مجموعات البيانات#

توفر مجموعات بيانات Ultralytics Platform حلاً مبسّطًا لإدارة بيانات التدريب. بعد الرفع، تعالج المنصة الصور والتسميات والإحصاءات تلقائيًا.

تكون مجموعة البيانات جاهزة للتدريب بعد اكتمال المعالجة واحتوائها على صورة واحدة على الأقل في التقسيم train، وصورة واحدة على الأقل في التقسيم val أو test، وصورة واحدة معنونة على الأقل. يعرض رأس مجموعة البيانات شارة Ready عند استيفاء الشروط الثلاثة، وشارة Not Ready خلاف ذلك — انقر على الشارة لمعرفة الشرط المفقود تحديدًا.

جمع الصور باستخدام الوكلاء#

استخدم Agents لإضافة صور إلى مجموعة بيانات عندما يستوفي اكتشاف النموذج شرطاً، مثل مستوى الثقة ضمن نطاق مختار. اربط الشرط بكتلة Dataset وحدد وجهة يمكنك تعديلها. تصل الصور بدون تسميات في قسم train؛ ويتم تخطي النسخ الموجودة. قم بمراجعتها وتسميتها باستخدام محرر التعليقات التوضيحية الموجود.

رفع مجموعة بيانات#

تقبل Ultralytics Platform تنسيقات متعددة للرفع من أجل المرونة.

التنسيقات المدعومة#

دعم برامج ترميز الفيديو#

امتداد الملف وحده لا يكفي: فقد يفشل الفيديو رغم ذلك إذا تعذر فك ترميز برنامج الترميز الخاص به أثناء المعالجة.

ffmpeg -i input.mov \
  -c:v libx264 -pix_fmt yuv420p \
  -c:a aac -movflags +faststart \
  output.mp4

إعداد مجموعة البيانات#

تدعم المنصة Ultralytics YOLO، وCOCO، وأقنعة PNG الدلالية، ومجموعات بيانات العمق، وUltralytics NDJSON، والملفات التي يتم رفعها بشكل خام (غير مصنفة):

my-dataset/
├── images/
│   ├── train/
│   │   ├── img001.jpg
│   │   └── img002.jpg
│   └── val/
│       ├── img003.jpg
│       └── img004.jpg
├── labels/
│   ├── train/
│   │   ├── img001.txt
│   │   └── img002.txt
│   └── val/
│       ├── img003.txt
│       └── img004.txt
└── data.yaml

# data.yaml
path: .
train: images/train
val: images/val

names:
    0: person
    1: car
    2: dog

إذا أشارت التسميات إلى معرّفات فئات من دون توفير أسماء الفئات، تنشئ Platform أسماء نائبة كثيفة (class0 وclass1 و…) يمكنك إعادة تسميتها لاحقًا في علامة تبويب الفئات.

للاطلاع على تفاصيل التنسيقات الخاصة بكل مهمة، راجع المهام المدعومة ونظرة عامة على مجموعات البيانات.

عملية الرفع#

لإنشاء مجموعة بيانات:

1. انتقل إلى Annotate في الشريط الجانبي
2. انقر على New Dataset
3. اختر علامة تبويب مصدر بيانات (راجع مصادر البيانات أدناه)
4. أضف اسمًا — يُشتق جزء العنوان في URL تلقائيًا ويمكن تحريره — بالإضافة إلى وصف اختياري
5. حدد نوع المهمة (راجع المهام المدعومة)، وترخيصًا اختياريًا (راجع التراخيص المتاحة)، ومستوى الظهور (عام أو خاص)
6. انقر على Create & Upload للملفات المحلية، أو Create & Import لعنوان URL أو مصدر متصل، أو Create Dataset للبدء من دون بيانات

لإضافة ملفات إلى مجموعة بيانات موجودة، افتح صفحة مجموعة البيانات وقم إما بسحب الملفات إلى المعرض أو النقر فوق أيقونة التحميل في ترويسة الصفحة. تفتح أيقونة التحميل أداة اختيار الملفات الأصلية لمتصفحك مباشرة نظراً لتعريف مهمة مجموعة البيانات مسبقاً.

