النماذج (Models)#

توفر Ultralytics Platform إدارة شاملة للنماذج لتدريب وتحليلات ون نشر نماذج YOLO. قم بتحميل النماذج المدربة مسبقاً أو تدريب نماذج جديدة مباشرة على المنصة.

تحميل نموذج#

تحميل أوزان النماذج الموجودة إلى المنصة:

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

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

صيغ النماذج المدعومة:

بعد التحميل، تقوم المنصة بتحليل البيانات الوصفية للنموذج:

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

تدريب 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 قسم تدريب السحابة للحصول على تعليمات مفصلة.

دورة 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[20 Formats]:::out
    F --> H[Endpoint]:::out

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

علامات تبويب صفحة النموذج#

تحتوي كل صفحة نموذج على علامات التبويب التالية:

ترويسة النموذج#

فوق علامات التبويب، تُظهر الترويسة لون النموذج (قابل للتعديل)، والاسم (انقر لإعادة التسمية)، وشارة المهمة، وإصدار نقطة التحقق ultralytics، ومحدد الترخيص. إجراءاتها هي استنساخ النموذج (على النماذج المكتملة ذات الأوزان التي لا تملكها مسبقاً)، وتنزيل، وتمييز بنجمة، ومشاركة (النماذج العامة)، وقائمة المزيد من الإجراءات التي تحتوي على معلومات، وتحديث، وحذف النموذج.

مباشرةً أدناه، تعرض كل بطاقة لمقياس مهمة القيمة النهائية عبر مخطط شراري لتقدم تدريبها — انقر فوق أي بطاقة للانتقال إلى المخططات — إلى جانب بطاقة تربط مجموعة البيانات التي تم تدريب النموذج عليها.

علامة تبويب نظرة عامة#

تسجل بطاقة معلومات التشغيل (Run Information) كيفية تنفيذ التشغيل: الحالة، وقت البدء، وقت التشغيل، تكلفة الحساب مع وحدة المعالجة الرسومية (GPU) والمعدل بالساعة، وإصدار ultralytics، وتفاصيل المضيف (اسم المضيف، البيئة، نظام التشغيل، Python، وحدة المعالجة المركزية (CPU)، وحدة المعالجة الرسومية (GPU))، والنموذج الأصل، وإصدار مجموعة البيانات المثبت، ومستودع Git، والفرع والالتزام عندما أبلغ التشغيل عنها، وأمر yolo train قابل للاستنساخ يمكنك نسخه.

أثناء نشاط التشغيل، تُظهر البطاقة التقدم المباشر — عداد الحقبة (epoch)، شريط التقدم، الوقت المنقضي، الوقت المتوقع للوصول (ETA)، التكلفة المتراكمة — وزر إلغاء (Cancel). إذا فشل التشغيل، تحل محلها لافتة خطأ تحتوي على الخطأ التقاطه وإجراءات عرض سجلات وحدة التحكم الكاملة (View full console logs) وإعادة محاولة التدريب (Retry Training).

أسفلها، يسرد قسم تكوين التدريب (Training Configuration) كل معلمة فائقة مستخدمة، ويسرد قسم مقاييس الأداء (Performance Metrics) نتائج التقييم النهائية. كلا الجدولين قابلان للبحث ويحتويان على قائمة تصدير البيانات (Export data) (نسخ JSON، تنزيل CSV، تنزيل JSON).

علامة تبويب تدريب#

تحتوي علامة تبويب التدريب على ثلاث علامات تبويب فرعية:

علامة تبويب فرعية للمخططات#

مخططات المقاييس التفاعلية عبر الحقب، مقسمة إلى عرضي التدريب (Training) والتحقق (Validation) عندما ينتج التشغيل عناصر تحقق. تتبع مجموعات المخططات المقاييس التي أبلغ عنها التشغيل:

تطوى كل مجموعة، وتخفي قائمتها أو تظهر المخططات الفردية (وبالنسبة للخسائر، سلسلة التدريب أو التحقق)، ويمكن سحب المخططات وتغيير حجمها لتناسب تخطيطاً يثبت عبر الجلسات.

