Ultralytics YOLO27:

دليل حول كيفية استخدام JupyterLab لتدريب نماذج YOLO26 الخاصة بك#

قد يكون بناء نماذج التعلّم العميق صعبًا، لا سيما عندما لا تتوفر لديك الأدوات أو البيئة المناسبة للعمل. إذا كنت تواجه هذه المشكلة، فقد يكون JupyterLab الحل المناسب لك. JupyterLab منصة سهلة الاستخدام قائمة على الويب، تجعل البرمجة أكثر مرونة وتفاعلية. ويمكنك استخدامها للتعامل مع مجموعات البيانات الكبيرة، وإنشاء نماذج معقدة، وحتى التعاون مع الآخرين، كل ذلك في مكان واحد.

يمكنك استخدام JupyterLab من أجل العمل على مشاريع مرتبطة بـنماذج Ultralytics YOLO26. يُعد JupyterLab خيارًا رائعًا لتطوير النماذج وإجراء التجارب بكفاءة. فهو يسهّل بدء تجربة نماذج YOLO26 وتدريبها مباشرةً من جهاز الكمبيوتر الخاص بك. لنتعمق أكثر في JupyterLab وميزاته الرئيسية وكيفية استخدامه لتدريب نماذج YOLO26.

ما هو JupyterLab؟#

JupyterLab منصة مفتوحة المصدر قائمة على الويب، ومصممة للعمل مع دفاتر Jupyter البرمجية والتعليمات البرمجية والبيانات. وهي ترقية لواجهة Jupyter Notebook التقليدية، إذ توفر تجربة مستخدم أكثر تنوعًا وقوة.

يتيح لك JupyterLab العمل مع دفاتر Jupyter البرمجية ومحررات النصوص والمحطات الطرفية وغيرها من الأدوات، وكل ذلك في مكان واحد. ويسمح لك تصميمه المرن بتنظيم مساحة العمل بما يلائم احتياجاتك، ويجعل تنفيذ مهام مثل تحليل البيانات وتصورها والتعلّم الآلي أكثر سهولة. كما يدعم JupyterLab التعاون في الوقت الفعلي، مما يجعله مثاليًا للمشاريع الجماعية في مجالي البحث وعلوم البيانات.

الميزات الرئيسية في JupyterLab#

فيما يلي بعض الميزات الرئيسية التي تجعل JupyterLab خيارًا رائعًا لتطوير النماذج وإجراء التجارب:

  • مساحة عمل متكاملة: يُعد JupyterLab حلًا شاملًا لجميع احتياجاتك في علوم البيانات. وعلى خلاف Jupyter Notebook الكلاسيكي، الذي كان يوفر واجهات منفصلة لتحرير النصوص والوصول إلى المحطة الطرفية ودفاتر Jupyter، يدمج JupyterLab جميع هذه الميزات في بيئة واحدة متماسكة. ويمكنك عرض صيغ الملفات المختلفة وتحريرها، بما في ذلك JPEG وPDF وCSV، مباشرةً داخل JupyterLab. وتتيح لك مساحة العمل المتكاملة الوصول إلى كل ما تحتاج إليه بسهولة، مما يبسط سير عملك ويوفر وقتك.
  • تخطيطات مرنة: يُعد التخطيط المرن إحدى الميزات البارزة في JupyterLab. يمكنك سحب علامات التبويب وإفلاتها وتغيير حجمها لإنشاء تخطيط مخصص يساعدك على العمل بكفاءة أكبر. ويحافظ الشريط الجانبي الأيسر القابل للطي على سهولة الوصول إلى علامات التبويب الأساسية، مثل متصفح الملفات والنوى قيد التشغيل ولوحة الأوامر. ويمكنك فتح نوافذ متعددة في الوقت نفسه، مما يتيح لك تنفيذ مهام متعددة وإدارة مشاريعك بفاعلية أكبر.
  • وحدات تحكم تفاعلية للتعليمات البرمجية: توفر وحدات التحكم البرمجية في JupyterLab مساحة تفاعلية لاختبار مقتطفات التعليمات البرمجية أو الدوال. كما تعمل كسجل للحسابات التي أُجريت داخل دفتر Jupyter. ويُعد إنشاء وحدة تحكم جديدة لدفتر Jupyter وعرض جميع أنشطة النواة أمرًا سهلًا. وتكون هذه الميزة مفيدة بشكل خاص عند تجربة أفكار جديدة أو استكشاف المشكلات في التعليمات البرمجية وإصلاحها.
  • معاينة Markdown: يصبح العمل مع ملفات Markdown أكثر كفاءة في JupyterLab بفضل ميزة المعاينة المتزامنة. فأثناء كتابة ملف Markdown أو تحريره، يمكنك رؤية الناتج المنسق في الوقت الفعلي. ويسهّل ذلك التحقق مرة أخرى من أن وثائقك تبدو مثالية، ويجنبك الاضطرار إلى التبديل المستمر بين وضعي التحرير والمعاينة.
  • تشغيل التعليمات البرمجية من الملفات النصية: إذا كنت تشارك ملفًا نصيًا يتضمن تعليمات برمجية، فإن JupyterLab يسهّل تشغيله مباشرةً داخل المنصة. ويمكنك تمييز التعليمات البرمجية والضغط على Shift + Enter لتنفيذها. وتُعد هذه الميزة رائعة للتحقق سريعًا من مقتطفات التعليمات البرمجية، وتساعد على ضمان أن التعليمات البرمجية التي تشاركها عملية وخالية من الأخطاء.