مصادر البيانات#

يوفر مربع الحوار New Dataset أربعة مصادر:

قبل بدء الرفع#

تتحقق Platform من ملفاتك في المتصفح قبل رفع أي شيء، لذا تظهر المشكلات الشائعة فورًا بدلًا من ظهورها بعد نقل طويل. وتُفحص الأرشيفات بحثًا عن التلف والفراغ والحماية بكلمة مرور وأخطاء بناء جملة YAML، كما تُدرج الملفات كبيرة الحجم حسب أسمائها.

قد يظهر بعد ذلك مربعا حوار:

بعد الرفع، تعالج المنصة بياناتك تلقائيًا:

graph LR
    A[Upload]:::start --> B[Validate]:::proc
    B --> C[Normalize]:::proc
    C --> D[Thumbnail]:::proc
    D --> E[Parse Labels]:::proc
    E --> F[Statistics]:::out

    classDef start fill:#4CAF50,color:#fff
    classDef proc fill:#2196F3,color:#fff
    classDef out fill:#9C27B0,color:#fff

1. التحقق: فحوصات التنسيق والحجم
2. التوحيد: تغيير حجم الصور الكبيرة (بحد أقصى 4096 بكسل، وبُعد أدنى قدره 28 بكسل)، وتوسيع الصور ذات التدرج الرمادي إلى RGB، وتسطيح الشفافية على خلفية بيضاء، وتطبيق اتجاه EXIF
3. الصور المصغرة: إنشاء معاينات WebP بحجم 256 بكسل
4. تحليل التسميات: استخراج تسميات YOLO وCOCO وNDJSON
5. الإحصاءات: حساب توزيعات الفئات وأبعاد الصور

from ultralytics.data.utils import check_det_dataset

check_det_dataset("path/to/data.yaml")

استعراض الصور#

اعرض صور مجموعة بياناتك في تخطيطات متعددة.

افتح لوحة التجميع من شريط أدوات المعرض لاستكشاف مجموعة بياناتك في مخطط تبعثر تفاعلي ثنائي الأبعاد.

الفرز والتصفية#

يمكن فرز الصور وتصفيتها لاستعراضها بكفاءة:

عارض ملء الشاشة#

انقر على أي صورة لفتح عارض ملء الشاشة الذي يتضمن:

• التنقل: مفاتيح الأسهم أو معاينات الصور المصغرة للاستعراض
• معلومات الصورة: مراجعة الخصائص التي أنشأتها المنصة والبيانات الوصفية المخصصة والبيانات الوصفية المضمّنة في الملف، مثل EXIF
• البيانات الوصفية المخصصة: يمكن للمالكين والمحررين إضافة كائن JSON أو استبداله، بما في ذلك القيم المتداخلة التي يصل حجمها إلى 500,000 حرف متسلسل، والمفاتيح ذات المستوى الأعلى التي يصل طولها إلى 128 حرفًا
• التعليقات التوضيحية: تبديل مستوى رؤية تراكب التعليقات التوضيحية
• تفصيل الفئات: أعداد التسميات لكل فئة مع مؤشرات لونية
• التعليق التوضيحي: عند امتلاك صلاحية التعديل، تنشط عناصر التحكم بالتعليقات التوضيحية فورًا عند فتح عارض ملء الشاشة على سطح المكتب
• التنزيل: تنزيل ملف الصورة الأصلي
• الحذف: حذف الصورة من مجموعة البيانات
• التكبير: Cmd/Ctrl+Scroll أو Cmd/Ctrl++ أو Cmd/Ctrl+= للتكبير، وCmd/Ctrl+- للتصغير
• إعادة ضبط العرض: Cmd/Ctrl + 0 أو زر إعادة الضبط لملاءمة الصورة مع العارض
• التحريك: اضغط باستمرار على Space واسحب لتحريك اللوحة عند التكبير
• عرض البكسلات: تبديل العرض المنقط لفحص التفاصيل عن قرب
• ستارة العمق: في مجموعات بيانات العمق، يمسح فاصل قابل للسحب بين صورة RGB وخريطة العمق الملوّنة الخاصة بها

التصفية حسب التقسيم#

تصفية الصور حسب تقسيم مجموعة البيانات:

التجميع#

تُسقط لوحة Clustering مجموعة بياناتك في مخطط تبعثر تفاعلي ثنائي الأبعاد، بحيث تكون الصور المتشابهة بصريًا متقاربة. استخدمها لإظهار العناقيد، واكتشاف الصور المكررة والقيم الشاذة، وفحص كيفية توزيع التقسيمات أو الفئات عبر بياناتك — دون مغادرة المعرض. افتحها من أيقونة مخطط التبعثر في شريط أدوات المعرض ضمن أي صفحة لمجموعة بيانات.

