Link to this sectionمنصة Ultralytics#
منصة Ultralytics هي منصة متكاملة وشاملة للرؤية الحاسوبية تعمل على تبسيط سير عمل تعلم الآلة (ML) بالكامل بدءاً من إعداد البيانات وحتى نشر النماذج. تم تصميمها للفرق والأفراد الذين يحتاجون إلى حلول رؤية حاسوبية جاهزة للإنتاج دون تعقيدات البنية التحتية.

Link to this sectionما هي منصة Ultralytics؟#
صُممت منصة Ultralytics لاستبدال أدوات تعلم الآلة المشتتة بحل موحد. فهي تجمع بين قدرات:
- Roboflow - إدارة البيانات والتصنيف
- Weights & Biases - تتبع التجارب
- SageMaker - التدريب السحابي
- HuggingFace - نشر النماذج
- Arize - المراقبة
كل ذلك في منصة واحدة مع دعم أصلي لنماذج YOLO26 و YOLO11.
Link to this sectionسير العمل: تحميل → تصنيف → تدريب → تصدير → نشر#
توفر المنصة سير عمل متكاملاً:
graph LR
subgraph Data["📁 Data"]
A[Upload] --> B[Annotate]
B --> C[Analyze]
end
subgraph Train["🚀 Train"]
D[Configure] --> E[Train on GPU]
E --> F[View Metrics]
end
subgraph Deploy["🌐 Deploy"]
G[Export] --> H[Deploy Endpoint]
H --> I[Monitor]
end
Data --> Train --> Deploy| المرحلة | المميزات |
|---|---|
| Upload | الصور (50 ميجابايت)، مقاطع الفيديو (1 جيجابايت)، وملفات مجموعات البيانات (ZIP، TAR بما في ذلك .tar.gz/.tgz، NDJSON) مع معالجة تلقائية |
| التصنيف (Annotate) | أدوات يدوية لجميع أنواع المهام الست، بالإضافة إلى التصنيف الذكي باستخدام نماذج SAM و YOLO للكشف، والتقطيع، والمهام الدلالية، و OBB (انظر المهام المدعومة) |
| التدريب | وحدات معالجة الرسوميات السحابية (GPU) (22 في جميع الخطط + 2 حصرية لـ Pro/Enterprise: B200، B300)، مقاييس الأداء في الوقت الفعلي، وتنظيم المشاريع |
| التصدير | 19+ تنسيقاً للنشر (ONNX، TensorRT، CoreML، TFLite، إلخ؛ انظر التنسيقات المدعومة) |
| نشر | 43 منطقة عالمية مع نقاط نهاية مخصصة، قابلية التحجيم إلى الصفر افتراضياً (مثيل نشط واحد)، والمراقبة |
ما يمكنك القيام به:
- تحميل الصور ومقاطع الفيديو وملفات مجموعات البيانات لإنشاء مجموعات بيانات للتدريب
- تصور التصنيفات باستخدام طبقات تفاعلية لجميع أنواع مهام YOLO الستة (انظر المهام المدعومة)
- تدريب النماذج على وحدات معالجة الرسوميات السحابية (GPU) (22 في جميع الخطط، 24 مع Pro أو Enterprise لـ B200 و B300) مع مقاييس الأداء في الوقت الفعلي
- تصدير إلى 19+ تنسيقاً للنشر (ONNX، TensorRT، CoreML، TFLite، إلخ.)
- نشر إلى 43 منطقة عالمية بضغطة زر واحدة عبر نقاط نهاية مخصصة
- مراقبة تقدم التدريب، وصحة النشر، ومقاييس الاستخدام
- التعاون من خلال جعل المشاريع ومجموعات البيانات عامة للمجتمع
Link to this sectionبنية تحتية متعددة المناطق#
تبقى بياناتك في منطقتك. تدير منصة Ultralytics بنيتها التحتية في ثلاث مناطق عالمية:
| المنطقة | التسمية | الموقع | الأفضل لـ |
|---|---|---|---|
| US | الأمريكتان | آيوا، الولايات المتحدة الأمريكية | مستخدمو الأمريكتين، الأسرع للأمريكتين |
| EU | أوروبا والشرق الأوسط وأفريقيا | بلجيكا، أوروبا | المستخدمون الأوروبيون، الامتثال لـ GDPR |
| AP | آسيا والمحيط الهادئ | تايوان، آسيا والمحيط الهادئ | مستخدمو آسيا والمحيط الهادئ، أقل زمن استجابة في منطقة APAC |
أنت تختار منطقتك أثناء الإعداد، وتبقى جميع بياناتك ونماذجك وعمليات النشر في تلك المنطقة.
