تتبع وتصور تجارب YOLO باستخدام Weights & Biases

أصبحت نماذج Object detection مثل Ultralytics YOLO26 جزءاً لا يتجزأ من العديد من تطبيقات computer vision. ومع ذلك، فإن تدريب هذه النماذج المعقدة وتقييمها ونشرها يطرح العديد من التحديات. يتطلب تتبع مقاييس التدريب الرئيسية، ومقارنة متغيرات النماذج، وتحليل سلوك النموذج، واكتشاف المشكلات قدراً كبيراً من الأدوات وإدارة التجارب.

يستعرض هذا الدليل تكامل Ultralytics YOLO26 مع Weights & Biases لتعزيز تتبع التجارب، وحفظ نقاط فحص النماذج (checkpoints)، وتصور أداء النموذج. كما يتضمن تعليمات لإعداد التكامل، والتدريب، والضبط الدقيق، وتصور النتائج باستخدام الميزات التفاعلية لـ Weights & Biases.

Weights & Biases

Weights & Biases هي منصة MLOps platform متطورة مصممة لتتبع وتصور وإدارة تجارب machine learning. وتتميز بتسجيل تلقائي لمقاييس التدريب لضمان قابلية إعادة إنتاج التجربة بالكامل، وواجهة مستخدم تفاعلية لتحليل البيانات بشكل مبسط، وأدوات فعالة لإدارة النماذج لنشرها عبر بيئات مختلفة.

تدريب YOLO26 باستخدام Weights & Biases

يمكنك استخدام Weights & Biases لجلب الكفاءة والأتمتة إلى عملية تدريب YOLO26 الخاصة بك. يتيح لك التكامل تتبع التجارب، ومقارنة النماذج، واتخاذ قرارات مبنية على البيانات لتحسين مشاريع computer vision الخاصة بك.

التثبيت

لتثبيت الحزم المطلوبة، قم بتشغيل:

# Install the required packages for Ultralytics YOLO and Weights & Biases
pip install -U ultralytics wandb

# Enable W&B logging for Ultralytics
yolo settings wandb=True

للحصول على تعليمات مفصلة وأفضل الممارسات المتعلقة بعملية التثبيت، تأكد من مراجعة دليل تثبيت YOLO26. أثناء تثبيت الحزم المطلوبة لـ YOLO26، إذا واجهت أي صعوبات، فاستشر دليل المشكلات الشائعة للحصول على حلول ونصائح.

تهيئة Weights & Biases

بعد تثبيت الحزم اللازمة، الخطوة التالية هي إعداد بيئة Weights & Biases الخاصة بك. يتضمن ذلك إنشاء حساب Weights & Biases والحصول على مفتاح API اللازم لاتصال سلس بين بيئة التطوير الخاصة بك ومنصة W&B.

ابدأ بتهيئة بيئة Weights & Biases في مساحة العمل الخاصة بك. يمكنك القيام بذلك عن طريق تشغيل الأمر التالي واتباع التعليمات التي تظهر أمامك.

import wandb

# Initialize your Weights & Biases environment
wandb.login(key="YOUR_API_KEY")

انتقل إلى صفحة ترخيص Weights & Biases لإنشاء واسترجاع مفتاح API الخاص بك. استخدم هذا المفتاح عند المطالبة به للمصادقة على بيئتك مع W&B.

الاستخدام: تدريب YOLO26 باستخدام Weights & Biases

قبل الغوص في تعليمات استخدام تدريب نموذج YOLO26 مع Weights & Biases، تأكد من الاطلاع على مجموعة نماذج YOLO26 التي تقدمها Ultralytics. سيساعدك هذا في اختيار النموذج الأنسب لمتطلبات مشروعك.

from ultralytics import YOLO

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

# Train and Fine-Tune the Model
model.train(data="coco8.yaml", epochs=5, project="ultralytics", name="yolo26n")

وسائط W&B

# Enable Weights & Biases logging
yolo settings wandb=True

# Disable Weights & Biases logging
yolo settings wandb=False

فهم المخرجات

عند تشغيل مقتطف كود الاستخدام أعلاه، يمكنك توقع المخرجات الرئيسية التالية:

