دليل البدء السريع لمنصة Ultralytics#

توفر منصة Ultralytics سير عمل إرشاديًا لتحميل مجموعات البيانات، وتدريب نماذج YOLO جديدة باستخدام أوزان مدرَّبة مسبقًا، واختبار النماذج المكتملة في المتصفح، وتهيئة نقاط نهاية استدلال مخصصة.

يوضح المخطط التفاعلي التالي المراحل الأربع الأساسية لسير عمل منصة Ultralytics. انقر على أي مرحلة أو خطوة فرعية للوصول إلى التعليمات التفصيلية الخاصة بذلك 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

البدء#

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

اختيار المنطقة#

أثناء الإعداد، سيُطلب منك تحديد منطقة بياناتك. تقيس المنصة تلقائيًا زمن الاستجابة لكل منطقة وتوصي بالمنطقة الأقرب. يحدد هذا الاختيار مكان تخزين مجموعات بياناتك ونماذجك وبيانات التدريب المُدارة. يتم اختيار مناطق نقاط النهاية المخصصة بشكل منفصل عند نشر نموذج.

الأرصدة المجانية#

يحصل كل حساب جديد على أرصدة مجانية للتدريب السحابي باستخدام GPU:

أكمل ملفك الشخصي#

يرشدك مسار الإعداد خلال ثلاث خطوات:

1. الملف الشخصي - أدخل اسم العرض، واسم المستخدم الفريد (دائم ولا يمكن تغييره لاحقًا)، والمؤسسة (اختياريًا)، وحالة الاستخدام الأساسية
2. منطقة البيانات - اختر US أو EU أو AP باستخدام خريطة عالمية مرئية تعرض زمن الاستجابة
3. الإكمال - راجع اختياراتك، وطبّق رمزًا ترويجيًا اختياريًا، وأكمل التسجيل للمطالبة بأرصدة الترحيب

لوحة الصفحة الرئيسية#

بعد تسجيل الدخول، ستُوجَّه إلى الصفحة الرئيسية في منصة Ultralytics، التي توفر بطاقة ترحيب تتضمن إحصاءات مساحة العمل، وفيديوًَا تعريفيًا، ووصولًا سريعًا إلى مجموعات البيانات والمشروعات ومساحة التخزين، وموجزًا بأحدث الأنشطة.

التنقل في الشريط الجانبي#

يوفر الشريط الجانبي إمكانية الوصول إلى جميع أقسام المنصة:

يسرد كل قسم من أقسام المحتوى أحدث خمسة عناصر لديك، مع رابط إلى بقية العناصر. يؤدي تمرير المؤشر فوق أحد العناصر إلى إظهار إجراء حذف ينقله إلى المهملات؛ ويمكن الوصول إلى المهملات نفسها من البحث (Cmd+K) أو بفتح platform.ultralytics.com/trash.

بطاقة الترحيب#

تعرض بطاقة الترحيب ملفك الشخصي وشارة خطتك (التي ترتبط بمقارنة الخطط) وإحصاءات مساحة العمل في لمحة. ويرتبط كل إحصاء بعرض مساحة العمل المطابق له:

الإجراءات السريعة#

أسفل بطاقة الترحيب، تعرض لوحة التحكم ثلاث بطاقات:

• مجموعات البيانات: أنشئ مجموعة بيانات جديدة أو أسقط صورًا أو مقاطع فيديو أو ملفات مجموعات بيانات لتحميلها. تعرض مجموعات البيانات الأخيرة لديك.
• المشروعات: أنشئ مشروعًا جديدًا أو أسقط ملفات نماذج .pt لتحميلها. تعرض مشروعاتك الأخيرة.
• مساحة التخزين: نظرة عامة على استخدامك لمساحة التخزين (مجموعات البيانات والنماذج وعمليات التصدير) مع حدود الخطة.

يعرض جدول أحدث الأنشطة في الأسفل أحدث مجموعات البيانات والمشروعات وعمليات النشر لديك، مع حالتها ووقت آخر تحديث لها.

البحث العام#

اضغط على Cmd+K (Mac) أو Ctrl+K (Windows/Linux) لفتح شريط البحث. ابحث فورًا في الصفحات والمشروعات ومجموعات البيانات وعمليات النشر.

مساعد الدردشة بالذكاء الاصطناعي#

انقر على Ask AI للعمل مع وكيل ذكاء اصطناعي يعمل على أتمتة المهام عبر Ultralytics Platform. وهو يعمل مباشرة مع مجموعات البيانات والنماذج الخاصة بك لتسمية الصور، وتشغيل تجارب التدريب، ومقارنة النتائج، وتصدير النماذج أو نشرها. راجع AutoTrain with Ask AI للحصول على مطالبات نموذجية وإعداد لوكيل الترميز الخاص بك.

