النماذج#

توفّر Ultralytics Platform إمكانات شاملة لإدارة النماذج وتدريبها وتحليلها ونشرها. ارفع نماذج مدرّبة مسبقًا أو درّب نماذج جديدة مباشرةً على المنصة.

رفع نموذج#

ارفع أوزان نموذج موجودة إلى المنصة:

1. انتقل إلى مشروعك
2. اسحب ملفات .pt وأفلتها في صفحة المشروع أو الشريط الجانبي للنماذج، أو انقر على أيقونة رفع النماذج
3. تُحلَّل البيانات الوصفية للنموذج تلقائيًا من الملف

يمكن رفع ملفات متعددة في الوقت نفسه (حتى 3 عمليات متزامنة).

تنسيقات النماذج المدعومة:

بعد الرفع، تحلّل المنصة البيانات الوصفية للنموذج:

• نوع المهمة (كشف، تجزئة، دلالي، عمق، تصنيف، وضعية، OBB)
• البنية (YOLO26n وYOLO26s وما إلى ذلك)
• أسماء الفئات وعددها
• حجم الإدخال والمعلمات
• نتائج التدريب والمقاييس (إن وُجدت في نقطة التحقق)

تدريب نموذج#

درّب نموذجًا جديدًا مباشرةً على المنصة:

1. انتقل إلى مشروعك
2. انقر على New Model
3. حدّد النموذج الأساسي ومجموعة البيانات
4. اضبط معلمات التدريب
5. اختر التدريب السحابي أو المحلي
6. ابدأ التدريب

راجع التدريب السحابي للاطلاع على تعليمات مفصلة.

دورة حياة النموذج#

علامات تبويب صفحة النموذج#

تحتوي صفحة كل نموذج على علامات التبويب التالية:

ترويسة النموذج#

تعرض الترويسة أعلى علامات التبويب لون النموذج (قابل للتعديل)، واسمه (انقر لإعادة تسميته)، وشارة المهمة، وإصدار ultralytics لنقطة التحقق، ومحدِّد الترخيص. وتتضمن الإجراءات استنساخ النموذج (للنماذج المكتملة ذات الأوزان التي لا تملكها بالفعل)، وتنزيل، وتمييز بنجمة، ومشاركة (للنماذج العامة)، وقائمة المزيد من الإجراءات التي تضم المعلومات وتحديث وحذف النموذج.

أسفلها مباشرةً، تعرض بطاقة لكل مقياس خاص بالمهمة قيمته النهائية فوق مخطط مصغّر لتطور التدريب — انقر على أي بطاقة للانتقال إلى المخططات — إلى جانب بطاقة تربط بمجموعة البيانات التي دُرّب عليها النموذج.

علامة تبويب النظرة العامة#

تسجّل بطاقة معلومات التشغيل كيفية تنفيذ التشغيل: الحالة، ووقت البدء، ومدة التشغيل، وتكلفة الحوسبة مع GPU ومعدل الساعة، وإصدار ultralytics، وتفاصيل المضيف (اسم المضيف، والبيئة، ونظام التشغيل، وPython، وCPU، وGPU)، والنموذج الأصل، وإصدار مجموعة البيانات المثبّت، ومستودع Git، والفرع والالتزام عند الإبلاغ عنها في التشغيل، وأمر yolo train قابل لإعادة الإنتاج يمكنك نسخه.

أثناء نشاط التشغيل، تعرض البطاقة تقدّمًا مباشرًا — عدّاد الحقب، وشريط التقدّم، والوقت المنقضي، والوقت المقدّر للوصول، والتكلفة المتراكمة — وزر إلغاء. وإذا فشل التشغيل، يحلّ محلها شريط خطأ يعرض الخطأ الملتقط وإجرائي عرض سجلات وحدة التحكم كاملة وإعادة محاولة التدريب.

أسفلها، يسرد قسم إعدادات التدريب كل وسيط مستخدم، ويسرد قسم مقاييس الأداء نتائج التقييم النهائية. ويمكن البحث في كلا الجدولين، كما يضمان قائمة تصدير البيانات (نسخ JSON، وتنزيل CSV، وتنزيل JSON).

