تدريب النموذج#
توفر Ultralytics Platform أدوات شاملة لـ training YOLO models، بدءاً من تنظيم التجارب وحتى تشغيل مهام التدريب السحابية مع دفق المقاييس في الوقت الفعلي.
Watch: Get Started with Ultralytics Platform - Train
نظرة عامة#
يساعدك قسم التدريب في:
- تنظيم النماذج في projects لتسهيل الإدارة
- التدريب على وحدات معالجة الرسوميات السحابية بنقرة واحدة
- مراقبة المقاييس في الوقت الفعلي أثناء التدريب
- مقارنة أداء النموذج عبر التجارب المختلفة
- تصدير إلى 20 تنسيق نشر (انظر supported formats)
سير العمل#
graph LR
A[📁 Project]:::start --> B[⚙️ Configure]:::proc
B --> C[🚀 Train]:::proc
C --> D[📈 Monitor]:::proc
D --> E[📦 Export]:::out
classDef start fill:#4CAF50,color:#fff
classDef proc fill:#2196F3,color:#fff
classDef out fill:#9C27B0,color:#fff| المرحلة | الوصف |
|---|---|
| المشروع | إنشاء مساحة عمل لتنظيم النماذج ذات الصلة |
| التكوين | حدد dataset والنموذج الأساسي ومعلمات التدريب |
| التدريب | التشغيل على وحدات معالجة الرسوميات السحابية أو أجهزتك المحلية |
| المراقبة | عرض منحنيات الخسارة والمقاييس في الوقت الفعلي |
| التصدير | التحويل إلى 20 تنسيق نشر (details) |
خيارات التدريب#
تدعم Ultralytics Platform طرق تدريب متعددة:
| الطريقة (Method) | الوصف | الأفضل لـ |
|---|---|---|
| Cloud Training | التدريب على وحدات معالجة الرسوميات السحابية لـ Ultralytics | لا توجد وحدة معالجة رسوميات محلية، قابلية التوسع |
| Local Training | التدريب محلياً، وبث المقاييس إلى المنصة | الأجهزة الموجودة، الخصوصية |
| Colab Training | استخدام Google Colab مع تكامل المنصة | وصول مجاني إلى وحدة معالجة الرسوميات |
عندما تحدد وحدة معالجة رسومات (GPU) أرخص من RTX PRO 6000 وكانت السعة المُدارة بواسطة Ultralytics متاحة مجاناً، تقوم المنصة بتشغيل مهمتك على وحدة RTX PRO 6000 مع الاستمرار في احتساب التكلفة بناءً على السعر بالساعة لوحدة معالجة الرسومات التي اخترتها. يمكن أن تنتهي عمليات التشغيل بشكل أسرع وتكلف أقل مقارنةً بتشغيلها على وحدة معالجة الرسومات المحددة — إذ لا يضيف هذا الترقية أي وقت أو تكلفة إضافية.
خيارات وحدة معالجة الرسوميات (GPU)#
وحدات معالجة الرسوميات المتاحة للتدريب السحابي على Ultralytics Cloud:
| 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 4000 | Blackwell | 24 GB | $0.57 | Budget Blackwell |
| 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 PRO 5000 | Blackwell | 48 GB | $0.96 | 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 | $2.09 | الخيار الافتراضي الموصى به |
| H100 PCIe | Hopper | 80 GB | $2.89 | تدريب عالي الأداء |
| H100 NVL | Hopper | 94 GB | $3.19 | أقصى أداء |
| H100 SXM | Hopper | 80 GB | $3.29 | أسرع تدريب |
| H200 NVL | Hopper | 143 GB | $3.39 | أقصى ذاكرة |
| H200 SXM | Hopper | 141 GB | $4.39 | أقصى أداء |
| B200 | Blackwell | 180 GB | $5.89 | النماذج الكبيرة (Pro+) |
| B300 | Blackwell | 288 GB | $7.39 | أكبر النماذج (Pro+) |
تتطلب وحدات معالجة الرسومات B200 و B300 وجود Pro or Enterprise plan. جميع وحدات معالجة الرسومات الأخرى متاحة في كل الخطط بما في ذلك المجانية.
تتحصل الحسابات الجديدة على رصيد اشتراك للتدريب. تحقق من Billing لمعرفة التفاصيل.
