Link to this sectionالنماذج (Models)#

توفر Ultralytics Platform إدارة شاملة للنماذج من أجل تدريب نماذج YOLO وتحليلها ونشرها. يمكنك تحميل النماذج المدربة مسبقًا أو تدريب نماذج جديدة مباشرة على المنصة.

Link to this sectionتحميل نموذج#

تحميل أوزان النماذج الموجودة إلى المنصة:

1. انتقل إلى مشروعك
2. سحب وإفلات ملفات .pt في صفحة المشروع أو الشريط الجانبي للنماذج
3. يتم تحليل البيانات الوصفية للنموذج تلقائيًا من الملف

يمكن تحميل ملفات متعددة في وقت واحد (بحد أقصى 3 ملفات في آن واحد).

تنسيقات النماذج المدعومة:

بعد التحميل، تقوم المنصة بتحليل البيانات الوصفية للنموذج:

• نوع المهمة (detect، segment، semantic، pose، OBB، classify)
• البنية (YOLO26n، YOLO26s، إلخ.)
• أسماء الفئات وعددها
• حجم المدخلات والمعاملات
• نتائج التدريب والمقاييس (إذا كانت موجودة في نقطة التحقق)

Link to this sectionتدريب نموذج#

تدريب نموذج جديد مباشرة على المنصة:

1. انتقل إلى مشروعك
2. انقر على نموذج جديد
3. اختر النموذج الأساسي ومجموعة البيانات
4. تكوين معلمات التدريب
5. اختر التدريب السحابي أو المحلي
6. بدء التدريب

راجع Cloud Training للحصول على تعليمات مفصلة.

Link to this sectionدورة حياة النموذج#

graph LR
    A[Upload .pt]:::start --> B[Overview]:::proc
    C[Train]:::start --> B
    B --> D[Predict]:::proc
    B --> E[Export]:::proc
    B --> F[Deploy]:::proc
    E --> G[19+ Formats]:::out
    F --> H[Endpoint]:::out

    classDef start fill:#4CAF50,color:#fff
    classDef proc fill:#2196F3,color:#fff
    classDef out fill:#9C27B0,color:#fff

Link to this sectionعلامات تبويب صفحة النموذج#

تحتوي كل صفحة نموذج على علامات التبويب التالية:

Link to this sectionعلامة تبويب نظرة عامة#

تعرض البيانات الوصفية للنموذج والمقاييس الرئيسية:

• اسم النموذج (قابل للتعديل)، شارة الحالة، نوع المهمة
• المقاييس النهائية (mAP50، mAP50-95، الدقة، الاستدعاء)
• مخططات المقاييس المصغرة التي توضح تقدم التدريب
• وسائط التدريب (عدد الحقب (epochs)، حجم الدفعة (batch size)، حجم الصورة، إلخ.)
• رابط مجموعة البيانات (عند التدريب باستخدام مجموعة بيانات من المنصة)
• زر تنزيل لأوزان النموذج

Link to this sectionعلامة تبويب تدريب#

تحتوي علامة تبويب التدريب على ثلاث علامات تبويب فرعية:

Link to this sectionعلامة تبويب فرعية للمخططات#

مخططات مقاييس التدريب التفاعلية التي تعرض منحنيات الخسارة ومقاييس الأداء عبر الحقب:

Link to this sectionعلامة تبويب فرعية لوحدة التحكم#

مخرجات وحدة التحكم المباشرة من عملية التدريب:

• بث السجلات في الوقت الفعلي أثناء التدريب
• أشرطة تقدم الحقب ونتائج التحقق
• الكشف عن الأخطاء مع لافتات خطأ مميزة
• دعم ألوان ANSI للمخرجات المنسقة

Link to this sectionعلامة تبويب فرعية للنظام#

مقاييس GPU والنظام أثناء التدريب:

Link to this sectionعلامة تبويب التنبؤ#

تشغيل استدلال تفاعلي مباشرة في المتصفح:

• تحميل صورة، استخدام صور نموذجية، أو استخدام كاميرا الويب
• عرض النتائج مع مربعات الإحاطة، الأقنعة، خرائط الفئات الدلالية، أو النقاط الرئيسية
• استدلال تلقائي عند تقديم صورة
• يدعم جميع أنواع المهام (detect، segment، semantic، pose، OBB، classify)

Link to this sectionعلامة تبويب التصدير#

قم بتصدير نموذجك إلى أكثر من 19 تنسيقًا للنشر. راجع Export Model أدناه ودليل Export mode الأساسي للحصول على التفاصيل الكاملة.

Link to this sectionعلامة تبويب النشر#

إنشاء وإدارة نقاط نهاية استدلال مخصصة. راجع Deployments للحصول على التفاصيل.