علامة تبويب التدريب#

تضم علامة تبويب التدريب ثلاث علامات تبويب فرعية:

علامة تبويب المخططات الفرعية#

مخططات تفاعلية للمقاييس عبر الحِقَب، مقسّمة إلى عرضَي التدريب والتحقق عندما ينتج عن التشغيل ملفات التحقق. وتتبع مجموعات المخططات المقاييس التي أبلغ عنها التشغيل:

يمكن طي كل مجموعة، وتتيح قائمتها إخفاء المخططات الفردية أو إظهارها (وسلاسل التدريب أو التحقق بالنسبة إلى الخسائر)، كما يمكن سحب المخططات وتغيير أحجامها لتكوين تخطيط يستمر عبر الجلسات.

علامة تبويب وحدة التحكم#

مخرجات مباشرة من وحدة التحكم لعملية التدريب:

• بث السجلات في الوقت الفعلي أثناء التدريب، مع الاحتفاظ بآخر 2000 سطر
• أشرطة تقدم الحِقَب ونتائج التحقق
• اكتشاف الأخطاء الفادحة التي تنهي التشغيل وتعرض الرسالة في شريط تنبيه
• دعم ألوان ANSI، وعمود طابع زمني اختياري، ونسخ بنقرة واحدة كنص عادي

علامة تبويب النظام#

بطاقة المضيف التي تلخص مثيل التدريب (اسم المضيف، وCPU، وGPU، وإجمالي RAM ومساحة القرص، ووقت آخر ظهور)، تليها مخططات لكل حقبة:

لا تظهر مخططات GPU والشبكة والقرص إلا إذا أبلغ التشغيل عن تلك العدادات.

علامة تبويب التنبؤ#

تشغيل الاستدلال التفاعلي مباشرةً في المتصفح:

• حمّل صورة، أو استخدم صورًا نموذجية، أو استخدم كاميرا الويب
• تُعرض النتائج مع مربعات إحاطة أو أقنعة أو خرائط فئات دلالية أو نقاط مفتاحية
• استدلال تلقائي عند توفير صورة
• يدعم جميع أنواع المهام (الكشف، التجزئة، الدلالي، العمق، التصنيف، الوضعية، OBB)

علامة تبويب التصدير#

صدّر نموذجك إلى 22 تنسيقًا للنشر. راجع تصدير النموذج أدناه ودليل وضع التصدير الأساسي للاطلاع على التفاصيل كاملة.

علامة تبويب النشر#

أنشئ نقاط نهاية مخصصة للاستدلال وأدِرها. راجع عمليات النشر لمعرفة التفاصيل.

مخططات التحقق#

بعد اكتمال التدريب، يعرض عرض التحقق داخل علامة التبويب الفرعية للمخططات تحليلًا تفصيليًا للحقبة الأخيرة.

مصفوفة الالتباس#

خريطة حرارية تفاعلية تعرض دقة التنبؤ لكل فئة:

منحنيات PR/F1#

عندما يوفرها تشغيل التدريب، يعرض عرض التحقق أيضًا منحنيات الأداء عند عتبات ثقة مختلفة. وتعتمد مخططات التحقق المتاحة على الملفات الناتجة عن التشغيل.

تشخيصات لكل صورة#

تحصل نماذج الكشف المدرّبة باستخدام إصدار محفوظ من مجموعة بيانات أيضًا على تحليل تحقق لكل صورة، يحدد البيانات التي تقف وراء النتيجة المخيبة للآمال:

• الصور الأسوأ والأفضل أداءً، مرتبة حسب F1 لكل صورة، مع رسم مربعات الحقيقة الأرضية عليها
• مستكشف الخصائص، الذي يربط F1 بعرض الصورة وارتفاعها وعدد وحدات البكسل ونسبة العرض إلى الارتفاع وعدد المثيلات، مع تحديد أقوى علاقة افتراضيًا
• الفئات المرتبطة بالإخفاقات، مع ترتيب الفئات الأكثر ظهورًا في الصور الأضعف
• البحث عن صور مشابهة، في معرض الصور الأسوأ أداءً، وعلى صورة واحدة في عرض ملء الشاشة، وفي صف إحدى الفئات؛ يبحث هذا الخيار في مجموعات البيانات العامة ومجموعات بياناتك ومجموعات بيانات فريقك عن صور مشابهة للإخفاقات المرصودة، ويضيف الصور التي تحددها إلى مجموعة بيانات التدريب كصور train غير موسومة (راجع البحث عن صور مشابهة)؛ ويظهر هذا الخيار عندما يكون بإمكانك تعديل المشروع وتكون مجموعة بيانات التدريب مجموعة بيانات غير متصلة بمجموعة بيانات أخرى ضمن مساحة العمل نفسها