لا يمكن تغيير منطقة بياناتك بعد إنشاء الحساب. أثناء الإعداد، تقيس المنصة زمن الوصول (latency) إلى كل منطقة وتوصي بالأقرب إليك. اختر بعناية.
Link to this sectionالميزات الرئيسية#
Link to this sectionإعداد البيانات#
- إدارة مجموعات البيانات: تحميل الصور، أو مقاطع الفيديو، أو ملفات مجموعات البيانات مع معالجة تلقائية
- محرر التصنيف: تصنيف يدوي لجميع أنواع مهام YOLO الستة (الكشف، والتقطيع، والمهام الدلالية، والوضعية، و OBB، والتصنيف؛ انظر المهام المدعومة)
- قوالب الهيكل العظمي: قوالب هيكلية مدمجة (للشخص، اليد، الوجه، الكلب، الصندوق) وأخرى مخصصة لتصنيف الوضعية بضغطة زر
- التصنيف الذكي: استخدام SAM 2.1 (Tiny، Small، Base، Large)، و SAM 3، ونماذج Ultralytics YOLO المدربة مسبقاً، أو نماذج YOLO الخاصة بك التي قمت بضبطها من شريط أدوات التصنيف لمهام الكشف، والتقطيع، والمهام الدلالية، و OBB
- إصدار مجموعات البيانات: إنشاء لقطات NDJSON مرقمة مع أوصاف لتدريب قابل للتكرار
- الإحصائيات: توزيع الفئات، والخرائط الحرارية للمواقع، وتحليل الأبعاد
graph LR
A[Upload Dataset/Images/Video] --> B[Auto-Process]
B --> C[Browse & Filter]
C --> D{Annotate}
D --> E[Manual Tools]
D --> F[SAM Smart]
D --> G[YOLO Auto-Label]
E --> H[Train-Ready Dataset]
F --> H
G --> HLink to this sectionتدريب النموذج#
- التدريب السحابي: التدريب على وحدات معالجة الرسوميات السحابية (22 في جميع الخطط، 24 مع Pro أو Enterprise لـ B200 و B300) مع مقاييس الأداء في الوقت الفعلي
- التدريب عن بعد: التدريب من أي مكان وبث المقاييس إلى المنصة (بأسلوب W&B)
- تنظيم المشاريع: تجميع النماذج ذات الصلة، ومقارنة التجارب، وتتبع النشاط
- 19+ تنسيق تصدير: ONNX، TensorRT، CoreML، TFLite، والمزيد (انظر التنسيقات المدعومة)

يمكنك تدريب النماذج إما من خلال واجهة الويب (التدريب السحابي) أو من جهازك الخاص (التدريب عن بعد):
- انتقل إلى مشروعك
- انقر على
Train Model(تدريب النموذج) - اختر مجموعة البيانات، والنموذج، ووحدة معالجة الرسوميات (GPU)، والحقب التدريبية (epochs)
- راقب منحنيات الفقد ومقاييس الأداء في الوقت الفعلي
Link to this sectionالنشر#
- اختبار الاستدلال (Inference): اختبار النماذج مباشرة في المتصفح باستخدام صور مخصصة
- نقاط النهاية المخصصة: النشر إلى 43 منطقة عالمية مع قابلية التحجيم إلى الصفر افتراضياً (مثيل نشط واحد)
- المراقبة: مقاييس الأداء في الوقت الفعلي، وسجلات الطلبات، ولوحات التحكم في الأداء
graph LR
A[Trained Model] --> B{Action}
B --> C[Browser Predict]
B --> D[Export Format]
B --> E[Deploy Endpoint]
D --> F[ONNX / TensorRT / CoreML / TFLite / ...]