تشغيل التحليل#

بدء تحليل:

1. افتح مجموعة بيانات وانقر على أيقونة مخطط التبعثر في شريط أدوات المعرض
2. انقر على Analyze Dataset
3. انتظر حتى يكتمل شريط التقدم — ستظهر النتائج في اللوحة نفسها

يُجرى التحليل في الخلفية على مرحلتين، Computing embeddings وClustering، وقد يستغرق بضع دقائق حسب حجم مجموعة بياناتك. ويمكنك إغلاق اللوحة أو مغادرة الصفحة والعودة إليها لاحقًا.

التصور#

عند اكتمال التحليل، تعرض اللوحة مخطط تبعثر ثنائي الأبعاد لجميع الصور التي جرى تحليلها، مع وسيلة إيضاح وعداد للنقاط. وتُخفت النقاط الخارجة عن عوامل تصفية المعرض (التقسيم والفئة والموسومة/غير الموسومة) حتى تتمكن من التركيز على المجموعة الفرعية التي تهمك — ويقرأ العداد حينها visible / total points.

التلوين حسب#

غيّر طريقة تظليل نقاط البيانات باستخدام القائمة المنسدلة Color by في شريط أدوات اللوحة. بدّل أوضاع العرض في أي وقت — إذ يُعاد تلوين المخطط فورًا، لتتمكن من رؤية كيفية توزيع التقسيمات أو الفئات أو خصائص الصور عبر مجموعاتك:

التحديد بالحبل#

ارسم تحديدًا حر الشكل حول منطقة لتمييز النقاط في المخطط. يقتصر عرض المعرض على الصور المطابقة، بحيث يمكنك فحصها أو إعادة تسميتها أو نقلها أو حذفها باستخدام عمليات الصور المعتادة.

التحريك والتكبير#

تنقّل مباشرةً بين المخططات المبعثرة الكبيرة باستخدام الفأرة ولوحة المفاتيح، أو باستخدام أزرار التكبير الموجودة أسفل يسار المخطط:

إعادة التحليل#

إذا تغيّرت مجموعة بياناتك بعد التحليل — بوصول صور جديدة أو عدم تطابق العدد الذي جرى تحليله مع مجموعة البيانات — يظهر زر Re-analyze أعلى اللوحة للمالكين والمحررين.

انقر على Re-analyze لإعادة حساب التضمينات والإسقاط ثنائي الأبعاد من البداية.

العثور على صور مشابهة#

تغذي التضمينات نفسها بحث التشابه عبر مجموعات البيانات العامة. في مجموعة بيانات يمكنك تعديلها، انقر بزر الماوس الأيمن فوق صورة في عرض الشبكة (Grid) أو المدمج (Compact) (أو صف واحد محدد في عرض الجدول (Table)) واختر العثور على صور مشابهة. يسرد مربع الحوار ما يصل إلى 24 من أقرب الصور العامة مع مجموعة بيانات المصدر الخاصة بها، والترخيص، ودرجة التشابه، مع استبعاد الصور التي تحتفظ بها مجموعة بياناتك بالفعل ونسخ الصورة المحددة في مجموعات بيانات أخرى. حدد الصور التي تريدها وانقر فوق إضافة إلى مجموعة البيانات: يتم إضافتها إلى التقسيم train كصور غير مصنفة، وتحتسب مقابل مساحة التخزين الخاصة بك، وتكون جاهزة لـالتسمية.

