الدليل الشامل ل Ultralytics YOLOv5
مرحبا بكم في Ultralytics' YOLOv5🚀 Documentation! YOLOv5, the fifth iteration of the revolutionary "You Only Look Once" اكتشاف الأجسام model, is designed to deliver high-speed, high-accuracy results in real-time.
Built on PyTorch, this powerful deep learning framework has garnered immense popularity for its versatility, ease of use, and high performance. Our documentation guides you through the installation process, explains the architectural nuances of the model, showcases various use-cases, and provides a series of detailed tutorials. These resources will help you harness the full potential of YOLOv5 for your computer vision projects. Let's get started!
استكشف وتعلم
فيما يلي مجموعة من البرامج التعليمية الشاملة التي ستوجهك خلال جوانب مختلفة من YOLOv5.
- تدريب البيانات 🚀 المخصصة الموصى بها: تعرف على كيفية تدريب YOLOv5 نموذج على مجموعة البيانات المخصصة الخاصة بك.
- نصائح للحصول على أفضل نتائج ☘️ التدريب: اكتشف نصائح عملية لتحسين عملية تدريب النموذج الخاص بك.
- تدريب متعددGPU : فهم كيفية الاستفادة من وحدات معالجة الرسومات المتعددة لتسريع تدريبك.
- PyTorch Hub 🌟 NEW: تعلم كيفية تحميل النماذج المدربة مسبقا عبر PyTorch محور.
- تفليت, ONNX, CoreML, TensorRT تصدير 🚀 : فهم كيفية تصدير النموذج الخاص بك إلى تنسيقات مختلفة.
- زيادة وقت الاختبار (TTA): استكشف كيفية استخدام TTA لتحسين دقة التنبؤ بنموذجك.
- مجموعة النماذج: تعلم استراتيجية الجمع بين نماذج متعددة لتحسين الأداء.
- تقليم / تناثر النموذج: فهم مفاهيم التقليم والتناثر ، وكيفية إنشاء نموذج أكثر كفاءة.
- Hyperparameter Evolution: Discover the process of automated hyperparameter tuning for better model performance.
- Transfer Learning with Frozen Layers: Learn how to implement transfer learning by freezing layers in YOLOv5.
- ملخص 🌟 العمارة الخوض في التفاصيل الهيكلية ل YOLOv5 نموذج.
- Roboflow for Datasets: Understand how to utilize Roboflow for dataset management, labeling, and active learning.
- ClearML التسجيل 🌟 تعرف على كيفية الدمج ClearML لتسجيل الدخول بكفاءة أثناء تدريب النموذج الخاص بك.
- YOLOv5 مع Neural Magic اكتشف كيفية الاستخدام Neural Magicفي Deepsparse لتقليم وقياس الخاص بك YOLOv5 نموذج.
- Comet تسجيل 🌟 جديد: استكشف كيفية الاستفادة Comet لتحسين تسجيل التدريب على النماذج.
البيئات المدعومة
Ultralytics مجموعة من البيئات الجاهزة للاستخدام، كل منها مثبت مسبقًا مع التبعيات الأساسية مثل CUDA، CUDNN, Pythonو PyTorchلبدء مشاريعك.
- GPU دفاتر مجاناً:
- Google السحابة: دليل البدء السريع لـ GCP
- Amazon: دليل التشغيل السريع لخدمة AWS
- Azure: دليل التشغيل السريع AzureML
- عامل ميناء: دليل التشغيل السريع ل Docker
حالة المشروع
تشير هذه الشارة إلى أن جميع YOLOv5 اجتياز اختبارات التكامل المستمر (CI) لإجراءات GitHub بنجاح. تتحقق اختبارات CI هذه بدقة من وظائف وأداءYOLOv5 عبر جوانب رئيسية مختلفة: التدريب ، والتحقق من الصحة ، والاستدلال ، والتصدير ، والمعايير. إنها تضمن التشغيل المتسق والموثوق به على macOS و Windows و Ubuntu ، مع إجراء الاختبارات كل 24 ساعة وعند كل التزام جديد.