E --> G[43 Global Regions]
G --> H[API Endpoint URL]
H --> I[Monitor & Scale]بمجرد النشر، استدعِ نقطة النهاية الخاصة بك من أي لغة برمجية:
import requests
url = "https://your-endpoint-url/predict"
headers = {"Authorization": "Bearer YOUR_API_KEY"}
with open("image.jpg", "rb") as f:
response = requests.post(url, headers=headers, files={"file": f})
print(response.json())Link to this sectionإدارة الحساب#
- الفرق والمؤسسات: التعاون مع أعضاء الفريق، وإدارة الأدوار والدعوات
- مفاتيح API: إدارة آمنة للمفاتيح للتدريب عن بعد والوصول إلى API
- الأرصدة والفواتير: نظام الدفع حسب الاستخدام للتدريب مع أسعار شفافة
- موجز النشاط: تتبع جميع أحداث الحساب والإجراءات
- سلة المهملات والاستعادة: حذف مؤقت لمدة 30 يوماً مع إمكانية استعادة العناصر
- الامتثال لـ GDPR: تصدير البيانات وحذف الحساب
| الميزة | مجاني | خطة Pro (29 دولاراً/شهرياً) | Enterprise |
|---|---|---|---|
| رصيد التسجيل | 5 دولار / 25 دولار* | - | مخصص |
| رصيد شهري | - | 30 دولاراً لكل مقعد/شهرياً | مخصص |
| النماذج (Models) | 100 | 500 | غير محدود |
| التدريبات المتزامنة | 3 | 10 | غير محدود |
| عمليات النشر | 3 | 10 | غير محدود |
| التخزين | 100 جيجابايت | 500 جيجابايت | غير محدود |
| أنواع وحدات GPU السحابية | 22 | 24 (بما في ذلك B200 / B300) | 24 |
| الفرق | - | حتى 5 أعضاء | تصل إلى 50 |
| الدعم | المجتمع | أولوية | مخصص |
*5 دولارات عند التسجيل، أو 25 دولاراً ببريد إلكتروني تجاري/عمل موثق.
Link to this sectionروابط سريعة#
ابدأ بهذه الموارد:
- البداية السريعة: أنشئ مشروعك الأول وقم بتدريب نموذج في دقائق
- مجموعات البيانات: تحميل وإدارة بيانات التدريب الخاصة بك
- التصنيف: تصنيف بياناتك باستخدام أدوات يدوية ومساعدة من الذكاء الاصطناعي
- المشاريع: تنظيم نماذجك وتجاربك
- التدريب السحابي: التدريب على وحدات GPU السحابية
- الاستدلال (Inference): اختبار نماذجك
- نقاط النهاية: نشر النماذج في بيئة الإنتاج
- المراقبة: تتبع أداء النشر
- مفاتيح API: إدارة الوصول إلى API
- الفواتير: الأرصدة والدفع
- النشاط: تتبع أحداث الحساب
- سلة المهملات: استعادة العناصر المحذوفة
- REST API: مرجع API
Link to this sectionالأسئلة الشائعة#
Link to this sectionكيف أبدأ في استخدام منصة Ultralytics؟#
للبدء في استخدام منصة Ultralytics:
- التسجيل: إنشاء حساب على platform.ultralytics.com
- اختيار المنطقة: اختر منطقة بياناتك (US، EU، أو AP) أثناء عملية الإعداد
- تحميل مجموعة البيانات: انتقل إلى قسم مجموعات البيانات لتحميل بياناتك
- تدريب النموذج: أنشئ مشروعاً وابدأ التدريب على وحدات GPU السحابية
- النشر: اختبر نموذجك وقم بنشره في نقطة نهاية مخصصة
للحصول على دليل مفصل، راجع صفحة البداية السريعة.