الصورة التي ليس لها تضمين - في مجموعة بيانات لم يتم تحليلها بعد، أو تمت إضافتها منذ التحليل الأخير - تظهر Analyze this dataset in Clustering to find similar images. مربع الحوار غير متوفر على مجموعات البيانات المتصلة. يقوم تشخيص التحقق لكل صورة الخاص بالنموذج بتشغيل نفس البحث من الصور ذات الأداء الأسوأ.

علامات تبويب مجموعة البيانات#

يمكن أن تعرض كل صفحة لمجموعة بيانات ما يصل إلى ست علامات تبويب، وفقًا لحالة مجموعة البيانات وأذوناتك:

علامة تبويب الصور#

العرض الافتراضي الذي يعرض معرض الصور مع تراكبات التعليقات التوضيحية. ويدعم أوضاع عرض الشبكة والمضغوط والجدولي. اسحب الملفات وأفلتها هنا لإضافة المزيد من الصور.

علامة تبويب الفئات#

تظهر علامة التبويب هذه عندما تحتوي مجموعة البيانات على صور وتكون لمهمتها فئات.

إدارة فئات التعليقات التوضيحية لمجموعة البيانات:

• مدرج الفئات: مخطط شريطي يعرض عدد التعليقات التوضيحية لكل فئة، مرتبًا حسب التكرار، مع مفتاح تبديل للمقياس الخطي/اللوغاريتمي
• جدول الفئات: جدول قابل للفرز والبحث، يتضمن الفهرس والاسم وعدد التعليقات التوضيحية وعدد الصور
• تحرير أسماء الفئات: انقر على أي اسم فئة لإعادة تسميته inline
• تحرير ألوان الفئات: انقر على عينة لون لتغيير لون الفئة
• إضافة فئة جديدة: استخدم حقل الإدخال في الأسفل لإضافة الفئات
• دمج الفئات: حدّد صفين أو أكثر وانقر على Merge into one
• حذف الفئات: حدّد صفًا واحدًا أو أكثر وانقر على Delete

دمج الفئات#

يعمل الدمج على توحيد التسميات المكررة أو المتداخلة — مثل دمج car وautomobile وvehicle في فئة واحدة:

1. حدّد فئتين أو أكثر باستخدام خانات الاختيار الخاصة بالصفوف
2. انقر على Merge into one في رأس الجدول، أو انقر بزر الفأرة الأيمن على التحديد
3. اختر أيًا من الفئات المحددة ليكون الهدف الذي تُدمج فيه الفئات الأخرى
4. أكّد

تُعاد إسناد كل تعليقات توضيحية تنتمي إلى الفئات المصدر إلى الفئة الهدف، وتُزال الفئات المصدر. لا تُحذف أي تعليقات توضيحية، لذا يظل إجمالي عدد التعليقات التوضيحية في مجموعة البيانات دون تغيير.

حذف الفئات#

1. حدّد فئة واحدة أو أكثر باستخدام خانات الاختيار الخاصة بالصفوف
2. انقر على Delete في رأس الجدول، أو انقر بزر الفأرة الأيمن على التحديد
3. أكّد

يؤدي حذف فئة إلى إزالة الفئة وجميع تعليقاتها التوضيحية. وفي مجموعات بيانات التصنيف، تُزال التسميات، لكن تبقى الصور وتصبح غير مشروحة.

علامة تبويب المخططات#

تظهر علامة التبويب هذه عندما تحتوي مجموعة البيانات على صور.

إحصاءات تلقائية محسوبة من مجموعة بياناتك:

تظهر المخططات بهذا الترتيب، ويُحذف كل مخطط عندما لا تتوفر له بيانات في مجموعة البيانات — فلا يعرض raw image dataset مخططات للتعليقات التوضيحية، ولا يظهر Points per Instance إلا لبيانات segment وpose:

علامة تبويب النماذج#

اعرض جميع النماذج المدرَّبة على مجموعة البيانات هذه في جدول قابل للبحث:

علامة تبويب الأخطاء#

تظهر علامة التبويب هذه فقط عند فشل معالجة ملف واحد أو أكثر.