• إعداد عملية تشغيل جديدة بمعرف فريد خاص بها، مما يشير إلى بدء عملية التدريب.
• ملخص موجز لهيكل النموذج، بما في ذلك عدد الطبقات والمعلمات.
• تحديثات منتظمة حول مقاييس مهمة مثل box loss، وcls loss، وdfl loss، وprecision، وrecall، ونتائج mAP scores خلال كل epoch تدريب.
• في نهاية التدريب، يتم عرض مقاييس مفصلة بما في ذلك سرعة الاستدلال للنموذج، ومقاييس accuracy الإجمالية.
• روابط إلى لوحة تحكم Weights & Biases لتحليل وتصور عملية التدريب بعمق، إلى جانب معلومات حول مواقع ملفات السجل المحلية.

عرض لوحة تحكم Weights & Biases

بعد تشغيل مقتطف كود الاستخدام، يمكنك الوصول إلى لوحة تحكم Weights & Biases (W&B) من خلال الرابط المقدم في المخرجات. توفر لوحة التحكم هذه رؤية شاملة لعملية تدريب نموذجك باستخدام YOLO26.

الميزات الرئيسية للوحة تحكم Weights & Biases

• تتبع المقاييس في الوقت الفعلي: راقب مقاييس مثل الخسارة (loss)، والدقة (accuracy)، ونتائج التحقق أثناء تطورها خلال التدريب، مما يوفر رؤى فورية لضبط النموذج. انظر كيف يتم تتبع التجارب باستخدام Weights & Biases.

• تحسين المعلمات الفائقة (Hyperparameter Optimization): تساعد Weights & Biases في الضبط الدقيق للمعلمات الحرجة مثل learning rate، وbatch size، والمزيد، مما يعزز أداء YOLO26. يساعدك هذا في العثور على التكوين الأمثل لمجموعة البيانات والمهمة المحددة الخاصة بك.

• تحليل المقارنة: تتيح المنصة إجراء مقارنات جنباً إلى جنب لعمليات التدريب المختلفة، وهو أمر ضروري لتقييم تأثير تكوينات النماذج المختلفة وفهم التغييرات التي تحسن الأداء.

• تصور تقدم التدريب: توفر التمثيلات الرسومية للمقاييس الرئيسية فهماً بديهياً لأداء النموذج عبر الـ epochs. انظر كيف تساعدك Weights & Biases في تصور نتائج التحقق.

• مراقبة الموارد: تتبع استخدام CPU وGPU والذاكرة لتحسين كفاءة عملية التدريب وتحديد الاختناقات المحتملة في سير العمل الخاص بك.

• إدارة عناصر النموذج (Model Artifacts): يمكنك الوصول إلى نقاط فحص النموذج ومشاركتها، مما يسهل النشر والتعاون مع أعضاء الفريق في المشاريع المعقدة.

• عرض نتائج الاستدلال مع تراكب الصور: تصور نتائج التنبؤ على الصور باستخدام تراكبات تفاعلية في Weights & Biases، مما يوفر عرضاً واضحاً ومفصلاً لأداء النموذج على بيانات العالم الحقيقي. لمزيد من المعلومات التفصيلية، راجع قدرات تراكب الصور في Weights & Biases.

باستخدام هذه الميزات، يمكنك تتبع وتحليل وتحسين تدريب نموذج YOLO26 الخاص بك بفعالية، مما يضمن أفضل أداء وكفاءة ممكنة لمهام object detection الخاصة بك.

ملخص

ساعدك هذا الدليل في استكشاف تكامل Ultralytics YOLO مع Weights & Biases. إنه يوضح قدرة هذا التكامل على تتبع وتصور نتائج تدريب النموذج والتنبؤ بكفاءة. من خلال الاستفادة من ميزات W&B القوية، يمكنك تبسيط سير عمل machine learning الخاص بك، واتخاذ قرارات مبنية على البيانات، وتحسين أداء نموذجك.