Link to this sectionما هي فوائد منصة Ultralytics؟#
توفر منصة Ultralytics:
- سير عمل موحد: البيانات، والتدريب، والنشر في مكان واحد
- متعددة المناطق: إقامة البيانات في مناطق US، أو EU، أو AP
- تدريب بدون برمجة: تدريب نماذج YOLO متقدمة دون كتابة كود
- مقاييس الوقت الفعلي: بث تقدم التدريب ومراقبة عمليات النشر
- 43 منطقة نشر: انشر النماذج بالقرب من مستخدميك في جميع أنحاء العالم
- 6 أنواع للمهام: دعم الكشف، وتقسيم الحالات، والتقسيم الدلالي، والوضعية، وOBB، والتصنيف (انظر مستندات المهام)
- التعليق التوضيحي بمساعدة الذكاء الاصطناعي: تعليق توضيحي ذكي باستخدام نماذج SAM وYOLO لتسريع تحضير البيانات
Link to this sectionما هي خيارات GPU المتاحة للتدريب السحابي؟#
تدعم منصة Ultralytics أنواعاً متعددة من GPU للتدريب السحابي:
| GPU | الجيل | ذاكرة الفيديو (VRAM) | التكلفة/ساعة | الأفضل لـ |
|---|---|---|---|---|
| RTX 2000 Ada | Ada | 16 GB | $0.24 | مجموعات بيانات صغيرة، الاختبار |
| RTX A4500 | Ampere | 20 GB | $0.25 | مجموعات بيانات صغيرة إلى متوسطة |
| RTX 4000 Ada | Ada | 20 GB | $0.26 | مجموعات بيانات متوسطة |
| RTX A5000 | Ampere | 24 GB | $0.27 | مجموعات بيانات متوسطة |
| L4 | Ada | 24 GB | $0.39 | محسّن للاستدلال |
| A40 | Ampere | 48 GB | $0.44 | أحجام دفعات أكبر |
| RTX 3090 | Ampere | 24 GB | $0.46 | التدريب العام |
| RTX A6000 | Ampere | 48 GB | $0.49 | نماذج كبيرة |
| RTX PRO 4500 | Blackwell | 32 GB | $0.64 | سعر/أداء رائع |
| RTX 4090 | Ada | 24 GB | $0.69 | أفضل سعر/أداء |
| RTX 6000 Ada | Ada | 48 GB | $0.77 | تدريب بدفعات كبيرة |
| L40S | Ada | 48 GB | $0.86 | تدريب بدفعات كبيرة |
| RTX 5090 | Blackwell | 32 GB | $0.99 | أحدث جيل للمستهلك |
| L40 | Ada | 48 GB | $0.99 | نماذج كبيرة |
| A100 PCIe | Ampere | 80 GB | $1.39 | تدريب الإنتاج |
| A100 SXM | Ampere | 80 GB | $1.49 | تدريب الإنتاج |
| RTX PRO 6000 | Blackwell | 96 GB | $1.89 | الخيار الافتراضي الموصى به |
| H100 PCIe | Hopper | 80 GB | $2.39 | تدريب عالي الأداء |
| H100 SXM | Hopper | 80 GB | $2.99 | أسرع تدريب |
| H100 NVL | Hopper | 94 غيغابايت | 3.07 دولار | أقصى أداء |
| H200 NVL | Hopper | 143 غيغابايت | 3.39 دولار | أقصى ذاكرة |
| H200 SXM | Hopper | 141 غيغابايت | 3.99 دولار | أقصى أداء |
| B200 | Blackwell | 180 غيغابايت | 5.49 دولار | النماذج الكبيرة (Pro+) |
| B300 | Blackwell | 288 غيغابايت | 7.39 دولار | أكبر النماذج (Pro+) |
راجع التدريب السحابي للحصول على الأسعار الكاملة وخيارات GPU.
Link to this sectionكيف يعمل التدريب عن بُعد؟#
يمكنك تدريب النماذج على أجهزتك الخاصة وبث المقاييس في الوقت الفعلي إلى المنصة، على غرار Weights & Biases.
يتطلب التكامل مع المنصة ultralytics>=8.4.60. الإصدارات الأقل لن تعمل مع المنصة.
pip install "ultralytics>=8.4.60"# Set your API key
export ULTRALYTICS_API_KEY="YOUR_API_KEY"
# Train with project/name to stream metrics
yolo train model=yolo26n.pt data=coco.yaml epochs=100 project=username/my-project name=exp1راجع التدريب السحابي لمزيد من التفاصيل حول التدريب عن بُعد.
