مرجع ل ultralytics/engine/model.py
ملاحظه
هذا الملف متاح في https://github.com/ultralytics/ultralytics/ نقطة / الرئيسية /ultralytics/ المحرك / model.py. إذا اكتشفت مشكلة ، فيرجى المساعدة في إصلاحها من خلال المساهمة في طلب 🛠️ سحب. شكرا لك 🙏!
ultralytics.engine.model.Model
قواعد: Module
فئة أساسية للتنفيذ YOLO النماذج، وتوحيد واجهات برمجة التطبيقات عبر أنواع النماذج المختلفة.
توفر هذه الفئة واجهة مشتركة لمختلف العمليات المتعلقة ب YOLO النماذج ، مثل التدريب ، التحقق من الصحة والتنبؤ والتصدير والقياس. يتعامل مع أنواع مختلفة من النماذج ، بما في ذلك تلك محملة من الملفات المحلية ، Ultralytics HUB، أو Triton ملقم. تم تصميم الفصل ليكون مرنا و قابل للتمديد لمختلف المهام وتكوينات النموذج.
البارامترات:
اسم | نوع | وصف | افتراضي |
---|---|---|---|
model |
Union[str, Path]
|
مسار أو اسم النموذج المراد تحميله أو إنشائه. يمكن أن يكون هذا ملفا محليا المسار، اسم طراز من Ultralytics HUB ، أو أ Triton طراز الخادم. الإعدادات الافتراضية ل 'yolov8n.pt'. |
'yolov8n.pt'
|
task |
Any
|
نوع المهمة المقترنة ب YOLO نموذج. يمكن استخدام هذا لتحديد النموذج مجال التطبيق ، مثل اكتشاف الكائنات والتجزئة وما إلى ذلك. الإعدادات الافتراضية إلى لا شيء. |
None
|
verbose |
bool
|
إذا كان صحيحا، يقوم بتمكين الإخراج المطول أثناء عمليات النموذج. الإعدادات الافتراضية إلى خطأ. |
False
|
سمات:
اسم | نوع | وصف |
---|---|---|
callbacks |
dict
|
قاموس لوظائف رد الاتصال لمختلف الأحداث أثناء عمليات النموذج. |
predictor |
BasePredictor
|
كائن المتنبئ المستخدم لعمل التنبؤات. |
model |
Module
|
الأساس PyTorch نموذج. |
trainer |
BaseTrainer
|
كائن المدرب المستخدم لتدريب النموذج. |
ckpt |
dict
|
بيانات نقطة التفتيش إذا تم تحميل النموذج من ملف *.pt. |
cfg |
str
|
تكوين النموذج إذا تم تحميله من ملف *.yaml. |
ckpt_path |
str
|
المسار إلى ملف نقطة التفتيش. |
overrides |
dict
|
قاموس التجاوزات لتكوين النموذج. |
metrics |
dict
|
أحدث مقاييس التدريب / التحقق من الصحة. |
session |
HUBTrainingSession
|
ال Ultralytics جلسة HUB ، إن وجدت. |
task |
str
|
نوع المهمة المخصصة للنموذج. |
model_name |
str
|
اسم النموذج. |
أساليب:
اسم | وصف |
---|---|
__call__ |
الاسم المستعار لطريقة التنبؤ ، مما يتيح أن يكون مثيل النموذج قابلا للاستدعاء. |
_new |
تهيئة نموذج جديد استنادا إلى ملف تكوين. |
_load |
تحميل نموذج من ملف نقطة تفتيش. |
_check_is_pytorch_model |
يضمن أن النموذج هو PyTorch نموذج. |
reset_weights |
يعيد ضبط أوزان النموذج إلى حالتها الابتدائية. |
load |
تحميل أوزان النموذج من ملف محدد. |
save |
يحفظ الحالة الحالية للنموذج في ملف. |
info |
يسجل أو يرجع معلومات حول النموذج. |
fuse |
يدمج طبقات Conv2d و BatchNorm2d للاستدلال الأمثل. |
predict |
ينفذ تنبؤات الكشف عن الكائنات. |
track |
ينفذ تتبع الكائن. |
val |
التحقق من صحة النموذج على مجموعة بيانات. |
benchmark |
يقيس النموذج على تنسيقات التصدير المختلفة. |
export |
يصدر النموذج إلى تنسيقات مختلفة. |
train |
يدرب النموذج على مجموعة بيانات. |
tune |
ينفذ ضبط المعلمات الفائقة. |
_apply |
يطبق دالة على موترات النموذج. |
add_callback |
إضافة وظيفة رد اتصال لحدث. |
clear_callback |
مسح جميع عمليات الاسترجاعات لحدث ما. |
reset_callbacks |
يعيد تعيين جميع عمليات الاسترجاعات إلى وظائفها الافتراضية. |
_get_hub_session |
يسترجع أو ينشئ ملف Ultralytics جلسة HUB. |
is_triton_model |
يتحقق مما إذا كان النموذج عبارة عن Triton طراز الخادم. |
is_hub_model |
يتحقق مما إذا كان النموذج هو Ultralytics نموذج HUB. |
_reset_ckpt_args |
إعادة تعيين وسيطات نقطة التفتيش عند تحميل ملف PyTorch نموذج. |
_smart_load |
يقوم بتحميل الوحدة النمطية المناسبة بناء على مهمة النموذج. |
task_map |
يوفر تعيينا من مهام النموذج إلى الفئات المقابلة. |
يثير:
