Link to this sectionتعلم كيفية التصدير إلى تنسيق TFLite Edge TPU من نموذج YOLO26#

قد يكون نشر نماذج رؤية الحاسوب على أجهزة ذات قدرة حوسبية محدودة، مثل الأنظمة المحمولة أو المدمجة، أمراً صعباً. يؤدي استخدام تنسيق نموذج مُحسَّن لأداء أسرع إلى تبسيط هذه العملية. تم تصميم تنسيق نموذج TensorFlow Lite Edge TPU أو TFLite Edge TPU لاستهلاك طاقة ضئيل مع تقديم أداء سريع للشبكات العصبية.

تتيح لك ميزة التصدير إلى تنسيق TFLite Edge TPU تحسين نماذج Ultralytics YOLO26 الخاصة بك من أجل الاستدلال عالي السرعة ومنخفض الطاقة. في هذا الدليل، سنرشدك خلال عملية تحويل نماذجك إلى تنسيق TFLite Edge TPU، مما يسهل على نماذجك العمل بكفاءة على مختلف الأجهزة المحمولة والمدمجة.

Link to this sectionلماذا يجب عليك التصدير إلى TFLite Edge TPU؟#

يجعل تصدير النماذج إلى TensorFlow Edge TPU مهام تعلم الآلة سريعة وفعالة. تناسب هذه التقنية التطبيقات ذات الطاقة المحدودة وموارد الحوسبة المحدودة والاتصال المحدود. Edge TPU هو مسرع أجهزة من Google. إنه يعمل على تسريع نماذج TensorFlow Lite على أجهزة الحافة. توضح الصورة أدناه مثالاً على العملية المعنية.

يعمل Edge TPU مع النماذج المُكمَّمة (quantized). تجعل التكميم النماذج أصغر وأسرع دون فقدان كبير في الدقة. إنه مثالي للموارد المحدودة في حوسبة الحافة، مما يسمح للتطبيقات بالاستجابة بسرعة عن طريق تقليل زمن الاستجابة والسماح بمعالجة البيانات بسرعة محلياً، دون الاعتماد على السحابة. كما تحافظ المعالجة المحلية على خصوصية بيانات المستخدم وأمانها لأنها لا تُرسل إلى خادم بعيد.

Link to this sectionالميزات الرئيسية لـ TFLite Edge TPU#

فيما يلي الميزات الرئيسية التي تجعل TFLite Edge TPU خياراً رائعاً لتنسيق النماذج للمطورين:

• أداء مُحسَّن على أجهزة الحافة: يحقق TFLite Edge TPU أداء شبكة عصبية عالي السرعة من خلال التكميم، وتحسين النموذج، وتسريع الأجهزة، وتحسين المترجم. تساهم بنيته البسيطة في صغر حجمه وفعاليته من حيث التكلفة.

• إنتاجية حوسبية عالية: يجمع TFLite Edge TPU بين تسريع الأجهزة المتخصص وتنفيذ وقت التشغيل الفعال لتحقيق إنتاجية حوسبية عالية. إنه مناسب تماماً لنشر نماذج تعلم الآلة ذات متطلبات الأداء الصارمة على أجهزة الحافة.

• عمليات مصفوفة فعالة: تم تحسين TensorFlow Edge TPU لعمليات المصفوفات، وهي حاسمة لحسابات الشبكة العصبية. تعد هذه الكفاءة مفتاحاً في نماذج تعلم الآلة، خاصة تلك التي تتطلب العديد من عمليات ضرب المصفوفات والتحويلات المعقدة.

Link to this sectionخيارات النشر مع TFLite Edge TPU#

قبل أن ننتقل إلى كيفية تصدير نماذج YOLO26 إلى تنسيق TFLite Edge TPU، دعنا نفهم أين تُستخدم نماذج TFLite Edge TPU عادةً.

يوفر TFLite Edge TPU خيارات نشر متنوعة لنماذج تعلم الآلة، بما في ذلك:

• النشر على الجهاز: يمكن نشر نماذج TensorFlow Edge TPU مباشرة على الأجهزة المحمولة والمدمجة. يسمح النشر على الجهاز للنماذج بالتنفيذ مباشرة على الأجهزة، مما يلغي الحاجة إلى الاتصال السحابي، إما عن طريق تضمين النموذج في حزمة التطبيق أو تنزيله عند الطلب.