تُدرج هنا الصور التي فشلت معالجتها، مع ما يلي:

• شريط الأخطاء: العدد الإجمالي للصور الفاشلة والإرشادات
• جدول الأخطاء: اسم الملف، ووصف الخطأ بصياغة سهلة الفهم، وتلميحات الإصلاح، وصورة مصغرة للمعاينة
• تشمل الأخطاء الشائعة الملفات التالفة، والتنسيقات غير المدعومة، والصور الصغيرة جدًا (الحد الأدنى 28px)، وأنماط الألوان غير المدعومة

علامة تبويب الإصدارات#

أنشئ لقطات NDJSON غير قابلة للتغيير من مجموعة البيانات للتدريب القابل لإعادة الإنتاج. يلتقط كل إصدار أعداد الصور والفئات والتعليقات التوضيحية وحجم الملف وقت الإنشاء.

لإنشاء إصدار:

1. افتح علامة تبويب الإصدارات
2. أدخل وصفًا اختياريًا (مثل: "أُضيفت 500 صورة تدريبية" أو "أُصلحت الفئات ذات التسميات الخاطئة")
3. انقر على إصدار جديد
4. يظهر الإصدار الجديد في الجدول

يُرقّم كل إصدار بالتسلسل (v1 وv2 وv3...) ويكون غير قابل للتغيير — لا يمكن تحرير الإصدارات أو إزالتها، ولا يمكن تغيير سوى أوصافها. استخدم إجراءات الصف لتنزيل أي إصدار أو استعادته في أي وقت.

تصدير مجموعة البيانات#

صدّر مجموعة البيانات للاستخدام دون اتصال من خلال تنزيل NDJSON من رأس مجموعة البيانات أو علامة تبويب الإصدارات.

للتصدير:

1. انقر على زر التنزيل (أيقونة التنزيل) في رأس مجموعة البيانات
2. نزّل لقطة NDJSON الحالية مباشرةً
3. استخدم علامة تبويب الإصدارات عندما تريد لقطة مرقّمة غير قابلة للتغيير يمكنك إعادة تنزيلها لاحقًا

يخزن تنسيق NDJSON كائناً برمجياً بصيغة JSON واحداً لكل سطر. يحتوي السطر الأول على بيانات وصفية لمجموعة البيانات، يليه سطر واحد لكل صورة:

{"type": "dataset", "task": "detect", "name": "my-dataset", "description": "...", "bytes": 12345678, "url": "https://platform.ultralytics.com/...", "class_names": {"0": "person", "1": "car"}, "version": 1, "created_at": "2026-01-15T10:00:00Z", "updated_at": "2026-02-20T14:30:00Z"}
{"type": "image", "file": "img001.jpg", "url": "https://...", "width": 640, "height": 480, "split": "train", "metadata": {"location": {"site": "factory-1"}, "reviewed": true}, "annotations": {"boxes": [[0, 0.5, 0.5, 0.2, 0.3]]}}
{"type": "image", "file": "img002.jpg", "url": "https://...", "width": 1280, "height": 720, "split": "val"}

يُحافظ على كائن metadata الاختياري على مستوى الصورة عند استيراد ملف NDJSON إلى Platform. يمكنك فحصه أو تحريره من لوحة معلومات الصورة بملء الشاشة. بالنسبة إلى عمليات تحميل الأرشيف برمجيًا، تقبل واجهة برمجة تطبيقات استيعاب بيانات مجموعة البيانات خريطة المسارات المكافئة imageMetadata.

تحتوي مجموعات بيانات الوضعية أيضًا على حقل kpt_shape في سطر رأس مجموعة البيانات، ويُستدل عليه من التعليقات التوضيحية عندما لا يكون مضبوطًا مسبقًا.

تعلن صادرات العمق عن "task": "depth" و"depth_scale": 1000 في سطر مجموعة البيانات. يتضمن كل سطر صورة قيمة depth.url لصورة PNG المقترنة العادية من نوع uint16. تنزّل Ultralytics عناوين URL للصور والعمق بالتوازي وتكتب YAML للتدريب بالمقياس نفسه، لذا يمكن تمرير ملف NDJSON مباشرةً إلى model.train(data=...).

راجع وثائق تنسيق NDJSON في Ultralytics للاطلاع على المواصفات الكاملة.

