النماذج#

توفر منصة Ultralytics إدارة شاملة للنماذج لتدريب نماذج YOLO وتحليلها ونشرها. ارفع النماذج المُدرَّبة مسبقًا أو درِّب نماذج جديدة مباشرةً على المنصة.

رفع نموذج#

ارفع 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 رفع النماذج
3. تُحلَّل البيانات الوصفية للنموذج تلقائيًا من الملف

يمكن رفع ملفات متعددة في الوقت نفسه (بحد أقصى 3 ملفات متزامنة).

تنسيقات النموذج المدعومة:

بعد الرفع، تحلّل المنصة البيانات الوصفية للنموذج:

• نوع المهمة (detect، segment، semantic، depth، classify، pose، OBB)
• البنية (YOLO26n وYOLO26s وغيرهما)
• أسماء الفئات وعددها
• حجم الإدخال والمعلمات
• نتائج التدريب والمقاييس (إن وُجدت في نقطة التحقق)

تدريب نموذج#

درِّب نموذجًا جديدًا مباشرةً على المنصة:

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

راجع التدريب السحابي 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:

رأس النموذج#

يعرض الرأس الموجود أعلى علامات التبويب لون النموذج (القابل للتحرير)، والاسم (انقر لإعادة التسمية)، وشارة المهمة، وإصدار ultralytics لنقطة التحقق، ومحدد الترخيص. وتشمل إجراءاته استنساخ النموذج (في النماذج المكتملة ذات الأوزان التي لا تملكها بالفعل)، وتنزيل، وتمييز بنجمة، ومشاركة (للنماذج العامة)، وقائمة مزيد من الإجراءات التي تتضمن المعلومات والتحديث وحذف النموذج.

أسفل ذلك مباشرةً، تعرض بطاقة واحدة لكل مقياس مهمة القيمة النهائية فوق مخطط مصغر لتقدم التدريب — انقر على أي بطاقة للانتقال إلى المخططات — إلى جانب بطاقة ترتبط بمجموعة البيانات التي دُرِّب عليها النموذج.

علامة تبويب نظرة عامة#

تسجل بطاقة معلومات التشغيل كيفية تنفيذ التشغيل: الحالة، ووقت البدء، ومدة التشغيل، وتكلفة الحوسبة مع GPU والسعر بالساعة، وإصدار ultralytics، وتفاصيل المضيف (اسم المضيف، والبيئة، ونظام التشغيل، وPython، وCPU، وGPU)، والنموذج الأصل، وإصدار مجموعة البيانات المثبت، ومستودع Git، والفرع والالتزام عندما يبلّغ التشغيل عنها، وأمر yolo train قابل لإعادة الإنتاج يمكنك نسخه.

أثناء نشاط التشغيل، تعرض البطاقة التقدم المباشر — عداد العصور، وشريط التقدم، والوقت المنقضي، والوقت المتوقع للوصول، والتكلفة المتراكمة — وزر إلغاء. وإذا فشل التشغيل، تستبدل البطاقةَ لافتةُ خطأ تعرض الخطأ الملتقط وإجرائي عرض سجلات وحدة التحكم الكاملة وإعادة محاولة التدريب.

أسفلها، يسرد إعداد التدريب كل معلمة فائقة مستخدمة، بينما تسرد مقاييس الأداء نتائج التقييم النهائية. ويمكن البحث في كلا الجدولين، كما يحتويان على قائمة تصدير البيانات (نسخ JSON، وتنزيل CSV، وتنزيل JSON).

علامة تبويب التدريب#

تحتوي علامة تبويب التدريب على ثلاث علامات تبويب فرعية:

علامة تبويب المخططات#

مخططات تفاعلية للمقاييس عبر العصور، مقسمة إلى عرضي التدريب والتحقق عندما ينتج التشغيل عناصر تحقق. وتتبع مجموعات المخططات المقاييس التي أبلغ عنها التشغيل:

يمكن طي كل مجموعة، وتخفي قائمتها المخططات الفردية أو تعرضها (وللخسائر، سلسلة التدريب أو التحقق)، كما يمكن سحب المخططات وتغيير حجمها إلى تخطيط يستمر عبر الجلسات.

علامة تبويب وحدة التحكم#

مخرجات وحدة التحكم المباشرة من عملية التدريب:

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

علامة تبويب النظام#

بطاقة مضيف تلخص مثيل التدريب (اسم المضيف، وCPU، وGPU، وإجمالي RAM والقرص، ووقت آخر رصد له)، تتبعها مخططات لكل عصر:

تظهر مخططات GPU والشبكة والقرص فقط عندما يبلّغ التشغيل عن تلك العدادات.