نوع | وصف |
---|---|
FileNotFoundError
|
إذا كان ملف النموذج المحدد غير موجود أو يتعذر الوصول إليه. |
ValueError
|
إذا كان ملف النموذج أو التكوين غير صالح أو غير مدعوم. |
ImportError
|
إذا لم يتم تثبيت التبعيات المطلوبة لأنواع نماذج معينة (مثل HUB SDK). |
TypeError
|
إذا لم يكن النموذج PyTorch نموذج عند الحاجة. |
AttributeError
|
إذا لم يتم تنفيذ السمات أو الأساليب المطلوبة أو لم تكن متوفرة. |
NotImplementedError
|
إذا كانت مهمة أو وضع نموذج معين غير مدعوم. |
شفرة المصدر في ultralytics/engine/model.py
28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143 144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160 161 162 163 164 165 166 167 168 169 170 171 172 173 174 175 176 177 178 179 180 181 182 183 184 185 186 187 188 189 190 191 192 193 194 195 196 197 198 199 200 201 202 203 204 205 206 207 208 209 210 211 212 213 214 215 216 217 218 219 220 221 222 223 224 225 226 227 228 229 230 231 232 233 234 235 236 237 238 239 240 241 242 243 244 245 246 247 248 249 250 251 252 253 254 255 256 257 258 259 260 261 262 263 264 265 266 267 268 269 270 271 272 273 274 275 276 277 278 279 280 281 282 283 284 285 286 287 288 289 290 291 292 293 294 295 296 297 298 299 300 301 302 303 304 305 306 307 308 309 310 311 312 313 314 315 316 317 318 319 320 321 322 323 324 325 326 327 328 329 330 331 332 333 334 335 336 337 338 339 340 341 342 343 344 345 346 347 348 349 350 351 352 353 354 355 356 357 358 359 360 361 362 363 364 365 366 367 368 369 370 371 372 373 374 375 376 377 378 379 380 381 382 383 384 385 386 387 388 389 390 391 392 393 394 395 396 397 398 399 400 401 402 403 404 405 406 407 408 409 410 411 412 413 414 415 416 417 418 419 420 421 422 423 424 425 426 427 428 429 430 431 432 433 434 435 436 437 438 439 440 441 442 443 444 445 446 447 448 449 450 451 452 453 454 455 456 457 458 459 460 461 462 463 464 465 466 467 468 469 470 471 472 473 474 475 476 477 478 479 480 481 482 483 484 485 486 487 488 489 490 491 492 493 494 495 496 497 498 499 500 501 502 503 504 505 506 507 508 509 510 511 512 513 514 515 516 517 518 519 520 521 522 523 524 525 526 527 528 529 530 531 532 533 534 535 536 537 538 539 540 541 542 543 544 545 546 547 548 549 550 551 552 553 554 555 556 557 558 559 560 561 562 563 564 565 566 567 568 569 570 571 572 573 574 575 576 577 578 579 580 581 582 583 584 585 586 587 588 589 590 591 592 593 594 595 596 597 598 599 600 601 602 603 604 605 606 607 608 609 610 611 612 613 614 615 616 617 618 619 620 621 622 623 624 625 626 627 628 629 630 631 632 633 634 635 636 637 638 639 640 641 642 643 644 645 646 647 648 649 650 651 652 653 654 655 656 657 658 659 660 661 662 663 664 665 666 667 668 669 670 671 672 673 674 675 676 677 678 679 680 681 682 683 684 685 686 687 688 689 690 691 692 693 694 695 696 697 698 699 700 701 702 703 704 705 706 707 708 709 710 711 712 713 714 715 716 717 718 719 720 721 722 723 724 725 726 727 728 729 730 731 732 733 734 735 736 737 738 739 740 741 742 743 744 745 746 747 748 749 750 751 752 753 754 755 756 757 758 759 760 761 762 763 764 765 766 767 768 769 770 771 772 773 774 775 776 777 778 779 780 781 782 783 784 785 786 787 788 789 790 791 792 793 794 795 796 797 798 799 800 801 802 803 804 805 806 807 808 809 810 811 812 813 814 815 816 817 818 819 820 821 822 823 824 825 826 827 828 829 830 831 832 833 834 835 836 837 838 839 840 841 842 843 844 845 846 |
|
device: torch.device
property
يسترجع الجهاز الذي يتم تخصيص معلمات النموذج عليه.