• حوسبة الحافة مع TensorFlow TPUs السحابية: في السيناريوهات التي تكون فيها أجهزة الحافة ذات قدرات معالجة محدودة، يمكن لـ TensorFlow Edge TPUs تفريغ مهام الاستدلال إلى خوادم سحابية مجهزة بـ TPUs.

• النشر الهجين: يجمع النهج الهجين بين النشر على الجهاز والسحابة ويوفر حلاً مرناً وقابلاً للتوسع لنشر نماذج تعلم الآلة. تشمل المزايا المعالجة على الجهاز للاستجابات السريعة والحوسبة السحابية للحسابات الأكثر تعقيداً.

Link to this sectionتصدير نماذج YOLO26 إلى TFLite Edge TPU#

يمكنك توسيع توافق النموذج ومرونة النشر عن طريق تحويل نماذج YOLO26 إلى TensorFlow Edge TPU.

Link to this sectionالتثبيت#

لتثبيت الحزمة المطلوبة، قم بتشغيل:

# Install the required package for YOLO26
pip install ultralytics

للحصول على تعليمات مفصلة وأفضل الممارسات المتعلقة بعملية التثبيت، راجع دليل التثبيت لـ Ultralytics. أثناء تثبيت الحزم المطلوبة لـ YOLO26، إذا واجهت أي صعوبات، استشر دليل المشكلات الشائعة الخاص بنا للحصول على حلول ونصائح.

Link to this sectionالاستخدام#

تم تصميم جميع نماذج Ultralytics YOLO26 لدعم التصدير فورًا، مما يسهل دمجها في سير عمل النشر المفضل لديك. يمكنك عرض القائمة الكاملة لتنسيقات التصدير المدعومة وخيارات التكوين لاختيار أفضل إعداد لتطبيقك.

يدعم تنسيق TFLite Edge TPU أوضاع التصدير والتنبؤ والتحقق. يتم تشغيل الاستدلال والتحقق على أجهزة Coral Edge TPU. قم بتصدير نموذجك، ثم قم بتحميل النموذج المُصدَّر لتشغيل الاستدلال أو التحقق من دقته.

from ultralytics import YOLO

# Load a YOLO26 model
model = YOLO("yolo26n.pt")

# Export the model to TFLite Edge TPU format
model.export(format="edgetpu")  # creates 'yolo26n_full_integer_quant_edgetpu.tflite'

from ultralytics import YOLO

# Load the exported TFLite Edge TPU model
model = YOLO("yolo26n_full_integer_quant_edgetpu.tflite")

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

from ultralytics import YOLO

# Load the exported TFLite Edge TPU model
model = YOLO("yolo26n_full_integer_quant_edgetpu.tflite")

# Validate accuracy on the COCO8 dataset
metrics = model.val(data="coco8.yaml")

Link to this sectionوسائط التصدير#

لمزيد من التفاصيل حول عملية التصدير، تفضل بزيارة صفحة وثائق Ultralytics حول التصدير.

Link to this sectionنشر نماذج YOLO26 TFLite Edge TPU المُصدَّرة#

بعد تصدير نماذج Ultralytics YOLO26 بنجاح إلى تنسيق TFLite Edge TPU، يمكنك الآن نشرها. الخطوة الأولى الأساسية والموصى بها لتشغيل نموذج TFLite Edge TPU هي استخدام طريقة YOLO("model_edgetpu.tflite")، كما هو موضح في مقتطف كود الاستخدام السابق.

ومع ذلك، للحصول على تعليمات متعمقة حول نشر نماذج TFLite Edge TPU الخاصة بك، ألقِ نظرة على الموارد التالية:

• Coral Edge TPU على Raspberry Pi مع Ultralytics YOLO26: اكتشف كيفية دمج Coral Edge TPUs مع Raspberry Pi للحصول على قدرات تعلم آلة محسنة.

• أمثلة على الكود: احصل على أمثلة عملية لنشر TensorFlow Edge TPU لبدء مشاريعك.

• تشغيل الاستدلال على Edge TPU باستخدام Python: استكشف كيفية استخدام واجهة برمجة تطبيقات TensorFlow Lite Python لتطبيقات Edge TPU، بما في ذلك الإعداد وإرشادات الاستخدام.

