دليل البدء السريع لـ Ultralytics Platform#

توفر Ultralytics Platform مسار عمل موجهاً لتحميل مجموعات البيانات، وتدريب نماذج YOLO جديدة من أوزان مدربة مسبقاً، واختبار النماذج المكتملة في المتصفح، وتكوين نقاط نهاية استدلال مخصصة.

يوضح الرسم التفاعلي التالي المراحل الأربع الأساسية لسير عمل Ultralytics Platform. اضغط على أي مرحلة أو خطوة فرعية للوصول إلى تعليمات مفصلة لهذا القسم.

graph LR
    A(Sign Up):::start --> B(Prepare Data):::proc --> C(Train):::proc --> D(Deploy):::out
    A -.- A1["<a href='#get-started'>Create account</a><br/><a href='#region-selection'>Select region</a>"]:::proc
    B -.- B1["<a href='#upload-your-first-dataset'>Upload dataset</a><br/><a href='#create-your-first-project'>Create Project</a>"]:::proc
    C -.- C1["<a href='#training-configuration'>Configure training</a><br/><a href='#monitor-training'>Monitor progress</a>"]:::proc
    D -.- D1["<a href='#test-your-model'>Test model</a><br/><a href='#deploy-to-production'>Deploy endpoint</a>"]:::proc

    click A "#get-started"
    click B "#upload-your-first-dataset"
    click C "#train-your-first-model"
    click D "#deploy-to-production"

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

ابدأ الآن#

توفر Ultralytics Platform مجموعة متنوعة من خيارات التسجيل السهلة. يمكنك التسجيل وتسجيل الدخول باستخدام حسابات Google أو GitHub الخاصة بك، أو باستخدام عنوان بريدك الإلكتروني.

اختيار المنطقة#

أثناء الإعداد، سيُطلب منك تحديد منطقة البيانات الخاصة بك. تقيس المنصة تلقائيًا زمن الانتقال لكل منطقة وتوصي بالأقرب. يحدد هذا الاختيار المكان الذي يتم فيه تخزين مجموعات البيانات والنماذج وبيانات التدريب المُدارة. يتم تحديد مناطق نقاط النهاية المخصصة بشكل منفصل عند نشر النموذج.

أرصدة مجانية#

يحصل كل حساب جديد على أرصدة مجانية لتدريب النماذج على GPU السحابي:

أكمل ملفك الشخصي#

يرشدك مسار التهيئة عبر ثلاث خطوات:

1. الملف الشخصي - أدخل اسم العرض الخاص بك، واسم المستخدم الفريد (دائم، لا يمكن تغييره لاحقاً)، والمؤسسة (اختياري)، وحالة الاستخدام الأساسية
2. منطقة البيانات - اختر US أو EU أو AP مع خريطة عالمية مرئية توضح زمن الاستجابة
3. الإكمال - راجع اختياراتك، ويمكنك اختيارياً تطبيق رمز ترويجي، وإنهاء التسجيل للمطالبة بأرصدة الترحيب الخاصة بك

لوحة التحكم الرئيسية#

بعد تسجيل الدخول، سيتم توجيهك إلى الصفحة الرئيسية لـ Ultralytics Platform، والتي توفر بطاقة ترحيب تتضمن إحصاءات مساحة العمل، وفيديو نظرة عامة، ووصولاً سريعاً إلى مجموعات البيانات، والمشاريع، والتخزين، وموجز النشاط الحديث.

التنقل في الشريط الجانبي#

يوفر الشريط الجانبي إمكانية الوصول إلى جميع أقسام المنصة:

يسرد كل قسم محتوى العناصر الخمسة الأكثر حداثة لديك مع رابط للبقية. يؤدي تحويم المؤشر فوق العنصر إلى إظهار إجراء حذف ينقله إلى سلة المهملات؛ ويمكن الوصول إلى سلة المهملات نفسها من البحث (Cmd+K) أو عن طريق فتح platform.ultralytics.com/trash.

بطاقة الترحيب#

تعرض بطاقة الترحيب ملفك الشخصي، وشارته خطتك (التي ترتبط بمقارنة الخطط)، وإحصاءات مساحة العمل في لمحة سريعة. يرتبط كل إحصاء بعرض مساحة العمل المطابق:

إجراءات سريعة#

أسفل بطاقة الترحيب، تعرض لوحة التحكم ثلاث بطاقات:

• مجموعات البيانات: أنشئ مجموعة بيانات جديدة أو قم بإفلات الصور أو مقاطع الفيديو أو ملفات مجموعات البيانات للرفع. تعرض مجموعات بياناتك الأخيرة.
• Projects: قم بإنشاء مشروع جديد أو أسقط ملفات نموذج .pt للتحميل. يعرض مشاريعك الحديثة.
• التخزين: نظرة عامة على استخدام التخزين الخاص بك (مجموعات البيانات، النماذج، الصادرات) مع حدود الخطة.

