دليل البدء السريع لمنصة Ultralytics

منصة Ultralytics مصممة لتكون سهلة الاستخدام وبديهية، مما يتيح للمستخدمين تحميل مجموعات بياناتهم وتدريب نماذج YOLO جديدة بسرعة. توفر مجموعة من النماذج المدربة مسبقًا للاختيار من بينها، مما يسهل على المستخدمين البدء. بمجرد تدريب النموذج، يمكن اختباره مباشرة في المتصفح ونشره في بيئة الإنتاج بنقرة واحدة.

journey
    title Your First Model in 5 Minutes
    section Sign Up
      Create account: 5: User
      Select region: 5: User
    section Prepare Data
      Upload dataset: 5: User
      Review images: 4: User
    section Train
      Configure training: 5: User
      Monitor progress: 3: Platform
    section Deploy
      Test model: 5: User
      Deploy endpoint: 5: User

ابدأ

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

اختيار المنطقة

أثناء عملية التسجيل، سيُطلب منك تحديد منطقة بياناتك. تقوم المنصة تلقائيًا بقياس زمن الاستجابة لكل منطقة وتوصي بأقربها. هذا اختيار مهم لأنه يحدد مكان تخزين بياناتك ونماذجك وعمليات النشر.

أرصدة مجانية

يحصل كل حساب جديد على رصيد مجاني GPU على GPU السحابي:

أكمل ملفك الشخصي

قبل تحديد منطقتك، ستكمل ملفك الشخصي بإدخال اسم العرض واسم المستخدم والشركة (اختياري) وحالة الاستخدام الأساسية. يتكون مسار التسجيل من ثلاث خطوات: الملف الشخصي ومنطقة البيانات والإكمال.

لوحة التحكم الرئيسية

بعد تسجيل الدخول، سيتم توجيهك إلى الصفحة الرئيسية Ultralytics والتي توفر بطاقة ترحيب تحتوي على إحصائيات مساحة العمل، ووصول سريع إلى مجموعات البيانات والمشاريع والتخزين، وموجز الأنشطة الحديثة.

شريط التنقل الجانبي

يتيح الشريط الجانبي الوصول إلى جميع أقسام المنصة:

بطاقة ترحيب

تُظهر بطاقة الترحيب ملفك الشخصي وشارة خطتك وإحصائيات مساحة العمل في لمحة سريعة:

إجراءات سريعة

أسفل بطاقة الترحيب، تعرض لوحة التحكم ثلاث بطاقات:

• مجموعات البيانات: قم بإنشاء مجموعة بيانات جديدة أو قم بإسقاط الصور أو مقاطع الفيديو أو ملفات ZIP لتحميلها. يعرض مجموعات البيانات الحديثة الخاصة بك.
• المشاريع: إنشاء مشروع جديد أو إسقاط .pt ملفات النماذج المطلوب تحميلها. يعرض مشاريعك الأخيرة.
• التخزين: نظرة عامة على استخدامك للتخزين (مجموعات البيانات والنماذج والتصديرات) مع حدود الخطة.

يُظهر جدول " الأنشطة الحديثة " في الجزء السفلي أحدث مجموعات البيانات والنماذج وعمليات التدريب.

حمّل مجموعة بياناتك الأولى

انتقل إلى Annotate في الشريط الجانبي وانقر فوق New Dataset لإضافة بيانات التدريب الخاصة بك. يمكنك أيضًا سحب الملفات وإفلاتها مباشرةً على بطاقة مجموعات البيانات في لوحة التحكم الرئيسية.

تدعم Ultralytics تنسيقات تحميل متعددة (التفاصيل الكاملة في مجموعات البيانات):

graph LR
    A[Drop Files] --> B[Auto-Package ZIP]
    B --> C[Upload to Storage]
    C --> D[Backend Worker]
    D --> E[Resize & Thumbnail]
    E --> F[Parse Labels]
    F --> G[Compute Statistics]
    G --> H[Dataset Ready]

بعد التحميل، تقوم المنصة بمعالجة بياناتك تلقائيًا:

1. يتم تغيير حجم الصور التي يزيد حجمها عن 4096 بكسل (مع الحفاظ على نسبة العرض إلى الارتفاع)
2. يتم إنشاء صور مصغرة بحجم 256 بكسل لتصفح سريع
3. يتم تحليل العلامات والتحقق من صحتها (YOLO .txt تنسيق)
4. يتم حساب الإحصائيات (توزيع الفئات، خرائط الحرارة، 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 عن مجموعات البيانات والتنسيقات المدعومة لـ detect، segmentو pose و OBB و classify.

أنشئ مشروعك الأول

تساعدك المشاريع على تنظيم النماذج والتجارب ذات الصلة. انتقل إلى المشاريع وانقر على "إنشاء مشروع".

أدخل اسمًا ووصفًا اختياريًا لمشروعك. تحتوي المشاريع على:

• النماذج: نقاط التحقق المدربة
• سجل النشاط: سجل التغييرات

اقرأ المزيد حول المشاريع.