يتم استخدام هذه الخاصية لتحديد ما إذا كانت معلمات النموذج على وحدة المعالجة المركزية أو وحدة معالجة الرسومات. ينطبق فقط على النماذج التي هي مثيلات nn. الوحده النمطيه.
ارجاع:
نوع | وصف |
---|---|
device | None
|
الجهاز (وحدة المعالجة المركزية / وحدة معالجة الرسومات) للطراز إذا كان PyTorch نموذج ، وإلا لا شيء. |
names: list
property
يسترجع أسماء الفئات المقترنة بالنموذج المحمل.
ترجع هذه الخاصية أسماء الفئات إذا تم تعريفها في النموذج. يتحقق من أسماء الفئات للتأكد من صحتها باستخدام الدالة "check_class_names" من ultralytics.nn.autobackend وحدة.
ارجاع:
نوع | وصف |
---|---|
list | None
|
أسماء فئات النموذج إن وجدت ، وإلا لا شيء. |
task_map: dict
property
توجه الخريطة إلى فئات النموذج والمدرب والمدقق والمتنبئ.
ارجاع:
اسم | نوع | وصف |
---|---|---|
task_map |
dict
|
خريطة مهمة النموذج إلى فئات الوضع. |
transforms
property
يسترجع التحويلات المطبقة على بيانات الإدخال للنموذج المحمل.
ترجع هذه الخاصية التحويلات إذا تم تعريفها في النموذج.
ارجاع:
نوع | وصف |
---|---|
object | None
|
كائن التحويل للنموذج إن وجد، وإلا لا شيء. |
__call__(source=None, stream=False, **kwargs)
اسم مستعار لأسلوب التنبؤ ، مما يتيح أن يكون مثيل النموذج قابلا للاستدعاء.
تعمل هذه الطريقة على تبسيط عملية إجراء التنبؤات من خلال السماح باستدعاء مثيل النموذج مباشرة مع الحجج المطلوبة للتنبؤ.
البارامترات:
اسم | نوع | وصف | افتراضي |
---|---|---|---|
source |
str | Path | int | Image | ndarray
|
مصدر الصورة لصنع التنبؤات. يقبل أنواعا مختلفة ، بما في ذلك مسارات الملفات وعناوين URL وصور PIL والمصفوفات الرقمية. الإعدادات الافتراضية إلى لا شيء. |
None
|
stream |
bool
|
إذا كان صحيحا، يعامل مصدر الإدخال كدفق مستمر للتنبؤات. الإعدادات الافتراضية إلى خطأ. |
False
|
**kwargs |
any
|
وسيطات الكلمات الرئيسية الإضافية لتكوين عملية التنبؤ. |
{}
|
ارجاع:
نوع | وصف |
---|---|
List[Results]
|
قائمة بنتائج التنبؤ، مغلفة في فئة النتائج. |
شفرة المصدر في ultralytics/engine/model.py
__init__(model='yolov8n.pt', task=None, verbose=False)
تهيئة مثيل جديد من YOLO فئة النموذج.
يقوم هذا المنشئ بإعداد النموذج استنادا إلى مسار النموذج أو الاسم المقدم. يتعامل مع أنواع مختلفة من النماذج المصادر ، بما في ذلك الملفات المحلية ، Ultralytics نماذج HUB، و Triton نماذج الخادم. الطريقة تهيئ عدة السمات المهمة للنموذج وإعداده لعمليات مثل التدريب أو التنبؤ أو التصدير.