يعرض جدول النشاط الحديث في الأسفل أحدث مجموعات البيانات، والمشاريع، وعمليات النشر لديك مع حالتها ووقت آخر تحديث.

بحث عالمي#

اضغط على Cmd+K (نظام Mac) أو Ctrl+K (أنظمة Windows/Linux) لفتح شريط البحث. ابحث عبر الصفحات والمشاريع ومجموعات البيانات وعمليات النشر فوراً.

مساعد الدردشة المدعوم بالذكاء الاصطناعي#

تتوفر أداة دردشة عائمة في كل صفحة. اضغط عليها لطرح أسئلة حول تدريب YOLO، أو التسمية، أو النشر، أو أي ميزة في المنصة. يقدم المساعد مساعدة مدركة للسياق بناءً على الصفحة الحالية.

جولات التهيئة#

تتضمن المنصة جولات إرشادية تقدم الميزات الرئيسية أثناء استكشافك للأقسام المختلفة:

إعادة تشغيل الجولات#

لإعادة تشغيل أي جولة:

• زر إعادة جولة الاستعراض — انقر فوق الصورة الرمزية لملفك الشخصي (أسفل يسار الشريط الجانبي) لفتح قائمة الحساب، ثم حدد إعادة جولة الاستعراض. يؤدي هذا إلى إعادة تعيين جميع الجولات لكي يتم تشغيلها مرة أخرى عند زيارتك القادمة لكل قسم.
• معامل URL — أضف ?tour= مع معرف الجولة لإعادة تشغيل جولة مباشرة: ?tour=nav في الصفحة الرئيسية، أو ?tour=project في صفحة المشروع، أو ?tour=dataset في صفحة مجموعة البيانات.

ارفع مجموعة بياناتك الأولى#

افتح Annotate في الشريط الجانبي وانقر فوق + لإنشاء مجموعة بيانات جديدة. يمكنك أيضًا سحب وإفلات الملفات مباشرة على بطاقة مجموعات البيانات في لوحة المعلومات الرئيسية.

يوفر مربع حوار مجموعة بيانات جديدة أربعة مصادر. يستخدم هذا الدليل السريع خيار التحميل؛ بينما يتم تناول المصادر الأخرى في مجموعات البيانات والتكاملات:

تدعم التحميلات تنسيقات متعددة (التفاصيل الكاملة في مجموعات البيانات):

graph LR
    A[Drop Files]:::start --> B[Auto-Package ZIP]:::proc
    B --> C[Upload to Storage]:::proc
    C --> D[Process Data]:::proc
    D --> E[Resize & Thumbnail]:::proc
    E --> F[Parse Labels]:::proc
    F --> G[Compute Statistics]:::proc
    G --> H[Dataset Ready]:::out

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

بعد الرفع، تقوم المنصة بمعالجة بياناتك تلقائيًا:

1. يتم تغيير حجم الصور الأكبر من 4096 بكسل (مع الحفاظ على نسبة العرض إلى الارتفاع)
2. يتم إنشاء صور مصغرة بحجم 256 بكسل للتصفح السريع
3. يتم تحليل والتحقق من صحة تسميات YOLO وCOCO وتسميات Ultralytics NDJSON
4. يتم حساب الإحصائيات (توزيع الفئات، الخرائط الحرارية، الأبعاد)

my-dataset.zip
├── data.yaml          # Class names and splits
├── train/
│   ├── images/
│   │   ├── img001.jpg
│   │   └── img002.jpg
│   └── labels/
│       ├── img001.txt
│       └── img002.txt
└── val/
    ├── images/
    └── labels/

اقرأ المزيد حول datasets والتنسيقات المدعومة لـ detect، وsegment، وpose، وOBB، وclassify.

أنشئ مشروعك الأول#

تساعدك المشاريع على تنظيم النماذج والتجارب ذات الصلة. افتح Train في الشريط الجانبي وانقر فوق + لإنشاء مشروع. يمكنك أيضًا إفلات أوزان .pt على بطاقة المشاريع في لوحة المعلومات الرئيسية لإنشاء مشروع واستيرادها في خطوة واحدة.

