تدريب النماذج
منصة Ultralytics توفر أدوات شاملة لتدريب نماذج YOLO، بدءًا من تنظيم التجارب وصولاً إلى تشغيل مهام التدريب السحابي مع بث المقاييس في الوقت الفعلي.
نظرة عامة
يساعدك قسم التدريب على:
- تنظيم النماذج في مشاريع لتسهيل إدارتها
- التدريب على وحدات GPU السحابية بنقرة واحدة
- مراقبة المقاييس في الوقت الفعلي أثناء التدريب
- مقارنة أداء النموذج عبر التجارب
- تصدير إلى أكثر من 17 تنسيقًا للنشر (انظر التنسيقات المدعومة)

سير العمل
graph LR
A[📁 Project] --> B[⚙️ Configure]
B --> C[🚀 Train]
C --> D[📈 Monitor]
D --> E[📦 Export]
style A fill:#4CAF50,color:#fff
style B fill:#2196F3,color:#fff
style C fill:#FF9800,color:#fff
style D fill:#9C27B0,color:#fff
style E fill:#00BCD4,color:#fff
| المرحلة | الوصف |
|---|---|
| المشروع | إنشاء مساحة عمل لتنظيم النماذج ذات الصلة |
| تكوين | حدد مجموعة البيانات والنموذج الأساسي ومعلمات التدريب |
| تدريب | التشغيل على وحدات GPU السحابية أو أجهزتك المحلية |
| مراقبة | عرض منحنيات الخسارة والمقاييس في الوقت الفعلي |
| تصدير | تحويل إلى أكثر من 17 تنسيقًا للنشر (التفاصيل) |
خيارات التدريب
تدعم منصة Ultralytics أساليب تدريب متعددة:
| الطريقة | الوصف | الأفضل لـ |
|---|---|---|
| التدريب السحابي | تدريب على وحدات معالجة الرسومات Ultralytics | لا توجد وحدة GPU محلية، قابلية التوسع |
| التدريب المحلي | تدريب محلي، بث المقاييس إلى المنصة | الأجهزة الموجودة، الخصوصية |
| التدريب عبر Colab | استخدم Google مع تكامل المنصة | وصول مجاني إلى GPU |
خيارات GPU
وحدات معالجة الرسومات المتاحة للتدريب السحابي على Ultralytics :
| GPU | VRAM | التكلفة/الساعة | الأفضل لـ |
|---|---|---|---|
| RTX 2000 Ada | 16 جيجابايت | $0.24 | مجموعات بيانات صغيرة، للاختبار |
| RTX A4500 | 20 جيجابايت | $0.24 | مجموعات بيانات صغيرة إلى متوسطة |
| RTX A5000 | 24 جيجابايت | $0.26 | مجموعات بيانات متوسطة |
| RTX 4000 Ada | 20 جيجابايت | $0.38 | مجموعات بيانات متوسطة |
| L4 | 24 جيجابايت | $0.39 | مُحسّن للاستدلال |
| A40 | 48 جيجابايت | $0.40 | أحجام دفعات أكبر |
| RTX 3090 | 24 جيجابايت | $0.46 | قيمة ممتازة مقابل الأداء |
| RTX A6000 | 48 جيجابايت | $0.49 | النماذج الكبيرة |
| RTX 4090 | 24 جيجابايت | $0.59 | أفضل سعر/أداء |
| RTX 6000 Ada | 48 جيجابايت | $0.77 | تدريب الدفعات الكبيرة |
| L40S | 48 جيجابايت | $0.86 | تدريب الدفعات الكبيرة |
| RTX 5090 | 32 جيجابايت | $0.89 | الجيل الأحدث |
| L40 | 48 جيجابايت | $0.99 | النماذج الكبيرة |
| A100 PCIe | 80 جيجابايت | $1.39 | التدريب للإنتاج |
| A100 SXM | 80 جيجابايت | $1.49 | التدريب للإنتاج |
| RTX PRO 6000 | 96 جيجابايت | $1.89 | الافتراضي الموصى به |
| H100 PCIe | 80 جيجابايت | $2.39 | تدريب عالي الأداء |
| H100 SXM | 80 جيجابايت | $2.69 | التدريب الأسرع |
| H100 NVL | 94 جيجابايت | $3.07 | أقصى أداء |
| H200 NVL | 143 جيجابايت | $3.39 | الذاكرة القصوى (Pro+) |
| H200 SXM | 141 جيجابايت | $3.59 | الأداء الأقصى (Pro+) |
| B200 | 180 جيجابايت | $4.99 | أكبر النماذج (Pro+) |
الوصول إلى GPU
تتطلب وحدات معالجة الرسومات (GPU) من طرازي H200 و B200 الاشتراك في خطة Pro أو Enterprise. أما جميع وحدات معالجة الرسومات الأخرى فهي متاحة في جميع الخطط، بما في ذلك الخطة المجانية.