تدريب نموذجك الأول

من مشروعك، انقر فوق Train Model لبدء التدريب على السحابة.

تهيئة التدريب

1. تحديد مجموعة البيانات: اختر من بين مجموعات البيانات التي قمت بتحميلها (فقط مجموعات البيانات التي تحتوي على train انقسام يتم عرضها)
2. اختر النموذج: حدد نموذجًا أساسيًا — Ultralytics الرسمية أو النماذج المدربة الخاصة بك
3. تعيين العصور: عدد مرات تكرار التدريب (الافتراضي: 100)
4. تحديد GPU: اختر موارد الحوسبة بناءً على ميزانيتك وحجم النموذج

مراقبة التدريب

بمجرد بدء التدريب، يمكنك مراقبة التقدم في الوقت الفعلي من خلال ثلاث علامات تبويب فرعية:

يتم بث المقاييس في الوقت الفعلي عبر SSE (الأحداث المرسلة من الخادم). بعد اكتمال التدريب، يتم إنشاء مخططات التحقق بما في ذلك مصفوفة الارتباك ومنحنيات PR ومنحنيات F1.

اقرأ المزيد حول التدريب السحابي.

اختبار نموذجك

بعد اكتمال التدريب، اختبر نموذجك مباشرة في المتصفح:

1. انتقل إلى نموذجك Predict علامة تبويب
2. قم بتحميل صورة، أو اسحبها وأفلتها، أو استخدم الصور النموذجية (الاستدلال التلقائي عند الإفلات)
3. عرض نتائج الاستدلال مع عرض المربعات المحددة على اللوحة

اضبط معلمات الاستدلال:

في Predict توفر علامة التبويب أمثلة على أكواد جاهزة للاستخدام مع مفتاح API الفعلي الخاص بك مملوء مسبقًا:

import requests

url = "https://platform.ultralytics.com/api/models/{model_id}/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())

curl -X POST "https://platform.ultralytics.com/api/models/{model_id}/predict" \
  -H "Authorization: Bearer your_api_key" \
  -F "file=@image.jpg"

اقرأ المزيد حول الاستدلال.

النشر في بيئة الإنتاج

انشر نموذجك إلى نقطة نهاية مخصصة للاستخدام في الإنتاج:

1. انتقل إلى نموذجك Deploy علامة تبويب
2. اختر منطقة من الخريطة التفاعلية للعالم (43 منطقة متاحة)
3. The map shows real-time latency measurements with traffic light colors (green < 100ms, yellow < 200ms, red > 200ms)
4. انقر Deploy لإنشاء نقطة النهاية الخاصة بك

graph LR
    A[Select Region] --> B[Deploy]
    B --> C[Provisioning ~1 min]
    C --> D[Running]
    D --> E{Lifecycle}
    E --> F[Stop]
    E --> G[Delete]
    F --> H[Resume]
    H --> D

ستكون نقطة النهاية الخاصة بك جاهزة في حوالي دقيقة واحدة، وتتضمن:

• عنوان URL فريد: نقطة نهاية HTTPS لاستدعاءات الـ API
• التوسع التلقائي: تتوسع تلقائيًا مع حجم حركة المرور
• المراقبة: مقاييس الطلبات والسجلات

بعد النشر، يمكنك إدارة جميع نقاط النهاية الخاصة بك من Deploy في الشريط الجانبي، والذي يعرض خريطة عالمية مع عمليات النشر النشطة ومقاييس النظرة العامة وقائمة بجميع نقاط النهاية.

اقرأ المزيد حول نقاط النهاية.

التدريب عن بعد (اختياري)

إذا كنت تفضل التدريب على أجهزتك الخاصة، يمكنك بث المقاييس إلى المنصة باستخدام مفتاح API الخاص بك. يعمل هذا مثل Weights & Biases تدرب في أي مكان، وراقب على المنصة.

1. قم بإنشاء مفتاح API في Settings > Profile (قسم مفاتيح API)
2. قم بتعيين متغير البيئة وقم بالتدريب باستخدام project/name التنسيق:

export ULTRALYTICS_API_KEY="ul_your_api_key_here"

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

اقرأ المزيد عن مفاتيح API وURI لمجموعات البيانات والتدريب عن بُعد.

ملاحظات

نحن نقدر ملاحظاتك! استخدم زر الملاحظات لمساعدتنا في تحسين المنصة.

هل تحتاج إلى مساعدة؟

إذا واجهت أي مشكلات أو كانت لديك أسئلة:

• الوثائق: تصفح هذه الوثائق للحصول على أدلة مفصلة
• ديسكورد: انضم إلى مجتمع ديسكورد الخاص بنا للمناقشات
• جيت هاب: أبلغ عن المشكلات على جيت هاب

📅 تم الإنشاء قبل 1 شهر ✏️ تم التحديث قبل 5 أيام

تعليقات