Link to this sectionمخططات التحقق#

بعد اكتمال التدريب، عرض تحليل التحقق المفصل:

Link to this sectionمصفوفة الارتباك#

خريطة حرارية تفاعلية تعرض دقة التنبؤ لكل فئة:

Link to this sectionمنحنيات PR/F1#

منحنيات الأداء عند عتبات ثقة مختلفة:

Link to this sectionتصدير النموذج#

graph LR
    A[Select Format]:::start --> B[Configure Args]:::proc
    B --> C[Export]:::proc
    C --> D{GPU Required?}:::decide
    D -->|Yes| E[Cloud GPU Export]:::proc
    D -->|No| F[CPU Export]:::proc
    E --> G[Download]:::out
    F --> G

    classDef start fill:#4CAF50,color:#fff
    classDef proc fill:#2196F3,color:#fff
    classDef decide fill:#FF9800,color:#fff
    classDef out fill:#9C27B0,color:#fff

قم بتصدير نموذجك إلى أكثر من 19 صيغة نشر:

1. انتقل إلى علامة التبويب تصدير (Export)
2. اختر الصيغة المستهدفة
3. قم بتهيئة وسائط التصدير (حجم الصورة، نصف الدقة، ديناميكي، إلخ)
4. بالنسبة للصيغ التي تتطلب GPU (مثل TensorRT)، اختر نوع GPU
5. انقر على تصدير (Export)
6. قم بالتنزيل عند الاكتمال

قم بتوصيل تنبيهات Slack لتلقي رسالة عندما يكون التصدير جاهزاً أو في حال فشله.

Link to this sectionالتنسيقات المدعومة#

تدعم المنصة التصدير إلى 19+ تنسيقاً للنشر: ONNX، وTorchScript، وOpenVINO، وTensorRT، وCoreML، وTF SavedModel، وTF GraphDef، وLiteRT، وTF Edge TPU، وPaddlePaddle، وNCNN، وMNN، وRKNN، وQualcomm (QNN)، وIMX500، وAxelera، وExecuTorch، وDeepX.

Link to this sectionدليل اختيار الصيغة#

Link to this sectionأهداف NVIDIA Jetson TensorRT#

توفر منصة Ultralytics خيارات أهداف Jetson التالية لصادرات TensorRT .engine. اعتباراً من يوليو 2026، تستخدم عمال تصدير Jetson الإصدار JetPack 7.2 / L4T r39.2، و Python 3.12.3، و NVIDIA PyTorch 2.12.0a0 (بنية 26.04)، و CUDA 13.2، و TensorRT 10.16.1.11 داخل حاوية التصدير.

التوقيتات المذكورة هي اختبارات توجيه إنتاج شاملة وملاحظة بشكل فردي من يوليو 2026، مقربة لأقرب ثانية؛ وهي قياسات مرجعية، وليست SLA أو معيار أداء لكل وحدة حفظ مخزون (SKU). تم بناء كلا خياري Thor على مجموعة تطوير T5000 في ملف تعريف التوافق T4000 الخاص بـ NVIDIA. تم بناء مسارات Orin الستة على AGX Orin سعة 64 جيجابايت، حيث تم تحميل وتشغيل كل محرك ناتج.

Link to this sectionدعم رقاقة RKNN#

عند التصدير إلى صيغة RKNN، اختر جهاز Rockchip المستهدف الخاص بك:

Link to this sectionدورة حياة وظيفة التصدير#

تمر وظائف التصدير بالحالات التالية:

Link to this sectionإجراءات التصدير المجمعة#

• تصدير الكل (Export All): انقر على Export All لبدء وظائف التصدير لجميع الصيغ المعتمدة على CPU بالإعدادات الافتراضية.
• حذف جميع الصادرات (Delete All Exports): انقر على Delete All لإزالة جميع عمليات التصدير الخاصة بالنموذج.

Link to this sectionقيود الصيغ#

بعض صيغ التصدير لها قيود على البنية أو المهام:

Link to this sectionاستنساخ نموذج#

استنساخ نموذج إلى مشروع مختلف:

1. افتح صفحة النموذج
2. انقر على زر استنساخ (Clone)
3. اختر المشروع الوجهة
4. انقر على استنساخ (Clone)

يتم نسخ النموذج وأوزانه إلى المشروع المستهدف.

Link to this sectionتنزيل نموذج#

تنزيل أوزان نموذجك:

1. انتقل إلى علامة تبويب نظرة عامة (Overview) الخاصة بالنموذج
2. انقر على زر تنزيل (Download)
3. يتم تنزيل ملف .pt الأصلي تلقائياً

يمكن تنزيل الصيغ المصدرة من علامة تبويب تصدير (Export) بعد اكتمال عملية التصدير.