جولات الإعداد#

تتضمن المنصة جولات إرشادية تعرّفك بالميزات الأساسية أثناء استكشافك للأقسام المختلفة:

إعادة تشغيل الجولات#

لإعادة تشغيل أي جولة:

• زر إعادة الجولة — انقر على صورة ملفك الشخصي (أسفل الشريط الجانبي) لفتح قائمة الحساب، ثم اختر إعادة الجولة. يؤدي ذلك إلى إعادة ضبط جميع الجولات كي تُعاد عند زيارتك التالية لكل قسم.
• معلمة URL — أضف ?tour= مع معرّف الجولة إلى عنوان URL لإعادة تشغيل جولة واحدة مباشرةً: ?tour=nav في الصفحة الرئيسية، أو ?tour=project في صفحة مشروع، أو ?tour=dataset في صفحة مجموعة بيانات.

تحميل مجموعة بياناتك الأولى#

افتح Annotate في الشريط الجانبي وانقر على + لإنشاء مجموعة بيانات جديدة. يمكنك أيضًا سحب الملفات وإفلاتها مباشرةً في بطاقة مجموعات البيانات ضمن لوحة المعلومات الرئيسية.

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

تدعم عمليات التحميل 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 التحميل، تعالج المنصة بياناتك تلقائيًا:

1. تُعاد تحجيم الصور الأكبر من 4096px (مع الحفاظ على نسبة العرض إلى الارتفاع)
2. تُنشأ صور مصغرة بحجم 256px للتصفح السريع
3. تُحلَّل تسميات YOLO وCOCO وUltralytics NDJSON وتُتحقَّق صحتها
4. تُحسَب الإحصاءات (توزيع الفئات، والخرائط الحرارية، والأبعاد)

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

اطّلع على مزيد من المعلومات حول مجموعات البيانات والتنسيقات المدعومة لـ detect وsegment وpose وOBB وclassify.

إنشاء مشروعك الأول#

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

أدخل اسمًا ووصفًا اختياريًا. تنظم المشاريع عمليات تشغيل النماذج وأوزان النماذج المستوردة أو المستنسخة، مع مخططات لمقارنة نتائج التدريب المكتملة.

اطّلع على مزيد من المعلومات حول المشاريع.

تدريب نموذجك الأول#

من مشروعك، انقر على New Model لفتح مربع حوار تدريب نموذج جديد. يمكنك أيضًا البدء من صفحة مجموعة بيانات، وفي هذه الحالة تُثبَّت مجموعة البيانات وتختار المشروع الوجهة بدلًا من ذلك.

إعدادات التدريب#

1. النموذج الأساسي: حدّد أوزان Ultralytics الرسمية أو أحد نماذجك المدرَّبة. يحذّر مربع الحوار إذا لم تتطابق مهمة النموذج مع مهمة مجموعة البيانات.
2. مجموعة البيانات: اختر مجموعة بيانات جاهزة تحتوي على صورة تدريب واحدة على الأقل، وصورة تحقق أو اختبار واحدة على الأقل، وصورة معنونة واحدة على الأقل
3. المعلمات: عيّن العصور (الافتراضي 100)، وحجم الدفعة (يعني تركه فارغًا تلقائيًا)، وحجم الصورة (الافتراضي 640)، واسم تشغيل اختياري. وسّع الإعدادات المتقدمة لتحرير أي وسيطة تدريب أخرى في Ultralytics عبر محرر YAML.
4. اختيار GPU: في علامة تبويب التدريب السحابي، اختر موارد الحوسبة استنادًا إلى ميزانيتك وحجم النموذج. الإعداد الافتراضي هو RTX PRO 6000 (بسعة 96 GB من Blackwell، وبسعر 2.09 دولار/ساعة)، وهو يتعامل مع جميع متغيرات YOLO26. راجع جدول أسعار GPU الكامل أو خطوة GPU للتدريب السحابي للاطلاع على القائمة الكاملة وقيود المستويات.
5. بدء التدريب: راجع التكلفة والمدة المقدرتين بجوار رصيدك الائتماني، ثم انقر على Start Training.

مراقبة التدريب#

بعد بدء التدريب، افتح علامة تبويب Train الخاصة بالنموذج لمراقبة التقدم في الوقت الفعلي عبر ثلاث علامات تبويب فرعية:

يتم بث المقاييس في الوقت الفعلي عبر SSE (أحداث الخادم المرسلة). بمجرد وجود عناصر التحقق من الصحة، تنقسم علامة التبويب الفرعية للمخططات إلى عرضين التدريب والتحقق من الصحة، مع مصفوفة الارتباك ومنحنيات PR ومنحنيات F1 تحت التحقق من الصحة.

اطّلع على مزيد من المعلومات حول التدريب السحابي.