البارامترات:
اسم | نوع | وصف | افتراضي |
---|---|---|---|
model |
Union[str, Path]
|
ملف المسار أو النموذج المراد تحميله أو إنشائه. هذا يمكن أن يكون محليا مسار الملف، اسم نموذج من Ultralytics HUB ، أو أ Triton طراز الخادم. الإعدادات الافتراضية ل 'yolov8n.pt'. |
'yolov8n.pt'
|
task |
Any
|
نوع المهمة المقترنة ب YOLO النموذج ، مع تحديد مجال التطبيق الخاص به. الإعدادات الافتراضية إلى لا شيء. |
None
|
verbose |
bool
|
إذا كان True ، يتيح الإخراج المطول أثناء تهيئة النموذج وما بعده العمليات. الإعدادات الافتراضية إلى خطأ. |
False
|
يثير:
نوع | وصف |
---|---|
FileNotFoundError
|
إذا كان ملف النموذج المحدد غير موجود أو يتعذر الوصول إليه. |
ValueError
|
إذا كان ملف النموذج أو التكوين غير صالح أو غير مدعوم. |
ImportError
|
إذا لم يتم تثبيت التبعيات المطلوبة لأنواع نماذج معينة (مثل HUB SDK). |
شفرة المصدر في ultralytics/engine/model.py
add_callback(event, func)
إضافة وظيفة رد اتصال لحدث محدد.
تسمح هذه الطريقة للمستخدم بتسجيل وظيفة رد اتصال مخصصة يتم تشغيلها في حدث معين أثناء نموذج التدريب أو الاستدلال.
البارامترات:
اسم | نوع | وصف | افتراضي |
---|---|---|---|
event |
str
|
اسم الحدث المراد إرفاق رد الاتصال به. |
مطلوب |
func |
callable
|
وظيفة معاودة الاتصال المراد تسجيلها. |
مطلوب |
يثير:
نوع | وصف |
---|---|
ValueError
|
إذا لم يتم التعرف على اسم الحدث. |
شفرة المصدر في ultralytics/engine/model.py
benchmark(**kwargs)
يقيس النموذج عبر تنسيقات التصدير المختلفة لتقييم الأداء.
تقوم هذه الطريقة بتقييم أداء النموذج في تنسيقات تصدير مختلفة ، مثل ONNX, TorchScriptالخ. يستخدم وظيفة "المعيار" من ultralytics.utils.benchmarks module. تم تكوين قياس الأداء باستخدام مجموعة من قيم التكوين الافتراضية والوسيطات الخاصة بالنموذج والافتراضيات الخاصة بالأسلوب و أي وسيطات إضافية للكلمات الرئيسية يوفرها المستخدم.
تدعم الطريقة العديد من الوسيطات التي تسمح بتخصيص عملية قياس الأداء ، مثل مجموعة البيانات الاختيار وحجم الصورة وأوضاع الدقة واختيار الجهاز والإسهاب. للحصول على قائمة شاملة للجميع خيارات قابلة للتكوين ، يجب على المستخدمين الرجوع إلى قسم "التكوين" في الوثائق.
البارامترات:
اسم | نوع | وصف | افتراضي |
---|---|---|---|
**kwargs |
any
|
وسيطات الكلمات الرئيسية التعسفية لتخصيص عملية قياس الأداء. يتم الجمع بين هذه مع التكوينات الافتراضية والوسيطات الخاصة بالنموذج والإعدادات الافتراضية للأسلوب. |
{}
|
ارجاع:
نوع | وصف |
---|---|
dict
|
قاموس يحتوي على نتائج عملية المقارنة المرجعية. |
يثير:
نوع | وصف |
---|---|
AssertionError
|
إذا لم يكن النموذج PyTorch نموذج. |
شفرة المصدر في ultralytics/engine/model.py
clear_callback(event)
يمسح جميع وظائف رد الاتصال المسجلة لحدث محدد.
تزيل هذه الطريقة جميع وظائف رد الاتصال المخصصة والافتراضية المرتبطة بالحدث المحدد.
البارامترات:
اسم | نوع | وصف | افتراضي |
---|---|---|---|
event |
str
|
اسم الحدث الذي سيتم مسح عمليات الاسترجاعات الخاصة به. |
مطلوب |
يثير:
نوع | وصف |
---|---|
ValueError
|
إذا لم يتم التعرف على اسم الحدث. |
شفرة المصدر في ultralytics/engine/model.py
embed(source=None, stream=False, **kwargs)
يولد تضمينات الصور بناء على المصدر المقدم.
هذه الطريقة عبارة عن غلاف حول طريقة "predict ()" ، مع التركيز على إنشاء عمليات تضمين من مصدر صورة. يسمح بتخصيص عملية التضمين من خلال وسيطات الكلمات الرئيسية المختلفة.