علامة تبويب فرعية لوحدة التحكم#

مخرجات وحدة التحكم المباشرة من عملية التدريب:

• بث السجلات في الوقت الفعلي أثناء التدريب، مع الاحتفاظ بآخر 2000 سطر
• أشرطة تقدم الحقب ونتائج التحقق
• اكتشاف الأخطاء الفادحة الذي ينهي التشغيل ويظهر الرسالة في لافتة
• دعم ألوان ANSI، وعمود طابع زمني اختياري، والنسخ بنقرة واحدة كنص عادٍ

علامة تبويب فرعية للنظام#

بطاقة مضيف تلخص مثيل التدريب (اسم المضيف، وحدة المعالجة المركزية، وحدة المعالجة الرسومية، إجماليات الذاكرة العشوائية (RAM) والقرص، ووقت آخر ظهور لها)، تليها مخططات لكل حقبة:

تظهر مخططات وحدة المعالجة الرسومية والشبكة والقرص فقط عندما يُبلغ التشغيل عن تلك العدادات.

علامة 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
• تدعم جميع أنواع المهام (detect، segment، semantic، depth، classify، pose، OBB)

علامة تبويب التصدير#

قم بتصدير نموذجك إلى 20 صيغة نشر. راجع قسم تصدير النموذج أدناه ودليل وضع التصدير الأساسي للحصول على التفاصيل الكاملة.

علامة تبويب النشر#

أنشئ وأدر نقاط نهاية استدلال مخصصة. راجع قسم النتائج والنقاط للحصول على التفاصيل.

مخططات التحقق#

بعد اكتمال التدريب، يعرض عرض التحقق (Validation) داخل علامة التبويب الفرعية للمخططات تحليلاً مفصلاً للحلقة الأخيرة.

مصفوفة الارتباك#

خريطة حرارية تفاعلية تعرض دقة التنبؤ لكل فئة:

منحنيات PR/F1#

عندما يوفرها تشغيل التدريب، يعرض عرض التحقق (Validation) أيضاً منحنيات الأداء عند عتبات ثقة مختلفة. تعتمد مؤامرات التحقق المتاحة على العناصر الناتجة عن التشغيل.

تشخيصات لكل صورة#

تحصل نماذج الكشف المدربة باستخدام إصدار مجموعة بيانات محفوط أيضاً على تحليل تحقق لكل صورة، والذي يشير إلى البيانات الكامنة وراء درجة مخيبة للآمال:

• الصور الأسوأ والأفضل أداءً، مصنفة حسب مقياس F1 لكل صورة ومرسومة مع صناديق الحقيقة الأرضية الخاصة بها
• مستكشف الخصائص، الذي يربط مقياس F1 بعرض الصورة، وارتفاعها، وعدد البكسلات، ونسبة الابعاد، وعدد الحالات، مع تحديد العلاقة الأقوى افتراضياً
• الفئات المرتبطة بالأخطاء، مع تصنيف الفئات التي تظهر بشكل متكرر في أضعف الصور

تصدير 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 20 تنسيق 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 بدء التصدير
6. قم بالتنزيل عند الاكتمال

قم بتوصيل تنبيهات Slack لتلقي رسالة عندما يكون التصدير جاهزاً أو يفشل.

التنسيقات المدعومة#

تدعم المنصة التصدير إلى 20 صيغة نشر: ONNX و TorchScript و OpenVINO و TensorRT و CoreML و TF SavedModel و TF GraphDef و LiteRT و TF Edge TPU و PaddlePaddle و NCNN و MNN و RKNN و Qualcomm (QNN) و IMX500 و Axelera و ExecuTorch و DeepX و Hailo و Huawei Ascend.

دليل اختيار الصيغة#

أهداف NVIDIA Jetson TensorRT#

توفر منصة Ultralytics تحديدات أهداف Jetson التالية لتصديرات TensorRT .engine. اعتباراً من يوليو 2026، يتم بناء تصديرات Jetson TensorRT باستخدام 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.

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.

