Ultralytics YOLO27:

تثبيت Ultralytics#

قم بتثبيت حزمة ultralytics باستخدام pip أو conda أو Docker أو من المصدر، ثم قم بتشغيل التنبؤ الأول باستخدام نموذج YOLO26 المدرب مسبقًا. تثبت كل طريقة جميع التبعيات المطلوبة المدرجة في pyproject.toml.

التثبيت

قم بتثبيت أو تحديث حزمة ultralytics في بيئة Python>=3.8 مع PyTorch>=1.8:

pip install -U ultralytics

للحصول على أحدث إصدار تطويري، قم بالتثبيت مباشرة من مستودع Ultralytics على GitHub:

pip install git+https://github.com/ultralytics/ultralytics.git@main
نصيحة

تختلف متطلبات PyTorch باختلاف نظام التشغيل وإصدار CUDA. لاستخدام بناء معين، قم بتثبيت PyTorch أولاً باتباع تعليمات تثبيت PyTorch، ثم قم بتثبيت ultralytics.

استخدام Ultralytics مع واجهة سطر الأوامر (CLI)#

قم بتشغيل التنبؤ الأول من طرفية الأوامر (Terminal) باستخدام أمر yolo:

yolo predict model=yolo26n.pt

يتم تنزيل أوزان yolo26n.pt المدربة مسبقًا تلقائيًا، ويتم تشغيل النموذج على صورتين نموذجيتين مدمجتين، ويقوم الأمر طباعة مكان حفظ النتائج المشروحة، runs/detect/predict عند التشغيل الأول. قم بتوجيه source إلى صورتك أو فيديو أو دليل أو عنوان URL أو بث مباشر، أو إلى كاميرا الويب باستخدام source=0:

yolo predict model=yolo26n.pt source=0 show=True

predict هو الوضع، وهو ما يجب فعله بالنموذج: train أو val أو predict أو export أو track أو benchmark. تتم قراءة المهمة (detect أو segment أو semantic أو depth أو classify أو pose أو obb) من ملف النموذج، لذا فإن بناء جملة yolo TASK MODE ARGS يحتاج عادةً فقط إلى الوضع بالإضافة إلى أزواج arg=value مثل imgsz=640. راجع دليل سطر الأوامر (CLI) لكل وضع وصفحة التهيئة لجميع الوسائط.

استخدام Ultralytics مع Python#

نفس التنبؤ في لغة Python:

from ultralytics import YOLO

model = YOLO("yolo26n.pt")  # load a pretrained YOLO26n detection model
results = model("https://ultralytics.com/images/bus.jpg", save=True)  # predict and save the annotated image

results عبارة عن قائمة من كائنات Results، واحد لكل صورة، تحمل مربعات محيطة، أو أقنعة، أو نقاط رئيسية، أو احتمالات الفئات اعتمادًا على المهمة. يغطي دليل Python التدريب والتحقق والتصدير والتتبع باستخدام نفس فئة YOLO.



Watch: Ultralytics YOLO Quick Start Guide

إعدادات Ultralytics#

الإعدادات الدائمة مثل مجموعات البيانات والأوزان وأدلة عمليات التشغيل، ومفتاح API الخاص بـ منصة Ultralytics، وتبديلات مسجل التجارب موجودة في ملف JSON تتم إدارته باستخدام yolo settings. راجع صفحة الإعدادات لعرضها أو تغييرها أو إعادة ضبطها.

ما التالي#

تصفح الأوضاع التي يتم تشغيل YOLO فيها وأحجام نموذج YOLO26، ثم تدرب على بياناتك الخاصّة بعد تنسيقها باستخدام دليل مجموعات البيانات.

لإلقاء نظرة مستقبلية، استكشف YOLO27 (Coming Soon). نماذج يولو 27 (Coming Soon) غير متوفرة بعد؛ وتستخدم الأمثلة أعلاه عائلة يولو 26 (YOLO26) المُصْدَرَة.

الأسئلة الشائعة#

  • قم بتثبيت Ultralytics باستخدام pip باستخدام:

    pip install -U ultralytics

    يقوم هذا بتثبيت أحدث إصدار مستقر من حزمة ultralytics من PyPI. لتثبيت إصدار التطوير مباشرة من GitHub:

    pip install git+https://github.com/ultralytics/ultralytics.git

    تأكد من تثبيت أداة سطر命令 Git على نظامك.

  • نعم، قم بتثبيت Ultralytics YOLO باستخدام conda مع:

    conda install -c conda-forge ultralytics

    هذه الطريقة تعد بديلًا ممتازًا لـ pip، مما يضمن التوافق مع الحزم الأخرى. بالنسبة لبيئات CUDA، ثبّت ultralytics مع الحزمة الفوقية pytorch-gpu لكي يختار conda إصدار PyTorch مدعومًا بـ CUDA:

    conda install -c conda-forge ultralytics pytorch-gpu

    لمزيد من التعليمات، راجع Conda quickstart guide.

  • يوفر Docker بيئة معزولة ومتسقة لـ Ultralytics YOLO، مما يضمن أداءً سلساً عبر الأنظمة ويتجنب تعقيدات التثبيت المحلي. تتوفر صور Docker الرسمية على Docker Hub، مع متغيرات لـ GPU وCPU وARM64 وNVIDIA Jetson وConda. لسحب الصورة الأخيرة وتشغيلها:

    # Pull the latest ultralytics image from Docker Hub
sudo docker pull ultralytics/ultralytics:latest

# Run the ultralytics image in a container with GPU support
sudo docker run -it --ipc=host --device nvidia.com/gpu=all ultralytics/ultralytics:latest

    على Linux، تتطلب طلبات أجهزة CDI استخدام Docker >= 28.2.0 و NVIDIA Container Toolkit >= 1.18. للحصول على إرشادات تفصيلية حول Docker، راجع Docker quickstart guide.

  • قم استنساخ مستودع Ultralytics وإعداد بيئة تطوير باستخدام:

    # Clone the ultralytics repository
git clone https://github.com/ultralytics/ultralytics

# Navigate to the cloned directory
cd ultralytics

# Install the package in editable mode for development
pip install -e .

    يسمح هذا بالمساهمات في المشروع أو التجريب بأحدث شفرة مصدرية. بالنسبة لعمليات التفرع وتثبيت فرع مخصص، راجع تثبيت التطوير.

  • تُبسط واجهة سطر أوامر Ultralytics YOLO تشغيل مهام اكتشاف الكائنات بدون كود Python، مما يتيح أوامر من سطر واحد للتدريب والتحقق والتنبؤ مباشرة من محطتك الطرفية. النحو الأساسي هو:

    yolo TASK MODE ARGS

    على سبيل المثال، لتدريب نموذج اكتشاف:

    yolo train data=coco8.yaml model=yolo26n.pt epochs=10 lr0=0.01

    استكشف المزيد من الأوامر وأمثلة الاستخدام في CLI Guide الكامل.

المساهمون
GLglenn-jocher39RIRizwanMunawar6RAraimbekovm4LALaughing-q3PDpderrenger3BUBurhan-Q3ONonuralpszr2JKjk4e2SEsergiuwaxmann1BOBovey08091FCfcakyon1LAlakshanthad1PIpicsalex1LEleonnil1MAMatthewNoyce1

التعليقات