أدخل اسماً ووصفاً اختيارياً. تنظم المشاريع عمليات تشغيل النماذج وأوزان النماذج المستوردة أو المستنسخة، مع رسوم بيانية لمقارنة نتائج التدريب المكتملة.

اقرأ المزيد عن projects.

درب نموذجك الأول#

من مشروعك، انقر فوق New Model لفتح مربع حوار تدريب نموذج جديد. يمكنك أيضاً البدء من صفحة مجموعة البيانات، وفي هذه الحالة يتم تثبيت مجموعة البيانات وتختار مشروع الوجهة بدلاً من ذلك.

تكوين التدريب#

1. النموذج الأساسي: حدد أوزان Ultralytics الرسمية أو أحد نماذجك المدربة الخاصة. يحذر مربع الحوار إذا كانت مهمة النموذج ومهمة مجموعة البيانات غير متطابقتين.
2. مجموعة البيانات: اختر مجموعة بيانات جاهزة تحتوي على صورة تدريب واحدة على الأقل، وصورة تحقق أو اختبار واحدة على الأقل، وصورة مصنفة واحدة على الأقل
3. المعاملات: تعيين العصور (Epochs) (الافتراضي 100)، حجم الدفعة (Batch Size) (فارغ يعني تلقائي)، حجم الصورة (Image Size) (الافتراضي 640)، واسم تشغيل اختياري. قم بتوسيع الإعدادات المتقدمة لتعديل أي وسطة تدريب أخرى لـ Ultralytics داخل محرر YAML.
4. تحديد وحدة معالجة الرسوميات (GPU): في علامة التبويب التحريب السحابي (Cloud Training)، اختر قوة الحوسبة بناءً على ميزانيتك وحجم نموذجك. الافتراضي هو RTX PRO 6000 (96 جيجابايت Blackwell، 2.09 دولار/ساعة)، والذي يتعامل مع كل متغير من متغيرات YOLO26. راجع جدول أسعار GPU الكامل أو خطوة GPU للتدريب السحابي للحصول على القائمة الكاملة وتصنيف المستويات.
5. بدء التدريب: راجع التكلفة والمدة المقدرة بجوار رصيد رصيدك الائتماني، ثم انقر فوق Start Training.

مراقبة التدريب#

بمجرد بدء التدريب، افتح علامة تبويب Train الخاصة بالنموذج لمراقبة التقدم في الوقت الفعلي من خلال ثلاث علامات تبويب فرعية:

يتم بث المقاييس في الوقت الفعلي عبر SSE (أحداث المرسل إليه الخادم - Server-Sent Events). بمجرد توفر عناصر التحقق، تنقسم علامة التبويب الفرعية للرسوم البيانية إلى عرضين التدريب والتحقق، مع مصفوفة الارتباك، ومنحنيات PR، ومنحنيات F1 تحت التحقق.

اقرأ المزيد عن cloud training.

اختبر نموذجك#

بعد اكتمال التدريب، اختبر نموذجك مباشرة في المتصفح:

1. انتقل إلى علامة التبويب Predict الخاصة بنموذجك
2. قم بتحميل صورة، أو السحب والإفلات، أو التقاط صورة من كاميرا الويب الخاصة بك، أو النقر فوق صورة نموذجية (استدلال تلقائي عند الإفلات)
3. عرض تراكبات التنبؤ المناسبة للمهمة، والأوقات لكل مرحلة (المعالجة المسبقة، والاستدلال، والمعالجة اللاحقة، والشبكة)، واستجابة JSON الخام

اضبط معاملات الاستدلال:

تحت مستندات API، تعرض علامة تبويب Predict نموذج تعليمات برمجية بلغات Python و JavaScript و cURL، مملوءة مسبقًا بالمعاملات التي حددتها أعلاه. قم بنشر النموذج أولاً، ثم استبدل عنوان URL والمفتاح المؤقتين بالقيم من نقطة النهاية الخاصة بك:

import requests

url = "https://your-deployment-url.run.app/predict"
api_key = "YOUR_API_KEY"
args = {"conf": 0.25, "iou": 0.7, "imgsz": 640}

with open("image.jpg", "rb") as f:
    response = requests.post(
        url,
        headers={"Authorization": f"Bearer {api_key}"},
        data=args,
        files={"file": f},
    )

print(response.json())

اقرأ المزيد عن inference.