تواصل وساهم
ليس من الضروري أن تكون رحلتك مع YOLOv5 رحلة فردية. انضم إلى مجتمعنا النابض بالحياة على GitHub، وتواصل مع المحترفين على LinkedIn، وشارك نتائجك على تويتر، واعثر على الموارد التعليمية على YouTube. تابعنا على TikTok و BiliBili للحصول على المزيد من المحتوى التفاعلي.
هل أنت مهتم بالمساهمة؟ نرحب بالمساهمات بجميع أشكالها. من تحسينات التعليمات البرمجية وتقارير الأخطاء إلى تحديثات الوثائق. تحقق من إرشادات المساهمة الخاصة بنا لمزيد من المعلومات.
نحن متحمسون لرؤية الطرق المبتكرة التي ستستخدمها YOLOv5. الغوص في وتجربة وإحداث ثورة في مشاريع رؤية الكمبيوتر الخاص بك! 🚀
الأسئلة المتداولة
ما هي الميزات الرئيسية لموقع Ultralytics YOLOv5 ؟
Ultralytics YOLOv5 is renowned for its high-speed and high-accuracy object detection capabilities. Built on PyTorch, it is versatile and user-friendly, making it suitable for various computer vision projects. Key features include real-time inference, support for multiple training tricks like Test-Time Augmentation (TTA) and Model Ensembling, and compatibility with export formats such as TFLite, ONNX, CoreML, and TensorRT. To delve deeper into how Ultralytics YOLOv5 can elevate your project, explore our TFLite, ONNX, CoreML, TensorRT Export guide.
كيف يمكنني تدريب نموذج YOLOv5 مخصص على مجموعة البيانات الخاصة بي؟
يتضمن تدريب نموذج YOLOv5 مخصص على مجموعة بياناتك بعض الخطوات الرئيسية. أولاً، قم بإعداد مجموعة البيانات الخاصة بك بالصيغة المطلوبة، مشروحة بالتسميات. بعد ذلك، قم بتكوين معلمات التدريب YOLOv5 وابدأ عملية التدريب باستخدام train.py البرنامج النصي. للاطلاع على برنامج تعليمي متعمق حول هذه العملية، راجع موقعنا دليل البيانات المخصصة للقطار. يوفر إرشادات خطوة بخطوة لضمان الحصول على أفضل النتائج لحالة الاستخدام الخاصة بك.
لماذا يجب استخدام Ultralytics YOLOv5 بدلاً من نماذج أخرى للكشف عن الكائنات مثل RCNN؟
Ultralytics YOLOv5 يُفضل على نماذج مثل RCNN نظرًا لسرعته ودقته الفائقة في اكتشاف الأجسام في الوقت الحقيقي. YOLOv5 يعالج الصورة بأكملها دفعة واحدة، مما يجعله أسرع بكثير مقارنةً بالنهج القائم على المنطقة في RCNN، والذي يتضمن عدة تمريرات. بالإضافة إلى ذلك، فإن تكامل YOLOv5 السلس مع تنسيقات التصدير المختلفة والتوثيق الشامل يجعله خيارًا ممتازًا لكل من المبتدئين والمحترفين. تعرّف على المزيد حول المزايا المعمارية في ملخص الهندسة المعمارية.
كيف يمكنني تحسين أداء النموذج YOLOv5 أثناء التدريب؟
Optimizing YOLOv5 model performance involves tuning various hyperparameters and incorporating techniques like data augmentation and transfer learning. Ultralytics provides comprehensive resources on hyperparameter evolution and pruning/sparsity to improve model efficiency. You can discover practical tips in our Tips for Best Training Results guide, which offers actionable insights for achieving optimal performance during training.
ما هي البيئات المدعومة لتشغيل تطبيقات YOLOv5 ؟
Ultralytics YOLOv5 يدعم مجموعة متنوعة من البيئات، بما في ذلك دفاتر الملاحظات المجانية GPU على Gradient و Google Colab و Kaggle، بالإضافة إلى المنصات السحابية الرئيسية مثل Google Cloud و Amazon AWS و Azure. تتوفر أيضًا صور Docker للإعداد المريح. للحصول على دليل تفصيلي حول إعداد هذه البيئات، راجع قسم البيئات المدعومة لدينا، والذي يتضمن إرشادات خطوة بخطوة لكل منصة.