Link to this sectionربط مجموعة البيانات#

يمكن ربط النماذج بمجموعة بياناتها الأصلية:

• عرض مجموعة البيانات التي استخدمت للتدريب
• انقر على بطاقة مجموعة البيانات في علامة تبويب النظرة العامة للانتقال إليها
• تتبع أصل البيانات

عند التدريب باستخدام مجموعات بيانات المنصة باستخدام تنسيق معرف الموارد الموحد ul:// URI format، يتم الربط تلقائياً.

# Train with a Platform dataset — linking is automatic
yolo train model=yolo26n.pt data=ul://username/datasets/my-dataset epochs=100

Link to this sectionإعدادات الرؤية#

تحكم في من يمكنه رؤية نموذجك:

لتغيير الرؤية، انقر فوق شارة الرؤية (على سبيل المثال، private أو public) في ترويسة الصفحة. يتم تعيين الرؤية على مستوى المشروع، لذا يتحكم هذا في جميع النماذج الموجودة في المشروع. يسري التحول إلى خاص (private) فوراً. يعرض التحول إلى عام (public) مربع حوار تأكيد قبل التطبيق.

Link to this sectionحذف نموذج#

إزالة نموذج لم تعد بحاجة إليه:

1. افتح قائمة إجراءات النموذج
2. انقر على حذف (Delete)
3. تأكيد الحذف

Link to this sectionشاهد أيضًا#

• الاستدلال (Inference): اختبر النماذج في المتصفح باستخدام علامة التبويب "تنبؤ" (Predict)
• نقاط النهاية (Endpoints): انشر النماذج في بيئة الإنتاج باستخدام نقاط نهاية مخصصة
• التدريب السحابي (Cloud Training): قم بتهيئة وتشغيل مهام التدريب على وحدات معالجة الرسومات (GPUs) السحابية
• تنسيقات التصدير (Export Formats): دليل كامل لجميع تنسيقات التصدير التي تزيد عن 19 تنسيقاً

Link to this sectionالأسئلة الشائعة#

Link to this sectionما هي بنى النماذج المدعومة؟#

تدعم منصة Ultralytics بالكامل جميع بنى YOLO مع مشاريع مخصصة:

• YOLO26: إصدارات n و s و m و l و x (الأحدث، الموصى بها) — platform.ultralytics.com/ultralytics/yolo26
• YOLO11: إصدارات n و s و m و l و x — platform.ultralytics.com/ultralytics/yolo11
• YOLOv8: إصدارات n و s و m و l و x — platform.ultralytics.com/ultralytics/yolov8
• YOLOv5: إصدارات n و s و m و l و x — platform.ultralytics.com/ultralytics/yolov5

يدعم YOLO26 ستة أنواع من المهام: detect، وsegment، وsemantic، وpose، وOBB، وclassify. يدعم YOLO11 وYOLOv8 نفس المجموعة باستثناء التجزئة الدلالية (semantic segmentation)، بينما يدعم YOLOv5 كلاً من detect وsegment وclassify.

Link to this sectionهل يمكنني تنزيل نموذجي المدرب؟#

نعم، قم بتنزيل أوزان نموذجك من صفحة النموذج:

1. انقر فوق أيقونة التنزيل في علامة التبويب "نظرة عامة" (Overview)
2. يتم تنزيل ملف .pt الأصلي تلقائياً
3. يمكن تنزيل التنسيقات المصدرة من علامة التبويب "تصدير" (Export)

Link to this sectionكيف يمكنني مقارنة النماذج عبر المشاريع؟#

حالياً، تتم مقارنة النماذج ضمن المشاريع. للمقارنة عبر المشاريع:

1. قم بنسخ النماذج إلى مشروع واحد، أو
2. قم بتصدير المقاييس والمقارنة خارجياً

Link to this sectionما هو الحد الأقصى لحجم النموذج؟#

يقتصر حجم ملفات النموذج .pt المرفوعة على 1 غيغابايت، وقد تستغرق النماذج القريبة من هذا الحد وقتاً أطول للتحميل والمعالجة.

Link to this sectionهل يمكنني إجراء ضبط دقيق (fine-tune) للنماذج المدربة مسبقاً؟#

نعم! يمكنك استخدام أي من نماذج YOLO26 الرسمية كأساس، أو اختيار أحد نماذجك المكتملة من محدد النماذج في مربع حوار التدريب. تدعم المنصة الضبط الدقيق من أي نقطة فحص (checkpoint) مرفوعة.