البارامترات:
اسم | نوع | وصف | افتراضي |
---|---|---|---|
source |
str | int | Image | ndarray
|
مصدر الصورة لإنشاء التضمينات. يمكن أن يكون المصدر مسار ملف ، عنوان URL ، صورة PIL ، صفيف numpy ، إلخ. الإعدادات الافتراضية إلى لا شيء. |
None
|
stream |
bool
|
إذا كان هذا صحيحا ، يتم بث التنبؤات. الإعدادات الافتراضية إلى خطأ. |
False
|
**kwargs |
any
|
وسيطات الكلمات الأساسية الإضافية لتكوين عملية التضمين. |
{}
|
ارجاع:
نوع | وصف |
---|---|
List[Tensor]
|
قائمة تحتوي على تضمينات الصور. |
يثير:
نوع | وصف |
---|---|
AssertionError
|
إذا لم يكن النموذج PyTorch نموذج. |
شفرة المصدر في ultralytics/engine/model.py
export(**kwargs)
تصدير النموذج إلى تنسيق مختلف مناسب للنشر.
تسهل هذه الطريقة تصدير النموذج إلى تنسيقات مختلفة (على سبيل المثال ، ONNX, TorchScript) للنشر اغراض. يستخدم فئة "المصدر" لعملية التصدير ، ويجمع بين التجاوزات الخاصة بالنموذج ، والطريقة الإعدادات الافتراضية وأي وسيطات إضافية مقدمة. يتم استخدام الوسيطات المدمجة لتكوين إعدادات التصدير.
تدعم الطريقة مجموعة واسعة من الحجج لتخصيص عملية التصدير. للحصول على قائمة شاملة للجميع الوسيطات المحتملة ، راجع قسم "التكوين" في الوثائق.
البارامترات:
اسم | نوع | وصف | افتراضي |
---|---|---|---|
**kwargs |
any
|
وسيطات الكلمات الرئيسية العشوائية لتخصيص عملية التصدير. يتم الجمع بين هذه مع تجاوزات النموذج والإعدادات الافتراضية للأسلوب. |
{}
|
ارجاع:
نوع | وصف |
---|---|
str
|
اسم ملف النموذج المُصدَّر بالتنسيق المحدد، أو كائن متعلق بعملية التصدير. |
يثير:
نوع | وصف |
---|---|
AssertionError
|
إذا لم يكن النموذج PyTorch نموذج. |
شفرة المصدر في ultralytics/engine/model.py
fuse()
يدمج طبقات Conv2d و BatchNorm2d في النموذج.
تعمل هذه الطريقة على تحسين النموذج عن طريق دمج طبقات Conv2d و BatchNorm2d ، والتي يمكن أن تحسن سرعة الاستدلال.
يثير:
نوع | وصف |
---|---|
AssertionError
|
إذا لم يكن النموذج PyTorch نموذج. |
شفرة المصدر في ultralytics/engine/model.py
info(detailed=False, verbose=True)
يسجل أو يعيد معلومات النموذج.
توفر هذه الطريقة نظرة عامة أو معلومات مفصلة حول النموذج ، اعتمادا على الوسيطات التي تم تمريرها. يمكنه التحكم في إسهاب الإخراج.
البارامترات:
اسم | نوع | وصف | افتراضي |
---|---|---|---|
detailed |
bool
|
إذا كان True ، يعرض معلومات مفصلة حول النموذج. الإعدادات الافتراضية إلى خطأ. |
False
|
verbose |
bool
|
إذا كان هذا صحيحا، فسيقوم بطباعة المعلومات. إذا كان خطأ، ترجع المعلومات. الإعدادات الافتراضية إلى صواب. |
True
|
ارجاع:
نوع | وصف |
---|---|
list
|
أنواع مختلفة من المعلومات حول النموذج ، اعتمادا على المعلمات "التفصيلية" و "المطولة". |
يثير:
نوع | وصف |
---|---|
AssertionError
|
إذا لم يكن النموذج PyTorch نموذج. |
شفرة المصدر في ultralytics/engine/model.py
is_hub_model(model)
staticmethod
تحقق مما إذا كان النموذج المقدم هو طراز HUB.
شفرة المصدر في ultralytics/engine/model.py
is_triton_model(model)
staticmethod
هو نموذج أ Triton سلسلة عنوان URL للخادم ، أي
شفرة المصدر في ultralytics/engine/model.py
load(weights='yolov8n.pt')
تحميل المعلمات من ملف الأوزان المحدد إلى النموذج.
تدعم هذه الطريقة تحميل الأوزان من ملف أو مباشرة من كائن الأوزان. يطابق المعلمات بواسطة الاسم والشكل ونقلهما إلى النموذج.
