تخطي إلى المحتوى

CoreML التصدير لنماذج YOLO11

يتطلب نشر نماذج الرؤية الحاسوبية على أجهزة Apple مثل أجهزة iPhone و Mac تنسيقاً يضمن أداءً سلساً.

يسمح لك تنسيق التصدير CoreML بتحسين Ultralytics YOLO11للكشف الفعال عن الكائنات في تطبيقات iOS و macOS. في هذا الدليل، سنرشدك في هذا الدليل إلى خطوات تحويل نماذجك إلى تنسيق CoreML ، مما يسهل أداء نماذجك بشكل جيد على أجهزة Apple.

CoreML

CoreML لمحة عامة

CoreML هو إطار عمل التعلم الآلي التأسيسي من Apple الذي يعتمد على Accelerate وBNNS وMetal Performance Shaders. وهو يوفر تنسيق نموذج للتعلم الآلي يندمج بسلاسة في تطبيقات iOS ويدعم مهام مثل تحليل الصور ومعالجة اللغة الطبيعية وتحويل الصوت إلى نص وتحليل الصوت.

يمكن للتطبيقات الاستفادة من Core ML دون الحاجة إلى وجود اتصال بالشبكة أو مكالمات واجهة برمجة التطبيقات لأن إطار عمل Core ML يعمل باستخدام الحوسبة على الجهاز. هذا يعني أنه يمكن إجراء استدلال النموذج محليًا على جهاز المستخدم.

الميزات الرئيسية لنماذج CoreML

يقدم إطار عمل Apple CoreML ميزات قوية للتعلم الآلي على الجهاز. فيما يلي الميزات الرئيسية التي تجعل من CoreML أداة قوية للمطورين:

  • دعم شامل للنماذج: يقوم بتحويل وتشغيل النماذج من الأطر الشائعة مثل TensorFlow, PyTorchو scikit-learn و XGBoost و LibSVM.

CoreML النماذج المدعومة

  • التعلم الآلي على الجهاز: يضمن خصوصية البيانات والمعالجة السريعة من خلال تنفيذ النماذج مباشرةً على جهاز المستخدم، مما يلغي الحاجة إلى الاتصال بالشبكة.

  • الأداء والتحسين: يستخدم محرك الجهاز CPU و GPU و المحرك العصبي للجهاز للحصول على الأداء الأمثل مع الحد الأدنى من استخدام الطاقة والذاكرة. يوفر أدوات لضغط النموذج وتحسينه مع الحفاظ على الدقة.

  • سهولة التكامل: يوفر تنسيقًا موحدًا لأنواع النماذج المختلفة وواجهة برمجة تطبيقات سهلة الاستخدام للتكامل السلس في التطبيقات. يدعم المهام الخاصة بالمجال من خلال أطر عمل مثل الرؤية واللغة الطبيعية.

  • ميزات متقدمة: تشمل إمكانات التدريب على الجهاز للتجارب المخصصة، والتنبؤات غير المتزامنة لتجارب التعلم الآلي التفاعلية، وأدوات فحص النماذج والتحقق من صحتها.

CoreML خيارات النشر

قبل أن نلقي نظرة على الكود الخاص بتصدير النماذج YOLO11 إلى تنسيق CoreML ، دعونا نفهم أين تُستخدم نماذج CoreML عادةً.

CoreML خيارات نشر متنوعة لنماذج التعلُّم الآلي، بما في ذلك:

  • النشر على الجهاز: تدمج هذه الطريقة مباشرةً نماذج CoreML في تطبيقك iOS . وهي مفيدة بشكل خاص لضمان زمن استجابة منخفض، وخصوصية محسّنة (حيث تبقى البيانات على الجهاز)، ووظيفة عدم الاتصال بالإنترنت. ومع ذلك، قد تكون هذه الطريقة محدودة بسبب قدرات أجهزة الجهاز، خاصة بالنسبة للنماذج الأكبر والأكثر تعقيدًا. يمكن تنفيذ النشر على الجهاز بالطريقتين التاليتين.

    • النماذج المضمنة: يتم تضمين هذه النماذج في حزمة التطبيق ويمكن الوصول إليها على الفور. وهي مثالية للنماذج الصغيرة التي لا تتطلب تحديثات متكررة.