علامة تبويب التنبؤ#

شغّل الاستدلال التفاعلي مباشرةً في المتصفح:

• ارفع صورة، أو استخدم صورًا نموذجية، أو استخدم كاميرا الويب
• تُعرض النتائج مع مربعات الإحاطة، أو الأقنعة، أو خرائط الفئات الدلالية، أو النقاط الرئيسية
• الاستدلال التلقائي عند توفير صورة
• يدعم جميع أنواع المهام (detect، segment، semantic، depth، classify، pose، OBB)

علامة تبويب التصدير#

صدّر نموذجك إلى 20 تنسيقًا للنشر. راجع تصدير النموذج أدناه ودليل وضع التصدير الأساسي للحصول على التفاصيل الكاملة.

علامة تبويب النشر#

أنشئ نقاط نهاية مخصصة للاستدلال وأدرها. راجع عمليات النشر للحصول على التفاصيل.

مخططات التحقق#

بعد اكتمال التدريب، يعرض عرض التحقق داخل علامة التبويب الفرعية للمخططات تحليلًا مفصلًا للعصر النهائي.

مصفوفة الالتباس#

خريطة حرارية تفاعلية تُظهر دقة التنبؤ لكل فئة:

منحنيات PR/F1#

عندما يوفرها تشغيل التدريب، يعرض منظور التحقق أيضًا منحنيات الأداء عند عتبات ثقة مختلفة. تعتمد مخططات التحقق المتاحة على العناصر الناتجة عن التشغيل.

التشخيصات لكل صورة#

تحصل نماذج الكشف المدرَّبة باستخدام إصدار محفوظ من مجموعة البيانات أيضًا على تحليل تحقق لكل صورة، يحدد البيانات الكامنة وراء النتيجة المخيبة للآمال:

• الصور ذات الأداء الأسوأ والأفضل، مرتبة حسب قيمة F1 لكل صورة ومرسوم عليها مربعات الحقيقة الأرضية
• مستكشف السمات، الذي يربط قيمة F1 بعرض الصورة وارتفاعها وعدد البكسلات ونسبة العرض إلى الارتفاع وعدد الكيانات، مع تحديد أقوى علاقة افتراضيًا
• الفئات المرتبطة بحالات الإخفاق، مع ترتيب الفئات التي تظهر غالبًا في الصور الأضعف
• العثور على عناصر مشابهة، في المعرض الأسوأ أداءً، وعلى صورة فردية في عرض ملء الشاشة، وعلى صف نبيل الفئة، والذي يبحث في مجموعات البيانات العامة عن صور تشبه حالات الفشل التقاطها ويضيف الصور التي تحددها إلى مجموعة بيانات التدريب كصور train غير مُصنَّفة (راجع البحث عن صور مشابهة)؛ ويُعْرَض عندما يكون بإمكانك تعديل المشروع وكانت مجموعة بيانات التدريب مجموعة بيانات غير متصلة تابعة لنفس مساحة العمل

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

صدّر نموذجك إلى 20 صيغة للنشر:

1. انتقل إلى علامة التبويب التصدير
2. حدّد الصيغة المستهدفة
3. كوّن إعدادات التصدير (حجم الصورة، والدقة النصفية، والديناميكية، وغير ذلك)
4. بالنسبة إلى الصيغ التي تتطلب GPU (TensorRT)، حدّد نوع GPU
5. انقر على بدء التصدير
6. نزّل النموذج عند اكتمال العملية

اربط تنبيهات Slack لتلقي رسالة عند جاهزية التصدير أو فشله.

التنسيقات المدعومة#

تدعم المنصة التصدير إلى 20 صيغة للنشر: ONNX وTorchScript وOpenVINO وTensorRT وCoreML وTF SavedModel وTF GraphDef وLiteRT وTF Edge TPU وPaddlePaddle وNCNN وMNN وRKNN وQualcomm (QNN) وIMX500 وAxelera وExecuTorch وDeepX وHailo وHuawei Ascend.

دليل اختيار الصيغة#

أهداف TensorRT لـ NVIDIA Jetson#

توفر منصة Ultralytics خيارات التحديد التالية لجهاز Jetson لتصديرات TensorRT عبر .engine. استخدمت قياسات التحقق لشهر يوليو 2026 إصدار JetPack 7.2 / L4T r39.2، وPython 3.12.3، وNVIDIA PyTorch 2.12.0a0 (بناء 26.04)، وCUDA 13.2، وTensorRT 10.16.1.11. وهي تصف تلك البيئة المختبرة؛ لذا تحقق من بيئات تشغيل العامل الحالي وجهاز النشر قبل إعادة استخدام محرك مُصَدَّر.

