النماذج
توفر منصة Ultralytics إدارة شاملة للنماذج لتدريب وتحليل ونشر نماذج YOLO. يمكنك تحميل النماذج المدربة مسبقًا أو تدريب نماذج جديدة مباشرة على المنصة.
رفع نموذج
لرفع أوزان النماذج الموجودة إلى المنصة:
- انتقل إلى مشروعك
- انقر على رفع نموذج
- حدد الخاص بك
.ptملف - أضف الاسم والوصف
- انقر على تحميل
تنسيقات النماذج المدعومة:
| التنسيق | الامتداد | الوصف |
|---|---|---|
| PyTorch | .pt | تنسيق Ultralytics الأصلي |
بعد الرفع، تقوم المنصة بتحليل بيانات تعريف النموذج:
- نوع المهمة (detect، segment، pose، obb، classify)
- الهندسة المعمارية (YOLO26n، YOLO26s، إلخ)
- أسماء الفئات وعددها
- حجم المدخلات والمعلمات
تدريب النموذج
لتدريب نموذج جديد مباشرة على المنصة:
- انتقل إلى مشروعك
- انقر على تدريب النموذج
- حدد مجموعة البيانات
- اختر النموذج الأساسي
- تكوين معلمات التدريب
- بدء التدريب
راجع التدريب السحابي للحصول على تعليمات مفصلة.
نظرة عامة على النموذج
تعرض صفحة كل نموذج:
| قسم | المحتوى |
|---|---|
| نظرة عامة | بيانات تعريف النموذج، نوع المهمة، البنية |
| مقاييس (Metrics) | مخططات خسارة التدريب والأداء |
| الرسوم البيانية | مصفوفة الارتباك، منحنيات PR، منحنيات F1 |
| اختبار | اختبار الاستدلال التفاعلي |
| النشر | إنشاء وإدارة نقاط النهاية |
| تصدير | تحويل التنسيق والتنزيل |
مقاييس التدريب
عرض مقاييس التدريب في الوقت الفعلي والتاريخية:
منحنيات الخسارة
| الخسارة | الوصف |
|---|---|
| أداة الصندوق | خسارة انحدار مربع الإحاطة |
| الفئة | خسارة التصنيف |
| DFL | خسارة التركيز التوزيعي |
مقاييس الأداء
| مقياس (Metric) | الوصف |
|---|---|
| mAP50 | متوسط الدقة المتوسطة (mAP) عند IoU 0.50 |
| mAP50-95 | متوسط الدقة المتوسطة (mAP) عند IoU 0.50-0.95 |
| الدقة | نسبة التنبؤات الإيجابية الصحيحة |
| الاسترجاع | نسبة الإيجابيات الفعلية المحددة |
مخططات التحقق
بعد اكتمال التدريب، يمكنك عرض تحليل التحقق المفصل:
مصفوفة الالتباس
خريطة حرارية تفاعلية تُظهر دقة التنبؤ لكل فئة:
منحنيات PR/F1
منحنيات الأداء عند عتبات ثقة مختلفة:
| المنحنى | الوصف |
|---|---|
| الدقة-الاستدعاء | المفاضلة بين الدقة والاستدعاء |
| F1-الثقة | درجة F1 عند مستويات ثقة مختلفة |
| الدقة-الثقة | الدقة عند مستويات ثقة مختلفة |
| الاستدعاء-الثقة | الاستدعاء عند مستويات ثقة مختلفة |
تصدير النموذج
تصدير نموذجك إلى 17 تنسيق نشر:
- انتقل إلى علامة التبويب تصدير
- حدد التنسيق المستهدف
- انقر على تصدير
- تنزيل عند الاكتمال
التنسيقات المدعومة (17 إجمالاً)
| # | التنسيق | امتداد الملف | حالة الاستخدام |
|---|---|---|---|
| 1 | ONNX | .onnx | عبر الأنظمة الأساسية، الويب، معظم أوقات التشغيل |
| 2 | TorchScript | .torchscript | PyTorch بدون Python |
| 3 | OpenVINO | .xml, .bin | Intel وحدات معالجة الرسومات، وحدات معالجة الفيديو |
| 4 | TensorRT | .engine | NVIDIA (أسرع استدلال) |
| 5 | CoreML | .mlpackage | Apple iOS، macOS، watchOS |
| 6 | TF Lite | .tflite | الهاتف المحمول (Android، iOS)، الحافة |