لماذا ينبغي عليك استخدام JupyterLab في مشاريع YOLO26 الخاصة بك؟#

توجد منصات متعددة لتطوير نماذج التعلّم الآلي وتقييمها، فما الذي يميز JupyterLab؟ لنستكشف بعض الجوانب الفريدة التي يوفرها JupyterLab لمشاريع التعلّم الآلي الخاصة بك:

  • إدارة الخلايا بسهولة: تُعد إدارة الخلايا في JupyterLab أمرًا سهلًا. فبدلًا من أسلوب القص واللصق المرهق، يمكنك ببساطة سحب الخلايا وإفلاتها لإعادة ترتيبها.
  • نسخ الخلايا بين دفاتر Jupyter: يسهّل JupyterLab نسخ الخلايا بين دفاتر Jupyter مختلفة. ويمكنك سحب الخلايا وإفلاتها من دفتر Jupyter إلى آخر.
  • التبديل بسهولة إلى عرض Notebook الكلاسيكي: بالنسبة إلى من يفتقدون واجهة Jupyter Notebook الكلاسيكية، يوفر JupyterLab طريقة سهلة للعودة إليها. ما عليك سوى استبدال /lab في عنوان URL بـ/tree للعودة إلى عرض دفتر Jupyter المألوف.
  • عروض متعددة: يدعم JupyterLab عروضًا متعددة لدفتر Jupyter نفسه، وهو أمر مفيد بشكل خاص لدفاتر Jupyter الطويلة. ويمكنك فتح أقسام مختلفة جنبًا إلى جنب للمقارنة أو الاستكشاف، وتنعكس أي تغييرات تُجرى في أحد العروض على العرض الآخر.
  • سمات قابلة للتخصيص: يتضمن JupyterLab سمة Dark مضمّنة لدفتر Jupyter، وهي مثالية لجلسات البرمجة الليلية. كما تتوفر سمات لمحرر النصوص والمحطة الطرفية، مما يتيح لك تخصيص مظهر مساحة العمل بأكملها.

المشكلات الشائعة أثناء العمل مع JupyterLab#

عند العمل مع JupyterLab، قد تواجه بعض المشكلات الشائعة. إليك بعض النصائح التي تساعدك على استخدام المنصة بسلاسة:

  • إدارة النوى: تُعد النوى مهمة لأنها تدير الاتصال بين التعليمات البرمجية التي تكتبها في JupyterLab والبيئة التي تُشغّل فيها. كما يمكنها الوصول إلى البيانات ومشاركتها بين دفاتر Jupyter. وعند إغلاق دفتر Jupyter، قد تظل النواة قيد التشغيل لأن دفاتر Jupyter أخرى قد تستخدمها. وإذا أردت إيقاف تشغيل نواة بالكامل، يمكنك تحديدها والنقر بزر الفأرة الأيمن، ثم اختيار "Shut Down Kernel" من القائمة المنبثقة.
  • تثبيت حزم Python: قد تحتاج أحيانًا إلى حزم Python إضافية غير مثبّتة مسبقًا على الخادم. ويمكنك بسهولة تثبيت هذه الحزم في الدليل الرئيسي أو في بيئة افتراضية باستخدام الأمر python -m pip install package-name. ولعرض جميع الحزم المثبّتة، استخدم python -m pip list.
  • نشر Flask/FastAPI API على Posit Connect: يمكنك نشر واجهات API الخاصة بـ Flask وFastAPI على Posit Connect باستخدام حزمة rsconnect-python من المحطة الطرفية. ويسهّل ذلك دمج تطبيقات الويب الخاصة بك مع JupyterLab ومشاركتها مع الآخرين.
  • تثبيت إضافات JupyterLab: يدعم JupyterLab إضافات متنوعة لتحسين الوظائف. ويمكنك تثبيت هذه الإضافات وتخصيصها بما يلائم احتياجاتك. للحصول على تعليمات مفصلة، راجع دليل إضافات JupyterLab لمزيد من المعلومات.
  • استخدام إصدارات متعددة من Python: إذا كنت بحاجة إلى العمل باستخدام إصدارات مختلفة من Python، فيمكنك استخدام نوى Jupyter المُهيّأة بإصدارات مختلفة من Python.