النشر في بيئة الإنتاج#

انشر نموذجك إلى نقطة نهاية مخصصة لاستخدام الإنتاج:

1. انتقل إلى علامة التبويب Deploy الخاصة بنموذجك
2. تقيس المنصة زمن الانتقال (latency) لجميع المناطق الـ 42 وترسمها على خريطة العالم، ملونة بتدرج من الأخضر إلى الأحمر (زمن الانتقال الأقل يكون أخضر، وزمن الانتقال الأعلى يكون أحمر)
3. في جدول زمن انتقال المنطقة أسفل الخريطة — مرتبًا حسب زمن الانتقال من موقعك — ابحث عن المنطقة التي تريدها. استخدم Rescan لإعادة القياس في أي وقت.
4. انقر فوق Deploy في هذا الصف لإنشاء نقطة النهاية الخاصة بك

graph LR
    A[Select Region]:::start --> B[Deploy]:::proc
    B --> C[Provisioning]:::proc
    C --> D[Running]:::out
    D --> E{Lifecycle}:::decide
    E --> F[Stop]:::error
    E --> G[Delete]:::error
    F --> H[Resume]:::proc
    H --> D

    classDef start fill:#4CAF50,color:#fff
    classDef proc fill:#2196F3,color:#fff
    classDef decide fill:#FF9800,color:#fff
    classDef out fill:#9C27B0,color:#fff
    classDef error fill:#F44336,color:#fff

بمجرد اكتمال توفير الموارد، توفر نقطة النهاية الخاصة بك ما يلي:

• URL فريد: نقطة نهاية HTTPS لطلبات API
• Scale-to-zero behavior: تنخفض نقاط النهاية الخاملة إلى الصفر (تشغيل عمليات النشر حاليًا مثيل نشط واحد)
• المراقبة: مقاييس الطلبات والسجلات

بعد النشر، يمكنك إدارة جميع نقاط النهاية الخاصة بك من قسم Deploy في الشريط الجانبي. تعرض لوحة معلومات عمليات النشر خريطة عالمية تحتوي على عمليات النشر النشطة لديك، ومقاييس على مدار 24 ساعة (إجمالي الطلبات، عمليات النشر النشطة، معدل الأخطاء، وزمن الانتقال P95)، وقائمة بكل نقطة نهاية.

اقرأ المزيد عن endpoints.

التدريب عن بعد (اختياري)#

إذا كنت تفضل التدريب على الأجهزة الخاصة بك، يمكنك استخدام مفتاح API الخاص بك للتدريب في أي مكان وبث المقاييس إلى Ultralytics Platform.

أسرع طريق هو علامة تبويب التدريب المحلي في مربع حوار التدريب: فهي تنشئ الأمر الكامل للنموذج، ومجموعة البيانات، والمعاملات التي حددتها، وتملأ مفتاح API (مع إنشاء واحد إذا لم يكن لديك واحد بعد). قم بنسخه وتشغيله في محطتك (terminal).

لتجميع الأمر بنفسك:

1. قم بإنشاء مفتاح API في Settings > API Keys
2. قم بتعيين متغير البيئة والتدريب باستخدام قيمة username/project لـ project:

export ULTRALYTICS_API_KEY="YOUR_API_KEY"

yolo train model=yolo26n.pt data=coco.yaml epochs=100 project=username/my-project name=exp1

اقرأ المزيد عن API keys، وdataset URIs، وremote training.

التعليقات والمساعدة#

تجمع صفحة المساعدة في تذييل الشريط الجانبي روابط التوثيق، والجولات المصورة بالفيديو، وموارد المجتمع، وتتضمن نموذج تعليقات داخل التطبيق. يمكنك تقييم تجربتك من 1 إلى 5 نجوم، واختيار نوع التعليقات (خطأ، ميزة، أو عام)، وإرفاق لقطة شاشة.

إذا كنت بحاجة إلى مزيد من المساعدة:

• AI Chat: انقر على أداة الدردشة العائمة في أي صفحة للحصول على مساعدة فورية
• Documentation: تصفح هذه المستندات للحصول على أدلة مفصلة حول datasets، وannotation، وtraining، وdeployment، وbilling
• Discord: انضم إلى Discord community للمناقشات
• GitHub: أبلغ عن المشكلات على GitHub
• REST API و Python SDK: راجع مرجع API، أو ثبت عميل ultralytics-platform، أو جرب مستندات API التفاعلية للوصول البرمجي إلى جميع ميزات Platform