Link to this sectionالتدريب السحابي#

يوفر التدريب السحابي في Ultralytics Platform تدريباً بضغطة واحدة على وحدات معالجة الرسومات (GPUs) السحابية، مما يجعل تدريب النماذج متاحاً دون الحاجة إلى إعدادات معقدة. يمكنك تدريب نماذج YOLO مع بث مقاييس الأداء في الوقت الفعلي وحفظ نقاط التحقق تلقائياً.

graph LR
    A[Configure] --> B[Start Training]
    B --> C[Provision GPU]
    C --> D[Download Dataset]
    D --> E[Train]
    E --> F[Stream Metrics]
    F --> G[Save Checkpoints]
    G --> H[Complete]

    style A fill:#2196F3,color:#fff
    style B fill:#FF9800,color:#fff
    style E fill:#9C27B0,color:#fff
    style H fill:#4CAF50,color:#fff

Link to this sectionنافذة التدريب#

ابدأ التدريب من واجهة المستخدم للمنصة عن طريق النقر على New Model في أي صفحة مشروع (أو Train من صفحة مجموعة البيانات). تحتوي نافذة التدريب على علامتي تبويب: Cloud Training و Local Training.

Link to this sectionالخطوة 1: اختر النموذج الأساسي#

اختر من بين نماذج YOLO26 الرسمية أو نماذجك المدربة الخاصة:

يتم تنظيم النماذج الرسمية حسب نوع المهمة (Detect، Segment، Semantic، Pose، OBB، Classify) مع أحجام تتراوح من nano إلى xlarge.

Link to this sectionالخطوة 2: اختر مجموعة البيانات#

اختر مجموعة بيانات للتدريب عليها (راجع Datasets):

Link to this sectionالخطوة 3: تكوين المعلمات#

قم بتعيين معلمات التدريب الأساسية:

Link to this sectionالخطوة 4: الإعدادات المتقدمة (اختياري)#

قم بتوسيع Advanced Settings للوصول إلى محرر المعلمات الكامل المستند إلى YAML مع أكثر من 40 معلمة تدريب مرتبة حسب المجموعة (راجع configuration reference):

المعلمات مدركة للمهمة (على سبيل المثال، لا تظهر copy_paste إلا في مهام segment، وتظهر pose/kobj فقط في مهام pose). تظهر شارة Modified عندما تختلف القيم عن الإعدادات الافتراضية، ويمكنك إعادة تعيين كل شيء إلى القيم الافتراضية باستخدام زر إعادة التعيين.

mosaic: 1.0       # Keep mosaic on
mixup: 0.3        # Add mixup blending
copy_paste: 0.3   # Add copy-paste (segment only)
fliplr: 0.5       # Horizontal flip
degrees: 10.0     # Slight rotation
scale: 0.9        # Aggressive scaling

Link to this sectionالخطوة 5: اختر وحدة معالجة الرسومات (علامة تبويب Cloud)#

اختر وحدة معالجة الرسومات الخاصة بك من Ultralytics Cloud:

تعرض النافذة رصيدك الحالي وزر إضافة رصيد (Top Up). يتم حساب التكلفة والمدة التقديرية بناءً على التكوين الخاص بك (حجم النموذج، صور مجموعة البيانات، عدد الدورات، سرعة وحدة معالجة الرسومات).

Link to this sectionالخطوة 6: بدء التدريب#

انقر على Start Training لبدء مهمتك. تقوم المنصة بـ:

1. توفير مثيل لوحدة معالجة الرسومات
2. تنزيل مجموعة البيانات الخاصة بك
3. بدء التدريب
4. بث المقاييس في الوقت الفعلي

Link to this sectionدورة حياة مهمة التدريب#

تتقدم مهام التدريب عبر الحالات التالية:

Link to this sectionمراقبة التدريب#

شاهد تقدم التدريب في الوقت الفعلي في علامة تبويب Train في صفحة النموذج:

Link to this sectionعلامة تبويب فرعية للمخططات#

Link to this sectionعلامة تبويب فرعية لوحدة التحكم#

مخرجات وحدة التحكم المباشرة مع دعم ألوان ANSI، وأشرطة التقدم، واكتشاف الأخطاء.

Link to this sectionعلامة تبويب فرعية للنظام#

استخدام وحدة معالجة الرسومات، والذاكرة، ودرجة الحرارة، ووحدة المعالجة المركزية (CPU)، واستخدام القرص في الوقت الفعلي.