عمليات الصور#

الإجراءات السريعة#

انقر بزر الفأرة الأيمن على أي صورة في العرض الشبكي أو المضغوط للوصول إلى الإجراءات السريعة:

النقل الجماعي إلى التقسيم#

أعد تعيين الصور المحددة إلى تقسيم مختلف ضمن مجموعة البيانات نفسها:

1. انتقل إلى عرض الجدول
2. حدد الصور باستخدام مربعات الاختيار
3. انقر بزر الماوس الأيمن لفتح قائمة السياق
4. اختر Move to split > التدريب أو التحقق أو الاختبار

يمكنك أيضًا سحب الصور وإفلاتها على علامات تبويب عوامل تصفية التقسيم في عرض الشبكة. إذا كان نقل صورة سيتسبب في تعارض مع صورة مطابقة موجودة بالفعل في التقسيم المستهدف، فستسألك Platform ما إذا كنت تريد التخطي أو الاحتفاظ بالصورتين أو الاستبدال.

إعادة توزيع التقسيمات#

أعد توزيع جميع الصور عبر تقسيمات التدريب والتحقق والاختبار باستخدام نسب مخصصة:

1. انقر على شريط التقسيم في شريط أدوات مجموعة البيانات لفتح مربع حوار إعادة توزيع التقسيمات
2. اضبط نسب التقسيم باستخدام أي من الطرق أدناه
3. راجع المعاينة المباشرة لعدد الصور لتأكيد التوزيع
4. انقر على تطبيق لإعادة تعيين جميع الصور عشوائيًا وفقًا للنسب التي حددتها

يوفر مربع الحوار ثلاث طرق لتحديد نسب التقسيم المستهدفة:

تعرض المعاينة المباشرة عدد الصور التي ستصل إلى كل تقسيم بالضبط قبل التطبيق.

الحذف الجماعي#

احذف عدة صور دفعة واحدة:

1. حدد الصور في عرض الجدول
2. انقر بزر الماوس الأيمن واختر Delete، أو اضغط على Cmd/Ctrl+Delete
3. أكد الحذف

معرّف URI لمجموعة البيانات#

أشر إلى مجموعات بيانات Platform باستخدام تنسيق URI ‏ul:// (راجع استخدام مجموعات بيانات Platform):

ul://username/datasets/dataset-slug

يمكنك أيضًا لصق عنوان URL مباشر لمجموعة بيانات أو نموذج على الويب (مثلًا https://platform.ultralytics.com/username/datasets/dataset-slug)؛ إذ يُعاد تلقائيًا إلى URI ‏ul://. يؤدي تمرير قائمة من مجموعات البيانات إلى ضبط نموذج أساسي واحد عبر كل مجموعة منها بالتسلسل، مثلًا model.train(data=["ul://username/datasets/a", "ul://username/datasets/b"]).

استخدم URI هذا لتدريب النماذج من أي مكان:

export ULTRALYTICS_API_KEY="YOUR_API_KEY"
yolo train model=yolo26n.pt data=ul://username/datasets/my-dataset epochs=100

التراخيص المتاحة#

تدعم Platform التراخيص التالية لمجموعات البيانات:

إعدادات مستوى الظهور#

تحكم في من يمكنه رؤية مجموعة بياناتك:

يُحدد مستوى الظهور عند إنشاء مجموعة بيانات في مربع حوار New Dataset باستخدام مفتاح تبديل. تظهر مجموعات البيانات العامة في صفحة الاستكشاف.

تحرير مجموعة البيانات#

تُحرر البيانات الوصفية لمجموعة البيانات مباشرةً ضمن الصفحة — ولا حاجة إلى مربع حوار:

• الاسم: انقر على اسم مجموعة البيانات لتحريره. تُحفظ التغييرات تلقائيًا عند فقدان التركيز أو الضغط على Enter. تقتصر الأسماء على 100 حرف.
• الوصف: انقر على الوصف (أو العنصر النائب "أضف وصفًا...") لتحريره. تُحفظ التغييرات تلقائيًا. تقتصر الأوصاف على 1,000 حرف.
• نوع المهمة: انقر على شارة المهمة لتحديد نوع مهمة مختلف.
• الترخيص: انقر على محدد الترخيص لتغيير ترخيص مجموعة البيانات.
• الأيقونة: انقر على أيقونة مجموعة البيانات لتحميل صورتك الخاصة، أو ترقية إحدى صور مجموعة البيانات نفسها إلى أيقونة، أو اختيار حرف ولون.