رصيد التسجيل
تحصل الحسابات الجديدة على أرصدة تسجيل للتدريب. راجع الفواتير للحصول على التفاصيل.
المقاييس في الوقت الفعلي
أثناء التدريب، اعرض المقاييس الحية عبر ثلاث علامات تبويب فرعية:
graph LR
A[Charts] --> B[Loss Curves]
A --> C[Performance Metrics]
D[Console] --> E[Live Logs]
D --> F[Error Detection]
G[System] --> H[GPU Utilization]
G --> I[Memory & Temp]
style A fill:#2196F3,color:#fff
style D fill:#FF9800,color:#fff
style G fill:#9C27B0,color:#fff
| علامة تبويب فرعية | مقاييس (Metrics) |
|---|---|
| الرسوم البيانية | خسارة الصندوق/الفئة/DFL، mAP50، mAP50، الدقة، الاسترجاع |
| وحدة التحكم | سجلات تدريب مباشرة مع ألوان ANSI وكشف الأخطاء |
| النظام | GPU الرسGPU ، الذاكرة، درجة الحرارة، CPU، القرص |
نقاط التفتيش الآلية
تقوم المنصة تلقائيًا بحفظ نقاط التحقق في كل حقبة. يتم دائمًا الاحتفاظ بأفضل نموذج (أعلى mAP) والنموذج النهائي.
بدء سريع
ابدأ التدريب على السحابة في أقل من دقيقة:
- إنشاء مشروع في الشريط الجانبي
- انقر فوق " نموذج جديد"
- حدد نموذجًا ومجموعة بيانات GPU
- انقر على بدء التدريب
export ULTRALYTICS_API_KEY="your_api_key"
yolo train model=yolo26n.pt data=ul://username/datasets/my-dataset \
epochs=100 project=username/my-project name=exp1
from ultralytics import YOLO
model = YOLO("yolo26n.pt")
model.train(
data="ul://username/datasets/my-dataset",
epochs=100,
project="username/my-project",
name="exp1",
)
روابط سريعة
- المشاريع: تنظيم نماذجك وتجاربك
- النماذج: إدارة نقاط الفحص المدربة
- التدريب السحابي: تدريب على وحدات GPU السحابية
الأسئلة الشائعة
كم يستغرق التدريب؟
يعتمد وقت التدريب على:
- حجم مجموعة البيانات (عدد الصور)
- حجم النموذج (n, s, m, l, x)
- عدد الدورات التدريبية
- نوع GPU المحدد
تستغرق عملية التدريب النموذجية التي تتضمن 1000 صورة و YOLO26n و 100 حقبة على RTX PRO 6000 حوالي 2-3 ساعات. أما العمليات الأصغر حجمًا (500 صورة و 50 حقبة على RTX 4090) فتستغرق أقل من ساعة. انظر أمثلة التكلفة للحصول على تقديرات تفصيلية.
هل يمكنني تدريب نماذج متعددة في وقت واحد؟
نعم. تعتمد حدود التدريب المتزامن على السحابة على خطتك: تسمح الخطة المجانية بـ 3، وتسمح الخطة الاحترافية بـ 10، أما الخطة المؤسسية فهي غير محدودة. للحصول على تدريب متوازي إضافي، استخدم التدريب عن بُعد من أجهزة متعددة.
ماذا يحدث إذا فشل التدريب؟
إذا فشل التدريب:
- يتم حفظ نقاط التحقق عند كل حقبة تدريب.
- يمكنك الاستئناف من آخر نقطة تحقق.
- تُحتسب الرسوم فقط على وقت المعالجة المكتمل.
كيف أختار GPU المناسب؟
| السيناريو | GPU الموصى بها |
|---|---|
| معظم وظائف التدريب | RTX PRO 6000 |
| مجموعات البيانات الكبيرة أو أحجام الدُفعات الكبيرة | H100 SXM أو H200 (Pro+) |
| مراعاة التكلفة | RTX 4090 |