البارامترات:
اسم | نوع | وصف | افتراضي |
---|---|---|---|
weights |
str | Path
|
المسار إلى ملف الأوزان أو كائن الأوزان. الإعدادات الافتراضية ل 'yolov8n.pt'. |
'yolov8n.pt'
|
ارجاع:
اسم | نوع | وصف |
---|---|---|
self |
Model
|
مثيل الفئة مع الأوزان المحملة. |
يثير:
نوع | وصف |
---|---|
AssertionError
|
إذا لم يكن النموذج PyTorch نموذج. |
شفرة المصدر في ultralytics/engine/model.py
predict(source=None, stream=False, predictor=None, **kwargs)
ينفذ تنبؤات على مصدر الصورة المحدد باستخدام YOLO نموذج.
تسهل هذه الطريقة عملية التنبؤ ، مما يسمح بتكوينات مختلفة من خلال وسيطات الكلمات الرئيسية. وهو يدعم التنبؤات باستخدام المتنبئين المخصصين أو طريقة التنبؤ الافتراضية. الطريقة تتعامل مع مختلف أنواع مصادر الصور ويمكن أن تعمل في وضع البث. كما يوفر الدعم ل SAM-نوع النماذج من خلال "المطالبات".
تقوم الطريقة بإعداد متنبئ جديد إذا لم يكن موجودا بالفعل وتحديث وسيطاته مع كل مكالمة. كما أنه يصدر تحذيرا ويستخدم الأصول الافتراضية إذا لم يتم توفير "المصدر". تحدد الطريقة ما إذا كانت يتم استدعاؤه من واجهة سطر الأوامر ويضبط سلوكه وفقا لذلك ، بما في ذلك تعيين الإعدادات الافتراضية لعتبة الثقة وسلوك الادخار.
البارامترات:
اسم | نوع | وصف | افتراضي |
---|---|---|---|
source |
str | int | Image | ndarray
|
مصدر الصورة لعمل التنبؤات. يقبل أنواعا مختلفة ، بما في ذلك مسارات الملفات وعناوين URL وصور PIL والمصفوفات الرقمية. الإعدادات الافتراضية للأصول. |
None
|
stream |
bool
|
يعامل مصدر الإدخال كدفق مستمر للتنبؤات. الإعدادات الافتراضية إلى خطأ. |
False
|
predictor |
BasePredictor
|
مثيل لفئة تنبؤ مخصصة لعمل التنبؤات. إذا لم يكن هناك شيء ، فإن الطريقة تستخدم متنبئا افتراضيا. الإعدادات الافتراضية إلى لا شيء. |
None
|
**kwargs |
any
|
وسيطات الكلمات الرئيسية الإضافية لتكوين عملية التنبؤ. تسمح هذه الحجج لمزيد من التخصيص لسلوك التنبؤ. |
{}
|
ارجاع:
نوع | وصف |
---|---|
List[Results]
|
قائمة بنتائج التنبؤ، مغلفة في فئة النتائج. |
يثير:
نوع | وصف |
---|---|
AttributeError
|
إذا لم يتم إعداد المتنبئ بشكل صحيح. |
شفرة المصدر في ultralytics/engine/model.py
reset_callbacks()
يعيد تعيين جميع عمليات الاسترجاعات إلى وظائفها الافتراضية.
تعيد هذه الطريقة وظائف رد الاتصال الافتراضية لجميع الأحداث ، مع إزالة أي عمليات رد اتصال مخصصة كانت تمت إضافته مسبقا.
شفرة المصدر في ultralytics/engine/model.py
reset_weights()
يعيد تعيين معلمات النموذج إلى قيم تمت تهيئتها عشوائيا، مع تجاهل جميع معلومات التدريب بشكل فعال.
تتكرر هذه الطريقة من خلال جميع الوحدات النمطية في النموذج وتعيد تعيين معلماتها إذا كان لديهم ملف طريقة "reset_parameters". كما أنه يضمن تعيين "requires_grad" لجميع المعلمات على True ، مما يمكنها من ليتم تحديثها أثناء التدريب.
ارجاع:
اسم | نوع | وصف |
---|---|---|
self |
Model
|
مثيل الفئة مع إعادة تعيين الأوزان. |
يثير:
نوع | وصف |
---|---|
AssertionError
|
إذا لم يكن النموذج PyTorch نموذج. |
شفرة المصدر في ultralytics/engine/model.py
save(filename='saved_model.pt', use_dill=True)
يحفظ حالة النموذج الحالية إلى ملف.
تقوم هذه الطريقة بتصدير نقطة تفتيش النموذج (ckpt) إلى اسم الملف المحدد.