تصدير النموذج#

صدّر نموذجك إلى 22 تنسيقًا للنشر:

1. انتقل إلى علامة تبويب التصدير
2. حدّد التنسيق المستهدف
3. اضبط وسيطات التصدير (حجم الصورة، والدقة، والوضع الديناميكي، وغير ذلك)
4. بالنسبة إلى التنسيقات التي تتطلب GPU (TensorRT)، حدّد نوع GPU
5. انقر على بدء التصدير
6. نزّل الملف عند اكتمال العملية

اربط تنبيهات Slack لتلقي رسالة عند جاهزية التصدير أو فشله.

التنسيقات المدعومة#

تدعم المنصة التصدير إلى 22 تنسيقًا للنشر: TorchScript وONNX وOpenVINO وTensorRT وCoreML وApple Core AI وTF SavedModel وTF GraphDef وTF Edge TPU وLiteRT وPaddlePaddle وMNN وNCNN وIMX500 وRKNN وExecuTorch وAxelera وDeepX وQualcomm (QNN) وHailo وHuawei Ascend وAMD Xilinx.

دليل اختيار التنسيق#

أهداف TensorRT لأجهزة NVIDIA Jetson#

توفر منصة Ultralytics خيارات الأهداف التالية لأجهزة Jetson عند تصدير TensorRT بصيغة .engine. استخدمت قياسات التحقق أدناه، المسجلة في يوليو 2026، JetPack 7.2 / L4T r39.2 وPython 3.12.3 وNVIDIA PyTorch 2.12.0a0 (إصدار 26.04) وCUDA 13.2 وTensorRT 10.16.1.11. وتصف هذه القياسات البيئة التي خضعت للاختبار؛ تحقّق من بيئات التشغيل الحالية على العامل وجهاز النشر قبل إعادة استخدام محرك مُصدّر.

هذه قياسات لزمن اختبارات توجيه إنتاجية شاملة لوحظت مرة واحدة في يوليو 2026، وقُرّبت إلى أقرب ثانية؛ وهي قياسات مرجعية وليست اتفاقية مستوى خدمة (SLA) أو معيارًا لأداء كل إصدار. جرى بناء خياري Thor على T5000 Developer Kit ضمن ملف التوافق NVIDIA T4000. أما مسارات Orin الستة، فقد بُنيت على AGX Orin 64GB، حيث جرى تحميل كل محرك ناتج وتشغيله.

دعم شرائح RKNN#

عند التصدير إلى تنسيق RKNN، حدّد جهاز Rockchip المستهدف:

دورة حياة مهمة التصدير#

تمر مهام التصدير بالحالات التالية:

إجراءات التصدير بالجملة#

• تصدير الكل: انقر على Export All لبدء مهام تصدير جميع التنسيقات المعتمدة على CPU باستخدام الإعدادات الافتراضية. تُتخطى التنسيقات التي تتطلب تحديد GPU أو غير المتاحة لهذا النموذج أو التي سبق تصديرها، وتُدرج في القائمة.
• حذف جميع عمليات التصدير: انقر على Delete All لإزالة جميع عمليات تصدير النموذج.

قيود التنسيقات#

تخضع بعض تنسيقات التصدير لقيود تتعلق بالمعمارية أو المهمة:

نقل النماذج بين المشاريع#

انقل النماذج التي يمكنك تعديلها إلى مشروع آخر في مساحة العمل نفسها دون نسخها:

1. افتح المشروع المصدر وحدد نموذجًا واحدًا أو أكثر من قائمة النماذج
2. انقر بزر الفأرة الأيمن واختر قص (Cmd/Ctrl+X)
3. افتح المشروع الوجهة، وانقر بزر الفأرة الأيمن على قائمة النماذج واختر لصق (Cmd/Ctrl+V)، أو اسحب النماذج المحددة إلى المشروع الوجهة في الشريط الجانبي

تحافظ النماذج المنقولة على أوزانها ومقاييسها وعمليات تصديرها وعمليات نشرها، وتستخدم عنوان URL الخاص بالمشروع الوجهة. إذا كان اسم عنوان URL للنموذج مستخدمًا بالفعل في المشروع الوجهة، فسيُعاد تسمية النموذج عند نقله. ولا يمكن نقل النماذج التي لا تزال قيد التدريب، كما أن Esc يلغي عملية قص معلّقة. لنسخ نموذج لا تملكه إلى أحد مشاريعك، استخدم استنساخ النموذج.