بيانات وصفية مخصصة#

افتح مزيد من الإجراءات وحدد المعلومات لمراجعة قسمين:

• البيانات الوصفية لـ Ultralytics: تفاصيل Platform للقراءة فقط، مثل معرّف مجموعة البيانات والمالك والمهمة وعدد الصور والتعليقات التوضيحية ومنطقة التخزين والطوابع الزمنية
• البيانات الوصفية المخصصة: كائن JSON خاص بك لحفظ المصدر وظروف الالتقاط ومعرّفات العملاء والحوكمة أو غير ذلك من البيانات السياقية

يمكن لمشاهدي مساحة العمل فحص البيانات الوصفية، بينما يستطيع الأعضاء الذين يملكون صلاحية التحرير استبدال كائن البيانات الوصفية المخصصة. يقتصر حجم كائن البيانات الوصفية المتسلسل على 500,000 حرف، ويقتصر كل مفتاح من المستوى الأعلى على 128 حرفًا. احفظ كائنًا فارغًا ({}) لمسح البيانات الوصفية المخصصة.

استنساخ مجموعة البيانات#

عند عرض مجموعة بيانات عامة لا تملكها، انقر على Clone Dataset لفتح مربع حوار الاستنساخ. راجع مساحة العمل الوجهة والاسم ومستوى الظهور والترخيص، ثم أكد الاستنساخ. تتضمن النسخة جميع الصور والتعليقات التوضيحية وتعريفات الفئات. تظل مجموعات البيانات المصدر العامة عامةً افتراضيًا في مساحات العمل التي يكون مستوى ظهورها الافتراضي عامًا؛ أما عمليات الاستنساخ في مساحات عمل Enterprise فتكون خاصة افتراضيًا. إذا كانت مجموعة البيانات الأصلية تستخدم ترخيص حقوق متروكة، فإن الاستنساخ يرثه ويُقفل محدد الترخيص.

تُعاد تسمية المعرّف المختصر للوجهة تلقائيًا إذا كان مستخدمًا بالفعل، ويتطلب الاستنساخ توفر حصة تخزين متبقية كافية لاستيعاب النسخة.

التفضيل والمشاركة#

• التفضيل: انقر على زر النجمة لوضع إشارة مرجعية على مجموعة بيانات. يظهر عدد التفضيلات لجميع المستخدمين.
• المشاركة: بالنسبة إلى مجموعات البيانات العامة، انقر على زر المشاركة لنسخ رابط أو الحصول على مقتطف تضمين أو المشاركة على منصات التواصل الاجتماعي.

حذف مجموعة البيانات#

احذف مجموعة بيانات لم تعد بحاجة إليها:

1. افتح المزيد من الإجراءات (الزر …) في رأس مجموعة البيانات
2. اختر حذف مجموعة البيانات
3. أكّد في مربع الحوار: "سيؤدي هذا إلى نقل [name] إلى المهملات. يمكنك استعادتها خلال 30 يومًا."

تتضمن القائمة نفسها المعلومات، التي تفتح مربع حوار البيانات الوصفية الموضّح في البيانات الوصفية المخصّصة، والتحديث، الذي يعيد قراءة مجموعة البيانات من الخادم.

التدريب على مجموعة البيانات#

ابدأ التدريب مباشرةً من مجموعة البيانات:

1. انقر على New Model في صفحة مجموعة البيانات
2. حدّد مشروعًا أو أنشئ مشروعًا جديدًا
3. اضبط معلمات التدريب
4. ابدأ التدريب

graph LR
    A[Dataset]:::start --> B[New Model]:::proc
    B --> C[Select Project]:::proc
    C --> D[Configure]:::proc
    D --> E[Start Training]:::out

    classDef start fill:#4CAF50,color:#fff
    classDef proc fill:#2196F3,color:#fff
    classDef out fill:#9C27B0,color:#fff

راجع التدريب السحابي لمزيد من التفاصيل.

الأسئلة الشائعة#