Link to this sectionملخص#

في هذا الدليل، تعلمنا كيفية تصدير نماذج Ultralytics YOLO26 إلى تنسيق TFLite Edge TPU. باتباع الخطوات المذكورة أعلاه، يمكنك زيادة سرعة وقوة تطبيقات رؤية الحاسوب الخاصة بك.

لمزيد من التفاصيل حول الاستخدام، تفضل بزيارة الموقع الرسمي لـ Edge TPU.

أيضاً، لمزيد من المعلومات حول تكاملات Ultralytics YOLO26 الأخرى، يرجى زيارة صفحة دليل التكامل. هناك، ستكتشف موارد ورؤى قيمة.

Link to this sectionالأسئلة الشائعة#

Link to this sectionكيف يمكنني تصدير نموذج YOLO26 إلى تنسيق TFLite Edge TPU؟#

لتصدير نموذج YOLO26 إلى تنسيق TFLite Edge TPU، يمكنك اتباع هذه الخطوات:

from ultralytics import YOLO

# Load a YOLO26 model
model = YOLO("yolo26n.pt")

# Export the model to TFLite Edge TPU format
model.export(format="edgetpu")  # creates 'yolo26n_full_integer_quant_edgetpu.tflite'

# Load the exported TFLite Edge TPU model
edgetpu_model = YOLO("yolo26n_full_integer_quant_edgetpu.tflite")

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

للحصول على تفاصيل كاملة حول تصدير النماذج إلى تنسيقات أخرى، راجع دليل التصدير الخاص بنا.

Link to this sectionما هي فوائد تصدير نماذج YOLO26 إلى TFLite Edge TPU؟#

يوفر تصدير نماذج YOLO26 إلى TFLite Edge TPU العديد من المزايا:

• أداء مُحسَّن: تحقيق أداء شبكة عصبية عالي السرعة مع الحد الأدنى من استهلاك الطاقة.
• زمن استجابة أقل: معالجة سريعة للبيانات محلياً دون الحاجة إلى الاعتماد على السحابة.
• خصوصية محسنة: تحافظ المعالجة المحلية على خصوصية بيانات المستخدم وأمانها.

هذا يجعله مثالياً للتطبيقات في حوسبة الحافة، حيث تمتلك الأجهزة طاقة وموارد حوسبية محدودة. تعرف على المزيد حول لماذا يجب عليك التصدير.

Link to this sectionهل يمكنني نشر نماذج TFLite Edge TPU على الأجهزة المحمولة والمدمجة؟#

نعم، يمكن نشر نماذج TensorFlow Lite Edge TPU مباشرة على الأجهزة المحمولة والمدمجة. يسمح نهج النشر هذا للنماذج بالتنفيذ مباشرة على الأجهزة، مما يوفر استدلالاً أسرع وأكثر كفاءة. للحصول على أمثلة على التكامل، تحقق من دليلنا حول نشر Coral Edge TPU على Raspberry Pi.

Link to this sectionما هي بعض حالات الاستخدام الشائعة لنماذج TFLite Edge TPU؟#

تشمل حالات الاستخدام الشائعة لنماذج TFLite Edge TPU ما يلي:

• الكاميرات الذكية: تعزيز تحليل الصور والفيديو في الوقت الفعلي.
• أجهزة IoT: تمكين المنازل الذكية والأتمتة الصناعية.
• الرعاية الصحية: تسريع التصوير الطبي والتشخيص.
• تجارة التجزئة: تحسين إدارة المخزون وتحليل سلوك العملاء.

تستفيد هذه التطبيقات من الأداء العالي واستهلاك الطاقة المنخفض لنماذج TFLite Edge TPU. اكتشف المزيد حول سيناريوهات الاستخدام.

Link to this sectionكيف يمكنني استكشاف الأخطاء وإصلاحها أثناء تصدير أو نشر نماذج TFLite Edge TPU؟#

إذا واجهت مشكلات أثناء تصدير أو نشر نماذج TFLite Edge TPU، فارجع إلى دليل المشكلات الشائعة الخاص بنا للحصول على نصائح حول استكشاف الأخطاء وإصلاحها. يغطي هذا الدليل المشكلات الشائعة والحلول لمساعدتك في ضمان التشغيل السلس. للحصول على دعم إضافي، قم بزيارة مركز المساعدة.