كيفية استخدام JupyterLab لتجربة YOLO26#

يسهّل JupyterLab إجراء التجارب باستخدام YOLO26. للبدء، اتبع الخطوات البسيطة التالية.

الخطوة 1: تثبيت JupyterLab#

أولًا، تحتاج إلى تثبيت JupyterLab. افتح المحطة الطرفية وشغّل الأمر:

التثبيت
# Install the required package for JupyterLab
pip install jupyterlab

الخطوة 2: تنزيل دفتر Jupyter التعليمي لـ YOLO26#

بعد ذلك، نزّل ملف tutorial.ipynb من مستودع Ultralytics على GitHub. احفظ هذا الملف في أي دليل على جهازك المحلي.

الخطوة 3: تشغيل JupyterLab#

انتقل إلى الدليل الذي حفظت فيه ملف دفتر Jupyter باستخدام المحطة الطرفية. ثم شغّل الأمر التالي لتشغيل JupyterLab:

الاستخدام
jupyter lab

بعد تشغيل هذا الأمر، سيفتح JupyterLab في متصفح الويب الافتراضي لديك، كما هو موضح أدناه.

صورة توضح كيفية فتح JupyterLab في المتصفح

الخطوة 4: بدء إجراء التجارب#

في JupyterLab، افتح دفتر Jupyter tutorial.ipynb. يمكنك الآن بدء تشغيل الخلايا لاستكشاف YOLO26 وإجراء التجارب عليه.

صورة توضح دفتر YOLO26 المفتوح في JupyterLab

تتيح لك البيئة التفاعلية في JupyterLab تعديل التعليمات البرمجية وتصور النتائج وتوثيق استنتاجاتك، كل ذلك في مكان واحد. ويمكنك تجربة إعدادات مختلفة وفهم كيفية عمل YOLO26.

لفهم عملية تدريب النموذج وأفضل الممارسات فهمًا تفصيليًا، راجع دليل تدريب نموذج YOLO26. سيساعدك هذا الدليل على تحقيق أقصى استفادة من تجاربك وضمان استخدام YOLO26 بفعالية.

واصل التعلّم عن JupyterLab#

إذا أردت معرفة المزيد عن JupyterLab، فإليك بعض الموارد التي تساعدك على البدء:

  • وثائق JupyterLab: تعمّق في وثائق JupyterLab الرسمية لاستكشاف ميزاته وإمكاناته. إنها طريقة رائعة لفهم كيفية استخدام هذه الأداة القوية إلى أقصى حد.
  • جرّبه باستخدام Binder: أجرِ تجارب باستخدام JupyterLab من دون تثبيت أي شيء، عبر استخدام Binder الذي يتيح لك تشغيل نسخة مباشرة من JupyterLab في متصفحك. إنها طريقة رائعة لبدء إجراء التجارب فورًا.
  • دليل التثبيت: للحصول على دليل خطوة بخطوة لتثبيت JupyterLab على جهازك المحلي، راجع دليل التثبيت.
  • تدريب Ultralytics YOLO26 باستخدام JupyterLab: تعرّف على المزيد حول التطبيقات العملية لاستخدام JupyterLab مع نماذج YOLO26 في منشور المدونة التفصيلي هذا.

الملخص#

لقد استكشفنا كيف يمكن أن يكون JupyterLab أداة قوية لإجراء التجارب باستخدام نماذج Ultralytics YOLO26. وباستخدام بيئته المرنة والتفاعلية، يمكنك بسهولة إعداد JupyterLab على جهازك المحلي والبدء في العمل باستخدام YOLO26. ويسهّل JupyterLab تدريب نماذجك وتقييمها، وتصور النتائج، وتوثيق استنتاجاتك، كل ذلك في مكان واحد.

على خلاف المنصات الأخرى مثل Google Colab، يعمل JupyterLab محليًا على جهازك، مما يمنحك تحكمًا أكبر في بيئة الحوسبة لديك، مع الاستمرار في توفير تجربة دفتر Jupyter تفاعلية. وهذا يجعله ذا قيمة خاصة للمطورين الذين يحتاجون إلى وصول ثابت إلى بيئة التطوير الخاصة بهم من دون الاعتماد على موارد سحابية.

لمزيد من التفاصيل، تفضل بزيارة صفحة الأسئلة الشائعة حول JupyterLab.

هل تهتم بمزيد من عمليات تكامل YOLO26؟ اطلع على دليل تكامل Ultralytics لاستكشاف أدوات وإمكانات إضافية لمشاريع التعلّم الآلي الخاصة بك.

