import os

os.environ["COMET_PROJECT_NAME"] = "my-yolo26-experiments"

اسم عنصر النموذج#

يحدد COMET_MODEL_NAME الاسم الذي تسجله Comet لعنصر النموذج المسجل (والقيمة الافتراضية هي Ultralytics). استخدمه للتمييز بين متغيرات النموذج في مساحة عمل مشتركة:

import os

os.environ["COMET_MODEL_NAME"] = "yolo26n-coco128"

تحجيم درجة الثقة#

تُصدَر درجات ثقة الكشف ضمن النطاق [0, 1]، لكن واجهة Comet تعرضها افتراضيًا بمقياس مئوي. تضرب دالة رد النداء كل درجة في COMET_MAX_CONFIDENCE_SCORE (القيمة الافتراضية 100.0) قبل تسجيلها. عدّل هذه القيمة إذا كنت تفضل الاحتمالات الخام أو مقياسًا مختلفًا:

import os

os.environ["COMET_MAX_CONFIDENCE_SCORE"] = "1.0"  # ⁨سجّل الدرجات الخام [0, 1]⁩

الملخص#

أرشدك هذا الدليل خلال دمج Comet مع Ultralytics YOLO26. وتعلّمت، بدءًا من التثبيت ووصولًا إلى التخصيص، كيفية تبسيط إدارة التجارب والحصول على رؤى فورية وتكييف التسجيل مع احتياجات مشروعك.

اطّلع على وثائق الدمج الرسمية لـ YOLOv8 مع Comet، التي تنطبق أيضًا على مشاريع YOLO26.

الأسئلة الشائعة#

  • لدمج Comet مع Ultralytics YOLO26، اتبع الخطوات التالية:

    1. ثبّت الحزم المطلوبة:

      pip install ultralytics comet_ml
    2. أعدّ مفتاح API الخاص بك في Comet:

      export COMET_API_KEY=YOUR_API_KEY
    3. سجّل الدخول إلى Comet في رمز Python:

      import comet_ml
      
      comet_ml.login()
    4. درّب نموذج YOLO26 وسجّل المقاييس:

      from ultralytics import YOLO
      
      model = YOLO("yolo26n.pt")
      results = model.train(
          data="coco8.yaml",
          project="comet-example-yolo26-coco128",
          batch=32,
          save_period=1,
          save_json=True,
          epochs=3,
      )

    للاطلاع على تعليمات أكثر تفصيلًا، راجع قسم تهيئة Comet.

  • من خلال دمج Ultralytics YOLO26 مع Comet، يمكنك:

    • مراقبة الرؤى الآنية: احصل على ملاحظات فورية حول نتائج التدريب، مما يتيح إجراء تعديلات سريعة.
    • تسجيل مقاييس شاملة: التقط تلقائيًا المقاييس الأساسية مثل mAP والخسارة والمعلمات الفائقة ونقاط تحقق النموذج.
    • تتبّع التجارب دون اتصال: سجّل عمليات التدريب محليًا عند عدم توفر اتصال بالإنترنت.
    • مقارنة عمليات التدريب المختلفة: استخدم لوحة معلومات Comet التفاعلية لتحليل تجارب متعددة ومقارنتها.

    تتيح لك هذه الميزات تحسين سير عمل تعلّم الآلة لتحقيق أداء أفضل وقابلية أكبر لإعادة الإنتاج.

  • يتيح Comet تخصيصًا واسعًا لسلوك التسجيل باستخدام متغيرات البيئة:

    • تغيير عدد تنبؤات الصور المسجلة:

      import os
      
      os.environ["COMET_MAX_IMAGE_PREDICTIONS"] = "200"
    • ضبط الفاصل الزمني لتسجيل الدُفعات:

      import os
      
      os.environ["COMET_EVAL_BATCH_LOGGING_INTERVAL"] = "4"
    • سجّل مصفوفة الالتباس عند كل نقطة تحقق save_period:

      import os
      
      os.environ["COMET_EVAL_LOG_CONFUSION_MATRIX"] = "true"
    • تعيين اسم مشروع Comet:

      import os
      
      os.environ["COMET_PROJECT_NAME"] = "my-yolo26-experiments"
    • تعيين اسم عنصر النموذج المسجل:

      import os
      
      os.environ["COMET_MODEL_NAME"] = "yolo26n-coco128"

    راجع قسم تخصيص تسجيل Comet للاطلاع على القائمة الكاملة، بما في ذلك مفاتيح تبديل تنبؤات الصور، وتحجيم درجات الثقة، ووضعَي الاتصال وعدم الاتصال.

  • بمجرد بدء تدريب نموذج YOLO26، يمكنك الوصول إلى مجموعة واسعة من المقاييس والتصورات على لوحة معلومات Comet. تشمل الميزات الأساسية:

    • لوحات التجارب: اعرض عمليات التشغيل المختلفة ومقاييسها، بما في ذلك خسارة قناع التقسيم وخسارة الفئة ومتوسط الدقة.
    • المقاييس: افحص المقاييس بتنسيق جدولي لإجراء تحليل تفصيلي.
    • مصفوفة الالتباس التفاعلية: قيّم دقة التصنيف باستخدام مصفوفة التباس تفاعلية.
    • مقاييس النظام: راقب استخدام GPU وCPU واستهلاك الذاكرة ومقاييس النظام الأخرى.

    للاطلاع على نظرة عامة مفصلة على هذه الميزات، راجع قسم فهم أداء نموذجك باستخدام تصورات Comet.

  • نعم. عيّن COMET_START_ONLINE=0 قبل بدء التدريب للتسجيل محليًا:

    import os
    
    os.environ["COMET_START_ONLINE"] = "0"

    تُحفظ بيانات التجربة على القرص، ويمكن تحميلها إلى Comet لاحقًا باستخدام CLI‏ comet upload عند توفر الاتصال. لا يزال المتغير COMET_MODE="offline" السابق يعمل، لكنه يصدر تحذيرًا بشأن إهماله. لمزيد من التفاصيل، راجع قسم وضع الاتصال ووضع عدم الاتصال.

التعليقات5

اطرح سؤالًا، وشارك نتائجك، أو ساعد شخصًا آخر.

  1. lauravchrobakGitHub

    I am getting this warning when using the above workflow, 'comet_ml.init() is deprecated and will be removed soon. Please use comet_ml.login()' perhaps the above should be updated to use comet_ml.login() instead?

    1. Paula DerrengerUltralytics

      @lauravchrobak thank you for pointing that out. The warning indicates that comet_ml.init() is deprecated and should be replaced with comet_ml.login(). We will update the documentation accordingly. For now, please use comet_ml.login() to avoid the deprecation warning. If you encounter any further issues, ensure you are using the latest versions of the packages. For more details, you can visit the Comet ML integration guide.

      1
    2. Glenn JocherUltralytics

      Thank you for your feedback! We've updated our documentation to use comet_ml.login() instead of the deprecated comet_ml.init(). This should resolve the warning you're encountering. If you have any other questions or need further assistance, feel free to ask. For more details, you can visit the Comet ML integration guide.