| 7 | TF SavedModel | saved_model/ | TensorFlow |
| 8 | TF GraphDef | .pb | TensorFlow .x |
| 9 | TF Edge TPU | .tflite | أجهزة Google |
| 10 | TF.js | .json, .bin | استنتاج المتصفح |
| 11 | PaddlePaddle | .pdmodel | بايدو PaddlePaddle |
| 12 | NCNN | .param, .bin | جوال (iOS)، مُحسّن |
| 13 | MNN | .mnn | وقت تشغيل أليبابا للجوال |
| 14 | RKNN | .rknn | وحدات معالجة العقل الصخري (NPU) |
| 15 | IMX500 | .imx | مستشعر Sony IMX500 |
| 16 | Axelera | .axelera | مسرعات Axelera AI |
دليل اختيار التنسيق
بالنسبة NVIDIA : استخدم TensorRT للحصول على أقصى سرعة
بالنسبة Intel : استخدم OpenVINOIntel ووحدات معالجة الرسومات ووحدات معالجة الفيديو
لأجهزة Apple: استخدم CoreML لنظام iOS و macOS و Apple Silicon
لنظام Android: استخدم TF أو NCNN للحصول على أفضل أداء
لمتصفحات الويب: استخدم TF.js أو ONNX (مع ONNX Web)
بالنسبة للأجهزة الطرفية: استخدم TF TPU لـ Coral و RKNN لـ Rockchip
للتوافق العام: استخدم ONNX — يعمل مع معظم أوقات تشغيل الاستدلال
وقت التصدير
يختلف وقت التصدير حسب التنسيق. قد تستغرق عمليات تصدير TensorRT عدة دقائق بسبب تحسين المحرك.
ربط مجموعات البيانات
يمكن ربط النماذج بمجموعة البيانات المصدر الخاصة بها:
- عرض مجموعة البيانات التي تم استخدامها للتدريب
- الوصول إلى مجموعة البيانات من صفحة النموذج
- Track أصل البيانات
عند التدريب باستخدام مجموعات بيانات المنصة باستخدام ul:// تنسيق URI، يكون الربط تلقائيًا.
إعدادات الرؤية
تحكم في من يمكنه رؤية نموذجك:
| إعداد | الوصف |
|---|---|
| خاص | يمكنك الوصول إليه فقط |
| عام | يمكن لأي شخص عرضه في صفحة الاستكشاف |
لتغيير مستوى الرؤية:
- افتح قائمة إجراءات النموذج
- انقر على تعديل
- تبديل الرؤية
- انقر على حفظ
حذف النموذج
إزالة نموذج لم تعد بحاجة إليه:
- افتح قائمة إجراءات النموذج
- انقر على حذف
- تأكيد الحذف
المهملات والاستعادة
تنتقل النماذج المحذوفة إلى سلة المهملات لمدة 30 يومًا. استعدها من الإعدادات > سلة المهملات.
الأسئلة الشائعة
ما هي بنيات النماذج المدعومة؟
تدعم منصة Ultralytics جميع بنيات YOLO:
- YOLO26: متغيرات n و s و m و l و x (موصى بها)
- YOLO11: متغيرات n, s, m, l, x
- YOLOv10: دعم الإرث
- YOLOv8: دعم الإرث
- YOLOv5: دعم الإرث
هل يمكنني تنزيل نموذجي المدرب؟
نعم، قم بتنزيل أوزان نموذجك من صفحة النموذج:
- انقر على أيقونة التنزيل
- اختر التنسيق (الأصلي
.ptأو المُصدَّر) - يبدأ التنزيل تلقائيًا
كيف أقارن النماذج عبر المشاريع؟
حاليًا، تتم مقارنة النماذج ضمن المشاريع. للمقارنة عبر المشاريع:
- انقل النماذج إلى مشروع واحد، أو
- صدّر المقاييس وقارنها خارجيًا
ما هو الحد الأقصى لحجم النموذج؟
لا يوجد حد صارم، ولكن النماذج الكبيرة جدًا (>2 جيجابايت) قد تستغرق وقتًا أطول في الرفع والمعالجة.
هل يمكنني ضبط النماذج المدربة مسبقًا؟
نعم! قم بتحميل نموذج مدرب مسبقًا، ثم ابدأ التدريب من نقطة التحقق هذه باستخدام مجموعة بياناتك. تستخدم المنصة تلقائيًا النموذج المحمل كنقطة بداية.