استنساخ النموذج#

استنسخ نموذجًا إلى مشروع آخر:

1. افتح صفحة النموذج
2. انقر على استنساخ النموذج
3. حدد المشروع الوجهة، أو اختر مشروع جديد لإنشاء مشروع مباشرةً
4. يمكنك اختياريًا تسمية النسخة المستنسخة باسم مختلف
5. انقر على استنساخ النموذج

يُنسخ النموذج وأوزانه إلى المشروع المستهدف. يظهر خيار استنساخ النموذج للنماذج المكتملة التي تتضمن أوزانًا لا تملكها بالفعل.

تنزيل النموذج#

نزّل أوزان النموذج:

1. افتح صفحة النموذج
2. انقر على أيقونة التنزيل في ترويسة النموذج (متاحة من أي تبويب)
3. يُنزَّل تلقائيًا checkpoint الأساسي للنموذج .pt

يمكن تنزيل التنسيقات المُصدَّرة من تبويب Export بعد اكتمال التصدير.

ربط مجموعات البيانات#

يمكن ربط النماذج بمجموعة البيانات المصدر:

• اعرف مجموعة البيانات المستخدمة في التدريب
• انقر على بطاقة مجموعة البيانات في تبويب Overview للانتقال إليها
• تتبّع مصدر البيانات

عند التدريب باستخدام مجموعات بيانات Platform بصيغة URI ‏ul:// URI format، يتم الربط تلقائيًا.

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

بيانات وصفية مخصصة#

افتح إجراءات إضافية وحدد معلومات لمراجعة قسمين:

• بيانات Ultralytics الوصفية: تفاصيل Platform للقراءة فقط، مثل معرّف النموذج والمشروع ومجموعة البيانات المصدر والمهمة والحالة والطوابع الزمنية
• البيانات الوصفية المخصصة: كائن JSON خاص بك لسياق التقييم أو تتبّع الإصدارات أو الحوكمة أو غيرها من البيانات الخاصة بالنموذج

تكون البيانات الوصفية المخصصة منفصلة عن معلومات النموذج التي يديرها التدريب وتفاصيل البيئة ووسيطات التدريب. يمكن لمشاهدي مساحة العمل فحصها، بينما يمكن للأعضاء الذين لديهم صلاحية التعديل استبدال الكائن. يقتصر حجم كائن البيانات الوصفية المتسلسل على 500,000 حرف، ويقتصر طول كل مفتاح من المستوى الأعلى على 128 حرفًا. احفظ كائنًا فارغًا ({}) لمسح البيانات الوصفية المخصصة.

إعدادات الظهور#

تحكّم فيمن يمكنه رؤية نموذجك:

يُحدَّد مستوى الرؤية على مستوى المشروع، لذا فهو يتحكم في جميع النماذج ضمن المشروع. لتغييره، انقر على شارة مستوى الرؤية (private أو public) بجوار اسم المشروع في مسار التنقل أعلى الصفحة. يسري التحويل إلى خاص فورًا. أما التحويل إلى عام فيعرض مربع حوار للتأكيد قبل تطبيق التغيير.

حذف النموذج#

أزل نموذجًا لم تعد بحاجة إليه:

1. افتح قائمة More actions في ترويسة النموذج، ثم اختر Delete Model
2. أكّد الحذف

انظر أيضًا#

• Inference: اختبر النماذج في المتصفح باستخدام تبويب Predict
• Endpoints: انشر النماذج في بيئة الإنتاج باستخدام نقاط نهاية مخصصة
• Cloud Training: هيّئ مهام التدريب وشغّلها على وحدات GPU سحابية
• تنسيقات التصدير: دليل شامل لجميع تنسيقات التصدير الـ22

الأسئلة الشائعة#