    • النماذج التي تم تنزيلها: يتم جلب هذه النماذج من الخادم حسب الحاجة. هذه الطريقة مناسبة للنماذج الكبيرة أو تلك التي تحتاج إلى تحديثات منتظمة. يساعد على إبقاء حجم حزمة التطبيق أصغر.

  • النشر القائم على السحابة: تتم استضافة نماذج CoreML على الخوادم ويتم الوصول إليها بواسطة تطبيق iOS من خلال طلبات واجهة برمجة التطبيقات. يتيح هذا الخيار المرن والقابل للتطوير تحديثات سهلة للنماذج دون مراجعة التطبيق. وهو مثالي للنماذج المعقدة أو التطبيقات واسعة النطاق التي تتطلب تحديثات منتظمة. ومع ذلك، فإنه يتطلب اتصالاً بالإنترنت وقد يطرح مشاكل في زمن الاستجابة والأمان.

تصدير النماذج YOLO11 إلى CoreML

يتيح تصدير YOLO11 إلى CoreML أداءً محسّنًا للتعلّم الآلي على الجهاز ضمن نظام Apple الإيكولوجي، مما يوفر مزايا من حيث الكفاءة والأمان والتكامل السلس مع منصات iOS و macOS و watchOS و tvOS.

التركيب

لتثبيت الحزمة المطلوبة، قم بتشغيل:

التركيب

# Install the required package for YOLO11
pip install ultralytics

للاطلاع على الإرشادات التفصيلية وأفضل الممارسات المتعلقة بعملية التثبيت، راجع دليل التثبيتYOLO11 . أثناء تثبيت الحزم المطلوبة YOLO11 ، إذا واجهت أي صعوبات، راجع دليل المشكلات الشائعة للحصول على الحلول والنصائح.

الاستخدام

قبل الغوص في إرشادات الاستخدام، تأكد من الاطلاع على مجموعة موديلاتYOLO11 التي يقدمها Ultralytics. سيساعدك ذلك على اختيار الطراز الأنسب لمتطلبات مشروعك.

الاستخدام

from ultralytics import YOLO

# Load the YOLO11 model
model = YOLO("yolo11n.pt")

# Export the model to CoreML format
model.export(format="coreml")  # creates 'yolo11n.mlpackage'

# Load the exported CoreML model
coreml_model = YOLO("yolo11n.mlpackage")

# Run inference
results = coreml_model("https://ultralytics.com/images/bus.jpg")

# Export a YOLO11n PyTorch model to CoreML format
yolo export model=yolo11n.pt format=coreml  # creates 'yolo11n.mlpackage''

# Run inference with the exported model
yolo predict model=yolo11n.mlpackage source='https://ultralytics.com/images/bus.jpg'

لمزيد من التفاصيل حول عملية التصدير، يرجى زيارة صفحة التوثيقUltralytics الخاصة بالتصدير.

نشر النماذج المصدّرة YOLO11 CoreML النماذج

بعد تصدير نماذج Ultralytics YOLO11 الخاصة بك بنجاح إلى CoreML ، فإن المرحلة الحاسمة التالية هي نشر هذه النماذج بفعالية. للحصول على إرشادات مفصلة حول نشر نماذج CoreML في بيئات مختلفة، راجع هذه الموارد:

الملخص

استعرضنا في هذا الدليل كيفية تصدير النماذج Ultralytics YOLO11 إلى تنسيق CoreML . باتباع الخطوات الموضحة في هذا الدليل، يمكنك ضمان أقصى قدر من التوافق والأداء عند تصدير النماذج YOLO11 إلى CoreML.

للحصول على مزيد من التفاصيل حول الاستخدام، قم بزيارة الوثائق الرسميةCoreML .

أيضًا، إذا كنت ترغب في معرفة المزيد عن عمليات التكامل الأخرى Ultralytics YOLO11 ، قم بزيارة صفحة دليل التكامل الخاصة بنا. ستجد الكثير من الموارد والرؤى القيّمة هناك.

الأسئلة الشائعة

كيف يمكنني تصدير النماذج YOLO11 إلى تنسيق CoreML ؟

لتصدير Ultralytics YOLO11 الموديلات إلى تنسيق CoreML ، ستحتاج أولاً إلى التأكد من أن لديك ultralytics الحزمة المثبتة. يمكنك تثبيتها باستخدام:

التركيب

pip install ultralytics

بعد ذلك، يمكنك تصدير النموذج باستخدام الأوامر التالية Python أو CLI :

الاستخدام

from ultralytics import YOLO

model = YOLO("yolo11n.pt")
model.export(format="coreml")

yolo export model=yolo11n.pt format=coreml

للحصول على مزيد من التفاصيل، راجع قسم تصدير النماذج YOLO11 إلى CoreML من وثائقنا.