الأزمنة هي اختبارات توجيه إنتاجية شاملة من البداية إلى النهاية، لوحظت مرة واحدة في يوليو 2026 وقُرّبت إلى أقرب ثانية؛ وهي قياسات مرجعية وليست معيار أداء لاتفاقية SLA أو لكل SKU. بُني كلا خياري Thor على مجموعة تطوير T5000 ضمن ملف توافق NVIDIA T4000. وبُنيت مسارات Orin الستة على AGX Orin 64GB، حيث حُمّل كل محرك ناتج وشُغّل.

دعم شرائح RKNN#

عند التصدير إلى صيغة RKNN، حدّد جهاز Rockchip المستهدف:

دورة حياة مهمة التصدير#

تمر مهام التصدير بالحالات التالية:

إجراءات التصدير المجمّعة#

• تصدير الكل: انقر فوق Export All لبدء مهام التصدير لجميع التنسيقات المعتمدة على CPU باستخدام الإعدادات الافتراضية. يتم تخطي التنسيقات التي تتطلب تحديد GPU، أو غير المتاحة لهذا النموذج، أو التي لديها تصدير موجود مسبقًا، وإدراجها لك.
• حذف جميع عمليات التصدير: انقر فوق Delete All لإزالة جميع عمليات التصدير الخاصة بالنموذج.

قيود التنسيقات#

تفرض بعض تنسيقات التصدير قيودًا على البنية أو المهمة:

نقل النماذج بين المشاريع#

انقل النماذج التي يمكنك تعديلها إلى مشروع آخر ضمن نفس مساحة العمل دون نسخها:

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

تحتفظ النماذج المنقولة بأوزانها، ومقاييسها، وصادراتها، ونشراتها وتأخذ عنوان URL الخاص بالمشروع الوجهة. يُعاد تسمية النموذج الذي يُستخدم اسم عنوان URL الخاص به بالفعل في الوجهة عند وصوله، ولا يمكن نقل النماذج التي لا تزال قيد التدريب، ويؤدي Esc إلى إلغاء عملية قص معلقة. لنسخ نموذج لا تملكه إلى أحد مشاريعك، استخدم استنساخ النموذج.

استنساخ النموذج#

استنسخ نموذجًا إلى مشروع مختلف:

1. افتح صفحة النموذج
2. انقر فوق استنساخ النموذج
3. حدد المشروع الوجهة، أو اختر مشروع جديد لإنشائه مباشرةً
4. يمكنك اختياريًا منح النسخة المستنسخة اسمًا مختلفًا
5. انقر فوق استنساخ النموذج

يُنقل النموذج وأوزانه إلى المشروع الهدف. يظهر استنساخ النموذج في النماذج المكتملة التي تحتوي على أوزان لا تملكها مسبقًا.

تنزيل النموذج#

نزّل أوزان النموذج:

1. انتقل إلى علامة تبويب نظرة عامة الخاصة بالنموذج
2. انقر فوق زر تنزيل
3. يُنزل تلقائيًا ملف نقاط التحقق الأساسي للنموذج .pt

يمكن تنزيل التنسيقات المُصدّرة من علامة تبويب التصدير بعد اكتمال التصدير.

ربط مجموعة البيانات#

يمكن ربط النماذج بمجموعة البيانات المصدر الخاصة بها:

• اعرض مجموعة البيانات المستخدمة في التدريب
• انقر فوق بطاقة مجموعة البيانات في علامة تبويب نظرة عامة للانتقال إليها
• تتبّع مصدر البيانات

عند التدريب باستخدام مجموعات بيانات Platform بتنسيق URI‏ ul://، 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 مزيد من الإجراءات وحدد المعلومات 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 غير ذلك من البيانات الخاصة بالنموذج

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

إعدادات مستوى الظهور#

تحكم في من يمكنه رؤية نموذجك:

يُحدَّد مستوى الرؤية على مستوى المشروع، ولذلك يتحكم في كل نموذج ضمن المشروع. لتغييره، انقر فوق شارة الرؤية (private أو public) بجوار اسم المشروع في مسار التنقل أعلى الصفحة. يسري التحويل إلى الوضع الخاص فورًا. أما التحويل إلى الوضع العام، فيعرض مربع حوار للتأكيد قبل التطبيق.

حذف النموذج#

أزل نموذجًا لم تعد بحاجة إليه:

1. افتح قائمة مزيد من الإجراءات في رأس النموذج وحدد حذف النموذج
2. أكد الحذف

انظر أيضًا#

• الاستدلال: اختبر النماذج في المتصفح باستخدام علامة تبويب التنبؤ
• نقاط النهاية: انشر النماذج في بيئة الإنتاج باستخدام نقاط نهاية مخصصة
• التدريب السحابي: كوّن مهام التدريب وشغّلها على وحدات GPU السحابية
• تنسيقات التصدير: دليل شامل لجميع تنسيقات التصدير العشرين

الأسئلة الشائعة#