لمزيد من التفاصيل حول الاستخدام، قم بزيارة التوثيق الرسمي لـ Weights & Biases أو استكشف عرض Soumik Rakshit من مؤتمر YOLO VISION 2023 حول هذا التكامل.

أيضاً، تأكد من الاطلاع على صفحة دليل تكامل Ultralytics، لمعرفة المزيد حول عمليات التكامل المثيرة المختلفة مثل MLflow وComet ML.

الأسئلة الشائعة

كيف يمكنني دمج Weights & Biases مع Ultralytics YOLO26؟

لدمج Weights & Biases مع Ultralytics YOLO26:

1. تثبيت الحزم المطلوبة:

   pip install -U ultralytics wandb
   yolo settings wandb=True

2. سجل الدخول إلى حساب Weights & Biases الخاص بك:

   import wandb
   
   wandb.login(key="YOUR_API_KEY")

3. قم بتدريب نموذج YOLO26 الخاص بك مع تمكين تسجيل W&B:

   from ultralytics import YOLO
   
   model = YOLO("yolo26n.pt")
   model.train(data="coco8.yaml", epochs=5, project="ultralytics", name="yolo26n")

سيؤدي هذا تلقائياً إلى تسجيل المقاييس والمعلمات الفائقة وعناصر النموذج في مشروع W&B الخاص بك.

ما هي الميزات الرئيسية لتكامل Weights & Biases مع YOLO26؟

تشمل الميزات الرئيسية ما يلي:

• تتبع المقاييس في الوقت الفعلي أثناء التدريب
• أدوات تحسين المعلمات الفائقة
• تحليل مقارن لعمليات التدريب المختلفة
• تصور تقدم التدريب من خلال الرسوم البيانية
• مراقبة الموارد (استخدام CPU وGPU والذاكرة)
• إدارة عناصر النموذج ومشاركتها
• عرض نتائج الاستدلال مع تراكب الصور

تساعد هذه الميزات في تتبع التجارب، وتحسين النماذج، والتعاون بشكل أكثر فعالية في مشاريع YOLO26.

كيف يمكنني عرض لوحة تحكم Weights & Biases لتدريب YOLO26 الخاص بي؟

بعد تشغيل نص التدريب البرمجي الخاص بك مع تكامل W&B:

1. سيتم توفير رابط للوحة تحكم W&B الخاصة بك في مخرجات وحدة التحكم.
2. انقر فوق الرابط أو انتقل إلى wandb.ai وسجل الدخول إلى حسابك.
3. انتقل إلى مشروعك لعرض المقاييس التفصيلية والتصورات وبيانات أداء النموذج.

توفر لوحة التحكم رؤى حول عملية تدريب نموذجك، مما يتيح لك تحليل وتحسين نماذج YOLO26 بفعالية.

هل يمكنني تعطيل تسجيل Weights & Biases لتدريب YOLO26؟

نعم، يمكنك تعطيل تسجيل W&B باستخدام الأمر التالي:

yolo settings wandb=False

لإعادة تمكين التسجيل، استخدم:

yolo settings wandb=True

يسمح لك هذا بالتحكم في وقت استخدام تسجيل W&B دون تعديل نصوص التدريب البرمجية الخاصة بك.

كيف تساعد Weights & Biases في تحسين نماذج YOLO26؟

تساعد Weights & Biases في تحسين نماذج YOLO26 من خلال:

1. توفير تصورات تفصيلية لمقاييس التدريب
2. تمكين المقارنة السهلة بين إصدارات النماذج المختلفة
3. تقديم أدوات لـ hyperparameter tuning
4. السماح بالتحليل التعاوني لأداء النموذج
5. تسهيل مشاركة عناصر النموذج والنتائج

تساعد هذه الميزات الباحثين والمطورين على التكرار بشكل أسرع واتخاذ قرارات مبنية على البيانات لتحسين نماذج YOLO26 الخاصة بهم.