البارامترات:
اسم | نوع | وصف | افتراضي |
---|---|---|---|
filename |
str | Path
|
اسم الملف لحفظ النموذج فيه. الإعدادات الافتراضية هي "saved_model.pt". |
'saved_model.pt'
|
use_dill |
bool
|
ما إذا كنت تريد محاولة استخدام الشبت للتسلسل إذا كان ذلك متاحا. الإعدادات الافتراضية إلى صواب. |
True
|
يثير:
نوع | وصف |
---|---|
AssertionError
|
إذا لم يكن النموذج PyTorch نموذج. |
شفرة المصدر في ultralytics/engine/model.py
track(source=None, stream=False, persist=False, **kwargs)
يقوم بإجراء تتبع الكائن على مصدر الإدخال المحدد باستخدام أجهزة التتبع المسجلة.
تقوم هذه الطريقة بتتبع الكائنات باستخدام متنبئات النموذج وأجهزة التتبع المسجلة اختياريا. إنه من دواعي سروري قادرة على التعامل مع أنواع مختلفة من مصادر الإدخال مثل مسارات الملفات أو تدفقات الفيديو. تدعم الطريقة تخصيص عملية التتبع من خلال وسيطات الكلمات الرئيسية المختلفة. يسجل أجهزة التتبع إذا لم تكن كذلك موجودة بالفعل وتستمر اختياريا بناء على علامة "استمرار".
تقوم الطريقة بتعيين عتبة ثقة افتراضية خاصة للتتبع المستند إلى ByteTrack ، والذي يتطلب انخفاضا تنبؤات الثقة كمدخلات. يتم تعيين وضع التتبع بشكل صريح في وسيطات الكلمات الرئيسية.
البارامترات:
اسم | نوع | وصف | افتراضي |
---|---|---|---|
source |
str
|
مصدر الإدخال لتتبع الكائنات. يمكن أن يكون مسار ملف أو عنوان URL أو دفق فيديو. |
None
|
stream |
bool
|
يعامل مصدر الإدخال كدفق فيديو مستمر. الإعدادات الافتراضية إلى خطأ. |
False
|
persist |
bool
|
تستمر أدوات التتبع بين المكالمات المختلفة لهذه الطريقة. الإعدادات الافتراضية إلى خطأ. |
False
|
**kwargs |
any
|
وسيطات الكلمات الرئيسية الإضافية لتكوين عملية التتبع. تسمح هذه الحجج لمزيد من التخصيص لسلوك التتبع. |
{}
|
ارجاع:
نوع | وصف |
---|---|
List[Results]
|
قائمة بنتائج التتبع، مغلفة في فئة النتائج. |
يثير:
نوع | وصف |
---|---|
AttributeError
|
إذا لم يكن لدى المتنبئ أجهزة تتبع مسجلة. |
شفرة المصدر في ultralytics/engine/model.py
train(trainer=None, **kwargs)
يدرب النموذج باستخدام مجموعة البيانات المحددة وتكوين التدريب.
تسهل هذه الطريقة تدريب النموذج مع مجموعة من الإعدادات والتكوينات القابلة للتخصيص. وهو يدعم التدريب مع مدرب مخصص أو نهج التدريب الافتراضي المحدد في الطريقة. تتعامل الطريقة مع سيناريوهات مختلفة ، مثل استئناف التدريب من نقطة تفتيش ، والتكامل مع Ultralytics المحور، و تحديث النموذج والتكوين بعد التدريب.
عند استخدام Ultralytics HUB ، إذا كانت الجلسة تحتوي بالفعل على نموذج محمل ، فإن الطريقة تعطي الأولوية لتدريب HUB الحجج ويصدر تحذيرا إذا تم توفير الحجج المحلية. يتحقق من وجود تحديثات للنقطة ويجمع بين الإعدادات الافتراضية التكوينات والافتراضيات الخاصة بالأسلوب والوسيطات التي يوفرها المستخدم لتكوين عملية التدريب. بعد التدريب ، يقوم بتحديث النموذج وتكويناته ، وإرفاق المقاييس اختياريا.