مقاييس في الوقت الفعلي#
أثناء التدريب، يمكنك عرض المقاييس المباشرة عبر ثلاث علامات تبويب فرعية:
graph LR
A[Charts]:::start --> B[Loss Curves]:::out
A --> C[Task Metrics]:::out
D[Console]:::start --> E[Live Logs]:::out
D --> F[Error Detection]:::out
G[System]:::start --> H[GPU, CPU & Memory]:::out
G --> I[Network & Disk I/O]:::out
classDef start fill:#4CAF50,color:#fff
classDef out fill:#9C27B0,color:#fff| علامة التبويب الفرعية | المقاييس |
|---|---|
| المخططات | مقاييس المهمة (mAP50، mAP50-95، الدقة (precision)، الاستدعاء (recall) للكشف)، خسائر التدريب والتحقق (train/val losses)، ومعدل التعلم |
| وحدة التحكم | سجلات التدريب المباشرة مع ألوان ANSI والكشف التلقائي عن الأخطاء |
| النظام | استخدام وحدة معالجة الرسومات (GPU)، ذاكرة وحدة معالجة الرسومات ودرجة حرارتها، وحدة المعالجة المركزية (CPU)، الذاكرة العشوائية (RAM)، وإدخال/إخراج الشبكة والقرص |
يتم رفع نقطة التحقق الأفضل (best.pt، الحقبة ذات اللياقة الأعلى) إلى المنصة بشكل دوري أثناء تشغيل التدريب مرة أخرى عند انتهاء التشغيل، لذا فإن التنزيل، والتصدير، والنشر ي გამოყენون دائماً أفضل حقبة تم إنتاجها حتى الآن. تحتفظ عمليات التشغيل الملغاة بأحدث نقطة تحقق اكتمل رفعها.
بدء التشغيل السريع#
ابدأ التدريب السحابي في أقل من دقيقة:
- أنشئ مشروعاً في الشريط الجانبي
- انقر على نموذج جديد
- اختر نموذجاً ومجموعة بيانات و GPU
- انقر على بدء التدريب
روابط سريعة#
- المشاريع: قم بتنظيم نماذجك وتجاربك
- Models: إدارة نقاط التحقق المدربة
- التدريب السحابي: التدريب على وحدات معالجة الرسوميات السحابية
الأسئلة الشائعة#
يعتمد وقت التدريب على:
- حجم مجموعة البيانات (عدد الصور)
- حجم النموذج (n, s, m, l, x)
- عدد العصور (epochs)
- نوع GPU المحدد
يتوقع المقدر الحالي حوالي 6 دقائق لـ 1000 صورة، YOLO26n، و100 حقبة (epochs) على RTX PRO 6000، وحوالي دقيقتين لـ 500 صورة، YOLO26n، و50 حقبة (epochs) على RTX 4090. تختلف المدة الفعلية؛ استخدم التقدير المباشر في مربع حوار التدريب لمجموعة البيانات والتكوين المحددين. راجع cost examples.
نعم. تعتمد حدود التدريب السحابي المتزامن على خطتك: الخطة المجانية تسمح بـ 3، و Pro تسمح بـ 10، و Enterprise غير محدودة. لمزيد من التدريب المتوازي، استخدم التدريب عن بُعد من أجهزة متعددة.
إذا فشل التدريب:
- يتم تمييز النموذج على أنه فشل ويتم إنهاء مثيل الحوسبة
- تُظهر صفحة النموذج لافتة خطأ تحتوي على الخطأ المُسجَّل، ورابطاً لمخرجات وحدة التحكم (console)، وإجراء إعادة المحاولة (Retry) الذي يعيد فتح مربع حوار التدريب بنفس الإعدادات
- يتم تمييز عملية التشغيل التي تتوقف عن الإبلاغ عن أي نشاط لعدة ساعات تلقائياً على أنها فاشلة وتحرير موارد الحوسبة الخاصة بها
- إذا بدأت الحوسبة السحابية، يتم احتساب رسوم وقت GPU المنقضي؛ ولا تُفرض أي رسوم استخدام لـ GPU في حال حدوث اخفاقات قبل بدء الحوسبة
السيناريو وحدة GPU الموصى بها معظم مهام التدريب RTX PRO 6000 مجموعات البيانات الكبيرة أو أحجام الدفعات (batch sizes) H100 SXM أو H200 مراعاة الميزانية RTX 4090