دعم رقاقة RKNN#

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

دورة حياة وظيفة التصدير#

تمر وظائف التصدير بالحالات التالية:

إجراءات التصدير المجمعة#

• تصدير الكل (Export All): انقر فوق Export All لبدء مهام التصدير لجميع التنسيقات القائمة على وحدة المعالجة المركزية بالإعدادات الافتراضية. يتم تخطي التنسيقات التي تحتاج إلى تحديد وحدة معالجة رسومية، أو غير متوفرة لهذا النموذج، أو التي تحتوي بالفعل على تصدير، ويتم سردها لك.
• حذف كل الصادرات: انقر على Delete All لإزالة جميع الصادرات الخاصة بالنموذج.

قيود الصيغ#

بعض صيغ التصدير لها قيود على البنية أو المهام:

استنساخ نموذج#

استنساخ نموذج إلى مشروع مختلف:

1. افتح صفحة النموذج
2. انقر على استنساخ النموذج
3. حدد مشروع الوجهة، أو اختر مشروع جديد (New Project) لإنشاء واحد ضمني
4. امنح الاستنساخ اسماً مختلفاً اختيارياً
5. انقر على استنساخ النموذج

يتم نسخ النموذج وأوزانه إلى المشروع المستهدف. تظهر استنساخ النموذج (Clone Model) على النماذج المكتملة ذات الأوزان التي لا تملكها مسبقاً.

تنزيل نموذج#

تنزيل أوزان نموذجك:

1. انتقل إلى علامة تبويب نظرة عامة (Overview) الخاصة بالنموذج
2. انقر على زر تنزيل (Download)
3. يتم تنزيل نقطة التحقق الأساسية .pt للنموذج تلقائياً

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

ربط 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 URI ul://، يكون الربط تلقائياً.

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

البيانات الوصفية المخصصة#

افتح المزيد من الإجراءات وحدد معلومات لمراجعة قسمين:

• بيانات وصفية لـ Ultralytics: تفاصيل المنصة للقراءة فقط مثل معرف النموذج، المشروع، مجموعة البيانات المصدر، المهمة، الحالة، والطوابع الزمنية
• بيانات وصفية مخصصة: كائن JSON الخاص بك لسياق التقييم، وتتبع الإصدارات، والحوكمة، أو البيانات الأخرى الخاصة بالنموذج

البيانات الوصفية المخصصة منفصلة عن معلومات النموذج المملوكة للتدريب، وتفاصيل البيئة، ومعاملات التدريب. يمكن لمشاهدي مساحة العمل فحصها، بينما يمكن للأعضاء الذين لديهم صلاحية التحرير استبدال الكائن. يقتصر كائن البيانات الوصفية المتسلسل على 500,000 حرف، ويقتصر كل مفتاح رئيسي على 128 حرفاً. احفظ كائناً فارغاً ({}) لمسح البيانات الوصفية المخصصة.

إعدادات الرؤية#

تحكم في من يمكنه رؤية نموذجك:

يتم تعيين الرؤية على مستوى المشروع، لذا فهي تتحكم في كل نموذج في المشروع. لتغييرها، انقر فوق شارة الرؤية (private أو public) بجانب اسم المشروع في شريط التنقل في أعلى الصفحة. يصبح التبديل إلى الخاص سارياً على الفور. يُظهر التبديل إلى العام مربع حوار تأكيد قبل التطبيق.

حذف نموذج#

إزالة نموذج لم تعد بحاجة إليه:

1. افتح قائمة المزيد من الإجراءات (More actions) في ترويسة النموذج وحدد حذف النموذج (Delete Model)
2. تأكيد الحذف

شاهد أيضًا#

• الاستدلال: اختبر النماذج في المتصفح باستخدام علامة التبويب Predict
• نقاط النهاية: انشر النماذج للإنتاج باستخدام نقاط نهاية مخصصة
• تدريب السحابة: تكوين وتشغيل مهام التدريب على وحدات معالجة الرسومات السحابية
• صيغ التصدير: دليل شامل لجميع صيغ التصدير الـ 20

الأسئلة الشائعة#