البارامترات:
اسم | نوع | وصف | افتراضي |
---|---|---|---|
trainer |
BaseTrainer
|
مثال لفئة مدرب مخصص لتدريب النموذج. إذا لم يكن هناك شيء ، فإن يستخدم الأسلوب مدربا افتراضيا. الإعدادات الافتراضية إلى لا شيء. |
None
|
**kwargs |
any
|
وسيطات الكلمات الرئيسية العشوائية التي تمثل تكوين التدريب. هذه الحجج هي تستخدم لتخصيص جوانب مختلفة من عملية التدريب. |
{}
|
ارجاع:
نوع | وصف |
---|---|
dict | None
|
مقاييس التدريب إذا كانت متوفرة وكان التدريب ناجحا ؛ خلاف ذلك ، لا شيء. |
يثير:
نوع | وصف |
---|---|
AssertionError
|
إذا لم يكن النموذج PyTorch نموذج. |
PermissionError
|
إذا كانت هناك مشكلة في الإذن في جلسة HUB. |
ModuleNotFoundError
|
إذا لم يتم تثبيت HUB SDK. |
شفرة المصدر في ultralytics/engine/model.py
604 605 606 607 608 609 610 611 612 613 614 615 616 617 618 619 620 621 622 623 624 625 626 627 628 629 630 631 632 633 634 635 636 637 638 639 640 641 642 643 644 645 646 647 648 649 650 651 652 653 654 655 656 657 658 659 660 661 662 663 664 665 666 667 668 669 670 671 672 673 674 675 676 677 678 679 680 681 |
|
tune(use_ray=False, iterations=10, *args, **kwargs)
يجري ضبط المعلمات الفائقة للنموذج، مع خيار استخدام Ray Tune.
تدعم هذه الطريقة وضعين لضبط المعلمات الفائقة: استخدام Ray Tune أو طريقة ضبط مخصصة. عند تمكين Ray Tune ، فإنه يستفيد من وظيفة "run_ray_tune" من ultralyticsوحدة .utils.tuner. خلاف ذلك ، فإنه يستخدم فئة "الموالف" الداخلية للضبط. تجمع الطريقة بين الإعداد الافتراضي والتجاوز و وسيطات مخصصة لتكوين عملية الضبط.
البارامترات:
اسم | نوع | وصف | افتراضي |
---|---|---|---|
use_ray |
bool
|
إذا كان صحيحا ، يستخدم Ray Tune لضبط المعلمات الفائقة. الإعدادات الافتراضية إلى خطأ. |
False
|
iterations |
int
|
عدد تكرارات الضبط المراد تنفيذها. الإعدادات الافتراضية إلى 10. |
10
|
*args |
list
|
قائمة وسيطات متغيرة الطول للوسيطات الإضافية. |
()
|
**kwargs |
any
|
وسيطات الكلمات الرئيسية التعسفية. يتم دمجها مع تجاوزات النموذج والإعدادات الافتراضية. |
{}
|
ارجاع:
نوع | وصف |
---|---|
dict
|
قاموس يحتوي على نتائج البحث عن المعلمات الفائقة. |
يثير:
نوع | وصف |
---|---|
AssertionError
|
إذا لم يكن النموذج PyTorch نموذج. |
شفرة المصدر في ultralytics/engine/model.py
val(validator=None, **kwargs)
التحقق من صحة النموذج باستخدام مجموعة بيانات محددة وتكوين التحقق من الصحة.
تسهل هذه الطريقة عملية التحقق من صحة النموذج ، مما يسمح بمجموعة من التخصيص من خلال مختلف الإعدادات والتكوينات. وهو يدعم التحقق من الصحة باستخدام مدقق مخصص أو نهج التحقق الافتراضي. يجمع الأسلوب بين التكوينات الافتراضية والافتراضيات الخاصة بالأسلوب والوسيطات التي يوفرها المستخدم لتكوين عملية التحقق من الصحة. بعد التحقق من الصحة ، يقوم بتحديث مقاييس النموذج بالنتائج التي تم الحصول عليها من المدقق.
تدعم الطريقة العديد من الوسيطات التي تسمح بتخصيص عملية التحقق من الصحة. للحصول على شامل قائمة بجميع الخيارات القابلة للتكوين ، يجب على المستخدمين الرجوع إلى قسم "التكوين" في الوثائق.
البارامترات:
اسم | نوع | وصف | افتراضي |
---|---|---|---|
validator |
BaseValidator
|
مثيل لفئة مدقق مخصص للتحقق من صحة النموذج. لو لا شيء، تستخدم الطريقة مدققا افتراضيا. الإعدادات الافتراضية إلى لا شيء. |
None
|
**kwargs |
any
|
وسيطات الكلمات الأساسية العشوائية التي تمثل تكوين التحقق من الصحة. هذه الحجج هي تستخدم لتخصيص جوانب مختلفة من عملية التحقق من الصحة. |
{}
|
ارجاع:
نوع | وصف |
---|---|
dict
|
مقاييس التحقق التي تم الحصول عليها من عملية التحقق من الصحة. |
يثير:
نوع | وصف |
---|---|
AssertionError
|
إذا لم يكن النموذج PyTorch نموذج. |