اختبار نموذجك#

بعد اكتمال التدريب، اختبر نموذجك مباشرةً في المتصفح:

1. انتقل إلى علامة تبويب Predict الخاصة بنموذجك
2. حمّل صورة، أو اسحبها وأفلتها، أو التقط صورة من كاميرا الويب، أو انقر على صورة نموذجية (يُجرى الاستدلال تلقائيًا عند الإفلات)
3. اعرض تراكبات التنبؤ الملائمة للمهمة، والأزمنة لكل مرحلة (المعالجة المسبقة، والاستدلال، والمعالجة اللاحقة، والشبكة)، واستجابة JSON الأولية

اضبط معاملات الاستدلال:

ضمن مستندات API، تعرض علامة تبويب Predict مثالًا على التعليمات البرمجية باستخدام Python وJavaScript وcURL، مع تعبئتها مسبقًا بالمعلمات التي اخترتها أعلاه. انشر النموذج أولًا، ثم استبدل عنوان URL والمفتاح النائبين 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())

اطّلع على مزيد من المعلومات حول الاستدلال.

النشر في الإنتاج#

انشر نموذجك إلى نقطة نهاية مخصصة للاستخدام في بيئة الإنتاج:

1. انتقل إلى علامة تبويب Deploy الخاصة بنموذجك
2. تقيس المنصة زمن الاستجابة في جميع المناطق الـ42 وترسمه على خريطة العالم، ملوّنة بتدرّج من الأخضر إلى الأحمر (زمن الاستجابة الأقل يكون أكثر اخضرارًا، والأعلى يكون أشد احمرارًا)
3. في جدول زمن استجابة المنطقة أسفل الخريطة — المرتب حسب زمن الاستجابة من موقعك — اعثر على المنطقة التي تريدها. استخدم Rescan لإعادة القياس في أي وقت.
4. انقر على Deploy في ذلك 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

بعد اكتمال التجهيز، توفر نقطة النهاية الخاصة بك ما يلي:

• عنوان URL فريد: نقطة نهاية HTTPS لاستدعاءات API
• السلوك القابل للتوسّع إلى الصفر: تتوسع نقاط النهاية الخاملة إلى الصفر (تُشغّل عمليات النشر حاليًا مثيلًا نشطًا واحدًا)
• المراقبة: مقاييس الطلبات والسجلات

بعد النشر، يمكنك إدارة جميع نقاط النهاية من قسم Deploy في الشريط الجانبي. تعرض لوحة معلومات عمليات النشر خريطة عالمية بعمليات النشر النشطة، ومقاييس 24 ساعة (إجمالي الطلبات، وعمليات النشر النشطة، ومعدل الأخطاء، وزمن استجابة P95)، وقائمة بكل نقطة نهاية.

اطّلع على مزيد من المعلومات حول نقاط النهاية.

التدريب عن بُعد (اختياري)#

إذا كنت تفضّل التدريب على أجهزتك الخاصة، فيمكنك استخدام مفتاح API الخاص بك للتدريب في أي مكان وبث المقاييس إلى Ultralytics Platform.

أسرع طريقة هي علامة التبويب التدريب المحلي في مربع حوار التدريب؛ إذ تنشئ الأمر الكامل للنموذج ومجموعة البيانات والمعلمات التي اخترتها، وتملأ مفتاح API (مع إنشاء مفتاح إذا لم يكن لديك مفتاح بعد). انسخه وشغّله في الطرفية.

لتجميع الأمر بنفسك:

1. أنشئ مفتاح API في Settings > API Keys
2. اضبط متغير البيئة ودرّب 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 مفاتيح API ومعرّفات موارد مجموعات البيانات والتدريب عن بُعد.

الملاحظات والمساعدة#

تجمع صفحة المساعدة في تذييل الشريط الجانبي روابط الوثائق، وشروحات الفيديو، وموارد المجتمع، كما تتضمن نموذجًا لإرسال الملاحظات داخل التطبيق. يمكنك تقييم تجربتك من نجمة واحدة إلى 5 نجوم، واختيار نوع الملاحظات (خطأ أو ميزة أو عام)، وإرفاق لقطة شاشة.

إذا كنت بحاجة إلى مزيد من المساعدة:

• الدردشة بالذكاء الاصطناعي: انقر على أداة الدردشة العائمة في أي صفحة للحصول على مساعدة فورية
• الوثائق: تصفّح هذه الوثائق للاطلاع على أدلة مفصلة حول مجموعات البيانات والتعليقات التوضيحية والتدريب والنشر والفوترة
• Discord: انضم إلى مجتمع Discord للمشاركة في النقاشات
• GitHub: أبلِغ عن المشكلات على GitHub
• REST API وPython SDK: راجع مرجع API، وثبّت عميل ultralytics-platform، أو جرّب وثائق API التفاعلية للوصول البرمجي إلى جميع ميزات Platform

الأسئلة الشائعة#