ما هي فوائد استخدام CoreML لنشر نماذج YOLO11 ؟

CoreML مزايا عديدة لنشر Ultralytics YOLO11 النماذج على أجهزة Apple:

  • المعالجة على الجهاز: تمكين الاستدلال على النموذج المحلي على الأجهزة، مما يضمن خصوصية البيانات وتقليل زمن الاستجابة.
  • تحسين الأداء: يستفيد من الإمكانات الكاملة للجهاز CPU و GPU والمحرك العصبي للجهاز، مما يحسّن كلاً من السرعة والكفاءة.
  • سهولة التكامل: يوفر تجربة تكامل سلسة مع أنظمة Apple البيئية، بما في ذلك iOS و macOS و watchOS و tvOS.
  • تعدد الاستخدامات: يدعم مجموعة واسعة من مهام التعلم الآلي مثل تحليل الصور ومعالجة الصوت ومعالجة اللغة الطبيعية باستخدام إطار عمل CoreML .

لمزيد من التفاصيل حول دمج نموذج CoreML الخاص بك في تطبيق iOS ، راجع الدليل الخاص بدمج نموذج أساسي لتعلم الآلة في تطبيقك.

ما هي خيارات النشر لنماذج YOLO11 المصدرة إلى CoreML ؟

بمجرد تصدير نموذج YOLO11 الخاص بك إلى تنسيق CoreML ، يكون لديك خيارات نشر متعددة:

  1. النشر على الجهاز: قم بدمج نماذج CoreML مباشرةً في تطبيقك لتحسين الخصوصية والوظائف دون اتصال بالإنترنت. يمكن القيام بذلك على النحو التالي:

    • النماذج المضمنة: مضمنة في حزمة التطبيق، ويمكن الوصول إليها على الفور.
    • النماذج التي تم تنزيلها: يتم جلبها من الخادم حسب الحاجة، مما يجعل حجم حزمة التطبيق أصغر.

  2. النشر المستند إلى السحابة: استضافة نماذج CoreML على الخوادم والوصول إليها عبر طلبات واجهة برمجة التطبيقات. يدعم هذا النهج تحديثات أسهل ويمكنه التعامل مع نماذج أكثر تعقيداً.

للحصول على إرشادات مفصلة حول نشر ا لنماذج CoreML ، راجعCoreML خيارات النشر.

كيف يضمن موقع CoreML الأداء الأمثل لطرازات YOLO11 ؟

CoreML يضمن الأداء الأمثل لـ Ultralytics YOLO11 النماذج من خلال استخدام تقنيات التحسين المختلفة:

  • تسريع الأجهزة: يستخدم محرك الجهاز CPU و GPU و المحرك العصبي الخاص بالجهاز لإجراء عمليات حسابية فعالة.
  • ضغط النماذج: يوفر أدوات لضغط النماذج لتقليل حجمها دون المساس بالدقة.
  • الاستدلال التكيفي: يضبط الاستدلال بناءً على قدرات الجهاز للحفاظ على التوازن بين السرعة والأداء.

لمزيد من المعلومات حول تحسين الأداء، قم بزيارة الوثائق الرسميةCoreML .

هل يمكنني تشغيل الاستدلال مباشرةً باستخدام نموذج CoreML المُصدَّر؟

نعم، يمكنك تشغيل الاستدلال مباشرةً باستخدام نموذج CoreML الذي تم تصديره. فيما يلي أوامر Python و CLI:

تشغيل الاستدلال

from ultralytics import YOLO

coreml_model = YOLO("yolo11n.mlpackage")
results = coreml_model("https://ultralytics.com/images/bus.jpg")

yolo predict model=yolo11n.mlpackage source='https://ultralytics.com/images/bus.jpg'

للحصول على معلومات إضافية، راجع قسم الاستخدام في دليل التصدير CoreML .

📅 تم الإنشاء قبل 10 أشهر ✏️ تم التحديث منذ 2 أشهر
ألترالتيكسيستانتست غلين-جوتشر ماثيو نويس رضوان منور أبيرامي-فينا

التعليقات