Link to this sectionنقاط التحقق#

بعد اكتمال التدريب، يتم رفع أفضل نموذج (best.pt، وهو نقطة التحقق ذات أعلى mAP) إلى المنصة وإتاحته للتنزيل والتصدير والنشر.

Link to this sectionإلغاء التدريب#

انقر على Cancel Training في صفحة النموذج لإيقاف مهمة قيد التشغيل:

• يتم إنهاء مثيل الحوسبة
• يتوقف احتساب الرصيد
• تظل أفضل نقطة حفظ متاحة إذا تم الوصول إليها قبل الإلغاء

Link to this sectionالتدريب عن بُعد#

graph LR
    A[Local GPU] --> B[Train]
    B --> C[ultralytics Package]
    C --> D[Stream Metrics]
    D --> E[Platform Dashboard]

    style A fill:#FF9800,color:#fff
    style C fill:#2196F3,color:#fff
    style E fill:#4CAF50,color:#fff

قم بالتدريب على أجهزتك الخاصة مع بث المقاييس إلى المنصة.

pip install -U ultralytics

Link to this sectionإعداد مفتاح API#

1. انتقل إلى Settings > API Keys
2. أنشئ مفتاحاً جديداً (أو تقوم المنصة بإنشائه تلقائياً عند فتح علامة التبويب Local Training)
3. قم بتعيين متغير البيئة:

export ULTRALYTICS_API_KEY="YOUR_API_KEY"

Link to this sectionالتدريب مع البث#

استخدم معلمات project و name لبث المقاييس:

yolo train model=yolo26n.pt data=coco.yaml epochs=100 \
  project=username/my-project name=experiment-1

تعرض علامة التبويب Local Training في مربع حوار التدريب أمراً مهيأ مسبقاً يتضمن مفتاح API الخاص بك، والمعلمات المحددة، والوسائط المتقدمة.

Link to this sectionاستخدام مجموعات بيانات المنصة#

قم بالتدريب باستخدام مجموعات البيانات المخزنة على المنصة باستخدام تنسيق URI ul://:

yolo train model=yolo26n.pt data=ul://username/datasets/my-dataset epochs=100 \
  project=username/my-project name=exp1

يقوم تنسيق URI ul:// بتنزيل مجموعة البيانات الخاصة بك وتهيئتها تلقائياً. يتم ربط النموذج تلقائياً بمجموعة البيانات الموجودة على المنصة (راجع استخدام مجموعات بيانات المنصة).

Link to this sectionالفواتير#

تعتمد تكاليف التدريب على استخدام GPU:

Link to this sectionتقدير التكلفة#

قبل بدء التدريب، تقوم المنصة بتقدير التكلفة الإجمالية عن طريق:

1. تقدير الثواني لكل حقبة (epoch) بناءً على حجم مجموعة البيانات، وتعقيد النموذج، وحجم الصورة، وحجم الدفعة (batch size)، وسرعة GPU
2. حساب إجمالي وقت التدريب بضرب ثواني الحقبة في عدد الحقب، ثم إضافة الوقت المستغرق لبدء التشغيل (startup overhead)
3. حساب التكلفة التقديرية من إجمالي ساعات التدريب مضروبة في المعدل الساعي لـ GPU

العوامل المؤثرة على التكلفة:

Link to this sectionأمثلة التكلفة#

Link to this sectionدورة الفواتير#

graph LR
    A[Estimate Cost] --> B[Balance Check]
    B --> C[Train]
    C --> D[Charge Actual Runtime]

    style A fill:#2196F3,color:#fff
    style B fill:#FF9800,color:#fff
    style C fill:#9C27B0,color:#fff
    style D fill:#4CAF50,color:#fff

دورة فواتير التدريب السحابي:

1. التقدير: يتم احتساب التكلفة قبل بدء التدريب
2. فحص الرصيد: يتم التحقق من الأرصدة المتاحة قبل الإطلاق
3. التدريب: يتم تشغيل المهمة على وحدة الحوسبة المختارة
4. الخصم: تعتمد التكلفة النهائية على وقت التشغيل الفعلي

Link to this sectionالفواتير حسب حالة المهمة#

Link to this sectionطرق الدفع#

Link to this sectionعرض تكاليف التدريب#

بعد التدريب، يمكنك عرض التكاليف التفصيلية في علامة التبويب Billing:

• تفصيل تكلفة كل حقبة
• إجمالي وقت GPU
• تنزيل تقرير التكلفة

Link to this sectionنصائح للتدريب#

Link to this sectionاختر حجم النموذج المناسب#

Link to this sectionتحسين وقت التدريب#

Link to this sectionاستكشاف الأخطاء وإصلاحها#

Link to this sectionالأسئلة الشائعة#

Link to this sectionكم يستغرق التدريب؟#

يعتمد وقت التدريب على:

• حجم مجموعة البيانات
• حجم النموذج
• عدد العصور (epochs)
• وحدة معالجة الرسوميات (GPU) المختارة

الأوقات النموذجية (1000 صورة، 100 حقبة (epoch)):

Link to this sectionهل يمكنني التدريب طوال الليل؟#

نعم، يستمر التدريب حتى الاكتمال. ستتلقى إشعاراً عند انتهاء التدريب. تأكد من أن حسابك يحتوي على رصيد كافٍ للتدريب القائم على الحقب (epochs).

Link to this sectionماذا يحدث إذا نفد الرصيد؟#

إذا وصل رصيدك إلى الصفر أثناء تشغيل التدريب، فإن التدريب يستمر حتى الاكتمال ويصبح رصيدك سالباً. هذا يضمن عدم مقاطعة مهمة التدريب في منتصف التشغيل.

بعد اكتمال التدريب، ستحتاج إلى إضافة رصيد لجعل رصيدك موجباً مرة أخرى قبل بدء مهام تدريب جديدة. يتم حفظ نموذجك المكتمل، ونقاط التحقق (checkpoints)، وجميع مخرجات التدريب بالكامل بغض النظر عن الرصيد.

Link to this sectionماذا يحدث إذا كانت تكلفة التدريب أكثر من التقدير؟#

تقديرات التكلفة تقريبية؛ فقد يختلف وقت التدريب الفعلي بسبب عوامل مثل سرعة تحميل البيانات، وفترة إحماء وحدة معالجة الرسوميات (GPU)، وسلوك تقارب النموذج. إذا تجاوزت التكلفة الفعلية التقدير، فقد يصبح رصيدك سالباً (انظر أعلاه). المنصة لا توقف التدريب بناءً على التقدير.

لإدارة التكاليف:

• راقب تقدم التدريب في الوقت الفعلي وألغه مبكراً إذا لزم الأمر
• فعّل التعبئة التلقائية لتجديد الرصيد تلقائياً
• ابدأ بتشغيلات أقصر (عدد حقب أقل) لمعايرة التوقعات

Link to this sectionهل يمكنني استخدام وسائط تدريب مخصصة؟#

نعم، قم بتوسيع قسم الإعدادات المتقدمة في مربع حوار التدريب للوصول إلى محرر YAML يحتوي على أكثر من 40 معلماً قابلاً للتهيئة. يتم تضمين القيم غير الافتراضية في أوامر التدريب السحابية والمحلية.

يدعم محرر YAML أيضاً استيراد الإعدادات من عمليات تدريب سابقة:

• نسخ من نموذج موجود: في صفحة أي نموذج مكتمل، تحتوي بطاقة إعدادات التدريب على زر نسخ بتنسيق JSON. انسخ ملف JSON وألصقه مباشرة في محرر YAML؛ فهو يكتشف تنسيق JSON تلقائياً ويستورد جميع المعلمات.
• لصق YAML أو JSON: الصق أي إعدادات تدريب صالحة بتنسيق YAML أو JSON في المحرر. يتم التحقق من صحة المعلمات تلقائياً، مع تثبيت القيم الخارجة عن النطاق وعرض تحذيرات.
• سحب وإفلات الملفات: اسحب ملف .yaml أو .json مباشرة إلى المحرر لاستيراد معلماته.

هذا يجعل من السهل تكرار أو تعديل إعدادات التدريب السابقة دون إعادة إدخال كل معلمة يدوياً.

Link to this sectionهل يمكنني التدريب من صفحة مجموعة البيانات؟#

نعم، يفتح زر التدريب في صفحات مجموعة البيانات مربع حوار التدريب مع تحديد مجموعة البيانات مسبقاً وقفلها. ثم تختار مشروعاً ونموذجاً لبدء التدريب.

Link to this sectionمرجع معلمات التدريب#