Link to this sectionما هي أدوات التعليق التوضيحي المتاحة؟#
تتضمن المنصة محرراً للتعليقات التوضيحية كامل الميزات يدعم:
- الأدوات اليدوية: صناديق الإحاطة، والمضلعات، والنقاط الرئيسية مع قوالب الهيكل العظمي، والصناديق الموجهة، والتصنيف
- قوالب الهيكل العظمي: ضع جميع النقاط الرئيسية دفعة واحدة باستخدام قوالب مدمجة (شخص، يد، وجه، كلب، صندوق) أو قوالب مخصصة
- التعليق التوضيحي الذكي: استخدم SAM 2.1 أو SAM 3 للتعليق التوضيحي القائم على النقر، أو قم بتشغيل نماذج Ultralytics YOLO المدربة مسبقاً ونماذج YOLO الخاصة بك التي تم ضبطها بدقة من شريط الأدوات للكشف، والتقسيم، والتقسيم الدلالي، وOBB
- اختصارات لوحة المفاتيح: سير عمل فعال مع مفاتيح الاختصار
| الاختصار | الإجراء |
|---|---|
V | الوضع اليدوي (الرسم) |
S | الوضع الذكي (SAM أو نموذج YOLO) |
A | تبديل التطبيق التلقائي (في الوضع الذكي) |
1 - 9 | اختيار الفئة حسب الرقم |
Delete | حذف التعليق التوضيحي المحدد |
Ctrl+Z | تراجع |
Ctrl+Y | إعادة |
Escape | حفظ / إلغاء التحديد / خروج |
راجع التعليق التوضيحي للحصول على الدليل الكامل.
Link to this sectionما هي تنسيقات التصدير المدعومة؟#
تدعم المنصة أكثر من 19 تنسيقاً للنشر:
| التنسيق | امتداد الملف | حالة الاستخدام |
|---|---|---|
| ONNX | .onnx | نشر عبر المنصات |
| TorchScript | .torchscript | نشر C++ |
| OpenVINO | _openvino_model | أجهزة Intel |
| TensorRT | .engine | استدلال NVIDIA GPU |
| CoreML | .mlpackage | أجهزة Apple |
| TFLite | .tflite | أجهزة الجوال/الحافة |
| TF SavedModel | _saved_model | نظام TensorFlow البيئي |
| TF GraphDef | .pb | TensorFlow القديم |
| PaddlePaddle | _paddle_model | نظام Baidu البيئي |
| NCNN | _ncnn_model | الجوال (Android/ARM) |
| Edge TPU | _edgetpu.tflite | أجهزة Google Coral |
| TF.js | _web_model | نشر المتصفح |
| MNN | .mnn | Alibaba للجوال |
| RKNN | _rknn_model | Rockchip NPU |
| Qualcomm | _qnn.onnx | Qualcomm Snapdragon NPU |
| IMX500 | _imx_model | مستشعر Sony IMX500 |
| Axelera | _axelera_model | مسرعات Axelera AI |
| ExecuTorch | _executorch_model | PyTorch للجوال |
| DeepX | _deepx_model | مسرعات DeepX NPU |
راجع تصدير النماذج، ودليل وضع التصدير، وفهرس التكاملات للحصول على الخيارات الخاصة بكل تنسيق.