الأسئلة الشائعة#

  • لتدريب نموذج YOLO26 باستخدام JupyterLab:

    1. ثبّت JupyterLab وحزمة Ultralytics:

      pip install jupyterlab ultralytics

    2. شغّل JupyterLab وافتح دفتر Jupyter جديدًا.

    3. استورد نموذج YOLO وحمّل نموذجًا مُدرّبًا مسبقًا:

      from ultralytics import YOLO

model = YOLO("yolo26n.pt")

    4. درّب النموذج على مجموعة البيانات المخصصة الخاصة بك:

      results = model.train(data="path/to/your/data.yaml", epochs=100, imgsz=640)

    5. تصوّر نتائج التدريب باستخدام إمكانات الرسم المضمّنة في JupyterLab:

      from ultralytics.utils.plotting import plot_results

plot_results("runs/detect/train/results.csv")

    تتيح لك البيئة التفاعلية في JupyterLab تعديل المعلمات بسهولة، وتصور النتائج، والتكرار في عملية تدريب النموذج.

  • يوفر JupyterLab عدة ميزات تجعله مثاليًا لمشاريع YOLO26:

    1. تنفيذ التعليمات البرمجية تفاعليًا: اختبر مقتطفات تعليمات YOLO26 البرمجية وصحّح أخطاءها في الوقت الفعلي.
    2. متصفح ملفات متكامل: أدر مجموعات البيانات وأوزان النماذج وملفات الإعداد بسهولة.
    3. تخطيط مرن: رتّب دفاتر Jupyter والمحطات الطرفية ونوافذ المخرجات المتعددة جنبًا إلى جنب لسير عمل فعال.
    4. عرض غني للمخرجات: صوّر نتائج اكتشاف YOLO26 ومنحنيات التدريب ومقاييس أداء النموذج داخل السطر.
    5. دعم Markdown: وثّق تجارب YOLO26 واستنتاجاتك باستخدام النصوص المنسقة والصور.
    6. منظومة الإضافات: حسّن الوظائف باستخدام إضافات للتحكم في الإصدارات والحوسبة عن بُعد وغير ذلك.

    تتيح هذه الميزات تجربة تطوير سلسة عند العمل باستخدام نماذج YOLO26، بدءًا من إعداد البيانات ووصولًا إلى نشر النموذج.

  • لتحسين أداء نموذج YOLO26 في JupyterLab:

    1. استخدم AutoBatch لاختيار أكبر حجم دفعة يناسب ذاكرة GPU:

      results = model.train(data="path/to/data.yaml", batch=-1)

    2. نفّذ ضبط المعلمات الفائقة باستخدام مكتبات مثل Ray Tune:

      result_grid = model.tune(data="path/to/data.yaml", use_ray=True)

    3. صوّر مقاييس النموذج وحلّلها باستخدام إمكانات الرسم في JupyterLab:

      from ultralytics.utils.plotting import plot_results

plot_results("runs/detect/train/results.csv")

    4. أجرِ تجارب باستخدام بنيات نماذج مختلفة وصيغ التصدير للعثور على أفضل توازن بين السرعة والدقة لحالة الاستخدام المحددة الخاصة بك.

    تتيح البيئة التفاعلية في JupyterLab إجراء تكرارات سريعة والحصول على ملاحظات في الوقت الفعلي، مما يسهّل تحسين نماذج YOLO26 بكفاءة.

  • عند العمل باستخدام JupyterLab وYOLO26، قد تواجه بعض المشكلات الشائعة. إليك كيفية التعامل معها:

    1. مشكلات ذاكرة GPU:

      • استخدم torch.cuda.empty_cache() لمسح ذاكرة GPU بين عمليات التشغيل.
      • اضبط حجم الدفعة أو حجم الصورة ليتناسب مع ذاكرة GPU لديك.

    2. تعارضات الحزم:

      • أنشئ بيئة conda منفصلة لمشاريع YOLO26 الخاصة بك لتجنب التعارضات.
      • استخدم !pip install package_name في خلية من دفتر Jupyter لتثبيت الحزم المفقودة.

    3. تعطّل النواة:

      • أعد تشغيل النواة وشغّل الخلايا واحدةً تلو الأخرى لتحديد التعليمات البرمجية المسببة للمشكلة.
      • تحقق من عدم وجود تسرّبات في الذاكرة ضمن التعليمات البرمجية الخاصة بك، لا سيما عند معالجة مجموعات بيانات كبيرة.
المساهمون
GLglenn-jocher11RAraimbekovm2RIRizwanMunawar2LALaughing-q2Y-Y-T-G1WIWillieMaddox1MAMatthewNoyce1AMambitious-octopus1ABabirami-vina1

التعليقات