Link to this sectionتتبع 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 يفرض العديد من التحديات. إذ يتطلب تتبع مقاييس التدريب الرئيسية، ومقارنة إصدارات النماذج، وتحليل سلوك النموذج، واكتشاف المشكلات قدراً كبيراً من الأدوات وإدارة التجارب.

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

Link to this sectionWeights & Biases#

Weights & Biases هي MLOps platform متطورة مصممة لتتبع تجارب machine learning وتصورها وإدارتها. تتميز بتسجيل تلقائي لمقاييس التدريب لضمان إمكانية تكرار التجربة بالكامل، وواجهة مستخدم تفاعلية لتحليل البيانات بشكل مبسط، وأدوات فعالة لإدارة النماذج لنشرها عبر بيئات متنوعة.

Link to this sectionتدريب YOLO26 باستخدام Weights & Biases#

يمكنك استخدام Weights & Biases لتعزيز كفاءة وأتمتة عملية تدريب YOLO26. يسمح لك هذا التكامل بتتبع التجارب، ومقارنة النماذج، واتخاذ قرارات مبنية على البيانات لتحسين مشاريع computer vision الخاصة بك.

Link to this sectionالتثبيت#

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 الخاص بنا. إذا واجهت أي صعوبات أثناء تثبيت الحزم المطلوبة لـ YOLO26، فاستشر دليل المشكلات الشائعة الخاص بنا للحصول على حلول ونصائح.

Link to this sectionتهيئة Weights & Biases#

بعد تثبيت الحزم اللازمة، تتمثل الخطوة التالية في إعداد بيئة Weights & Biases الخاصة بك. يتضمن ذلك إنشاء حساب على Weights & Biases والحصول على مفتاح API اللازم لضمان اتصال 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 لك.

import wandb

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

انتقل إلى صفحة تفويض Weights & Biases لإنشاء مفتاح API الخاص بك واسترداده. استخدم هذا المفتاح عند مطالبتك به لمصادقة بيئتك مع W&B.

Link to this sectionالاستخدام: 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 الأكثر ملاءمة 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")

Link to this sectionوسائط W&B#

# Enable Weights & Biases logging
yolo settings wandb=True

# Disable Weights & Biases logging
yolo settings wandb=False

Link to this sectionفهم المخرجات#

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

• إعداد عملية تشغيل جديدة بمعرفها الفريد، مما يشير إلى بدء عملية التدريب.
• ملخص موجز لهيكل النموذج، بما في ذلك عدد الطبقات والمعلمات.
• تحديثات منتظمة للمقاييس المهمة مثل box loss، وcls loss، وdfl loss، وprecision، وrecall، وmAP 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 لإجراء تحليل متعمق وتصور لعملية التدريب، بالإضافة إلى معلومات حول مواقع ملفات السجل المحلية.

Link to this sectionعرض لوحة تحكم Weights & Biases#

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

Link to this sectionالميزات الرئيسية للوحة تحكم Weights & Biases#

• تتبع المقاييس في الوقت الفعلي: راقب مقاييس مثل الخسارة، والدقة، ونتائج التحقق أثناء تطورها خلال التدريب، مما يوفر رؤى فورية لضبط النموذج. تعرف على كيفية تتبع التجارب باستخدام Weights & Biases.

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

• التحليل المقارن: تتيح المنصة إجراء مقارنات جنباً إلى جنب بين عمليات تدريب مختلفة، 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 فترات التدريب (epochs). تعرف على كيفية مساعدة Weights & Biases لك في تصور نتائج التحقق.

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

• إدارة عناصر النموذج: 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 رؤية واضحة ومفصلة 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 ممكنين لمهام object detection الخاصة بك.

Link to this sectionملخص#

ساعدك هذا الدليل في استكشاف تكامل Ultralytics YOLO مع Weights & Biases. إنه يوضح قدرة هذا التكامل على تتبع نتائج تدريب النماذج والتنبؤ وتصورها 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، تفضل بزيارة التوثيق الرسمي لـ Weights & Biases أو استكشف عرض Soumik Rakshit من YOLO VISION 2023 حول هذا التكامل.

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

Link to this sectionالأسئلة الشائعة#

Link to this sectionكيف يمكنني دمج Weights & Biases مع Ultralytics YOLO26؟#

لدمج Weights & Biases مع Ultralytics YOLO26:

1. قم بتثبيت 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. درب 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.

Link to this sectionما هي الميزات الرئيسية لتكامل Weights & Biases مع YOLO26؟#

تشمل الميزات الرئيسية ما يلي:

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

تساعد هذه الميزات في تتبع التجارب، وتحسين النماذج، والتعاون بفعالية أكبر في مشاريع YOLO26.

Link to this sectionكيف يمكنني عرض لوحة تحكم Weights & Biases لتدريب YOLO26 الخاص بي؟#

بعد تشغيل نص التدريب 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 نماذج YOLO26 الخاصة بك وتحسينها بفعالية.

Link to this sectionهل 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

يتيح لك هذا التحكم في متى تريد استخدام تسجيل W&B دون تعديل نصوص التدريب الخاصة بك.

Link to this sectionكيف تساعد Weights & Biases في تحسين نماذج YOLO26؟#

تساعد Weights & Biases في تحسين نماذج YOLO26 من خلال:

1. توفير تصورات مفصلة 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.