Link to this sectionاستكشاف الأخطاء وإصلاحها#
Link to this sectionمشكلات مجموعة البيانات#
| المشكلة | الحل |
|---|---|
| مجموعة البيانات لا تتم معالجتها | تحقق من دعم تنسيق الملف (JPEG، PNG، WebP، TIFF، HEIC، AVIF، BMP، JP2، DNG، MPO للصور). الحد الأقصى لحجم الملف: الصور 50 ميجابايت، الفيديوهات 1 جيجابايت، أرشيفات مجموعة البيانات 10 جيجابايت (مجاني) / 20 جيجابايت (Pro) / 50 جيجابايت (Enterprise) |
| تعليقات توضيحية مفقودة | تحقق من أن التصنيفات بتنسيق YOLO مع ملفات .txt تطابق أسماء ملفات الصور، أو قم بتحميل COCO JSON |
| "مطلوب تقسيم التدريب" (Train split required) | أضف مجلد train/ إلى هيكل مجموعة البيانات الخاصة بك، أو أعد توزيع التقسيمات عبر شريط التقسيم |
| أسماء الفئات غير محددة | أضف ملف data.yaml مع قائمة names: (انظر تنسيق YOLO)، أو حدد الفئات في علامة تبويب الفئات |
Link to this sectionمشكلات التدريب#
| المشكلة | الحل |
|---|---|
| التدريب لا يبدأ | تحقق من رصيد الائتمان في الإعدادات > الفواتير. يتطلب وجود رصيد إيجابي |
| خطأ في الذاكرة (Out of memory) | قلل حجم الدفعة (batch size)، أو استخدم نموذجاً أصغر (n/s)، أو اختر GPU بذاكرة VRAM أكبر |
| مقاييس ضعيفة | تحقق من جودة مجموعة البيانات، وزد عدد الدورات (epochs)، وجرب زيادة البيانات (data augmentation)، وتحقق من توازن الفئات |
| التدريب بطيء | اختر GPU أسرع، وقلل حجم الصورة، وتحقق من عدم وجود اختناق في مجموعة البيانات |
Link to this sectionمشكلات النشر#
| المشكلة | الحل |
|---|---|
| نقطة النهاية لا تستجيب | تحقق من حالة نقطة النهاية (جاهز مقابل متوقف). قد يستغرق البدء البارد 5-15 ثانية |
| 401 غير مصرح به | تحقق من أن مفتاح API صحيح ويحتوي على النطاقات المطلوبة |
| استدلال بطيء | تحقق من حجم النموذج، وفكر في تصدير TensorRT، واختر منطقة أقرب |
| فشل التصدير | تتطلب بعض التنسيقات بنيات نموذج محددة. جرب ONNX لأوسع توافق |
Link to this sectionأسئلة شائعة#
هل يمكنني تغيير اسم المستخدم الخاص بي بعد التسجيل؟
لا، أسماء المستخدمين دائمة ولا يمكن تغييرها. اختر بعناية أثناء التسجيل.
هل يمكنني تغيير منطقة بياناتي؟
يتم اختيار منطقة بياناتك أثناء الإعداد ولا يمكن تغييرها بنفسك. للتبديل بين المناطق، اتصل بالدعم لطلب تغيير المنطقة.
كيف يمكنني الحصول على المزيد من الائتمانات؟
انتقل إلى الإعدادات > الفواتير > إضافة ائتمانات. اشترِ ائتمانات من 5 دولارات إلى 1000 دولار. الائتمانات المشتراة لا تنتهي صلاحيتها أبداً.
ماذا يحدث إذا فشل التدريب؟
يتم محاسبتك فقط على وقت الحوسبة المكتمل. يتم حفظ نقاط التحقق، ويمكنك استئناف التدريب.
هل يمكنني تنزيل نموذجي المدرب؟
نعم، انقر على أيقونة التنزيل في أي صفحة نموذج لتنزيل ملف .pt أو التنسيقات المصدرة.
كيف يمكنني مشاركة عملي بشكل عام؟
قم بتحرير إعدادات المشروع أو مجموعة البيانات الخاصة بك وقم بتبديل الرؤية إلى "عام". يظهر المحتوى العام في صفحة الاستكشاف (Explore).
ما هي حدود حجم الملف؟
الصور: 50 ميجابايت، الفيديوهات: 1 جيجابايت، مجموعات البيانات: 10 جيجابايت في الإصدار المجاني، 20 جيجابايت في Pro، 50 جيجابايت في Enterprise. للملفات الأكبر، قم بتقسيمها إلى عدة عمليات تحميل.
ما هي المدة التي يتم الاحتفاظ فيها بالعناصر المحذوفة في سلة المهملات؟
30 يوماً. بعد ذلك، يتم حذف العناصر نهائياً ولا يمكن استردادها.
هل يمكنني استخدام نماذج Platform تجارياً؟
تستخدم الخطط المجانية والاحترافية ترخيص AGPL-3.0. للاستخدام التجاري دون متطلبات ترخيص AGPL-3.0، راجع Ultralytics Licensing.