<a href="https://github.com/ultralytics/ultralytics/actions/workflows/ci.yml"><img src="https://github.com/ultralytics/ultralytics/actions/workflows/ci.yml/badge.svg" alt="Ultralytics CI"></a>
<a href="https://clickpy.clickhouse.com/dashboard/ultralytics"><img src="https://static.pepy.tech/badge/ultralytics" alt="Ultralytics Downloads"></a>
<a href="https://discord.com/invite/ultralytics"><img alt="Ultralytics Discord" src="https://img.shields.io/discord/1089800235347353640?logo=discord&logoColor=white&label=Discord&color=blue"></a>
<a href="https://community.ultralytics.com/"><img alt="Ultralytics Forums" src="https://img.shields.io/discourse/users?server=https%3A%2F%2Fcommunity.ultralytics.com&logo=discourse&label=Forums&color=blue"></a>
<a href="https://www.reddit.com/r/ultralytics/"><img alt="Ultralytics Reddit" src="https://img.shields.io/reddit/subreddit-subscribers/ultralytics?style=flat&logo=reddit&logoColor=white&label=Reddit&color=blue"></a>
<br>
<a href="https://console.paperspace.com/github/ultralytics/ultralytics"><img src="https://assets.paperspace.io/img/gradient-badge.svg" alt="Run Ultralytics on Gradient"></a>
<a href="https://colab.research.google.com/github/ultralytics/ultralytics/blob/main/examples/tutorial.ipynb"><img src="https://colab.research.google.com/assets/colab-badge.svg" alt="Open Ultralytics In Colab"></a>
<a href="https://www.kaggle.com/models/ultralytics/yolo26"><img src="https://kaggle.com/static/images/open-in-kaggle.svg" alt="Open Ultralytics In Kaggle"></a>
<a href="https://mybinder.org/v2/gh/ultralytics/ultralytics/HEAD?labpath=examples%2Ftutorial.ipynb"><img src="https://mybinder.org/badge_logo.svg" alt="Open Ultralytics In Binder"></a>

Link to this sectionدليل شامل لـ Ultralytics YOLOv5#

مرحباً بك في وثائق YOLOv5🚀 من Ultralytics! صُممت Ultralytics YOLOv5، وهي الإصدار الخامس من نموذج اكتشاف الكائنات الثوري "You Only Look Once"، لتقديم نتائج عالية السرعة والدقة في الوقت الفعلي. وبينما تظل YOLOv5 أداة قوية، ننصحك باستكشاف النماذج التي تلتها، مثل Ultralytics YOLOv8 وYOLO11 وYOLO26، للاطلاع على أحدث التطورات.

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!

Link to this sectionاستكشف وتعلم#

إليك مجموعة من البرامج التعليمية الشاملة التي سترشدك عبر جوانب مختلفة من YOLOv5.

• تدريب بيانات مخصصة 🚀 مُوصى به: تعلم كيفية تدريب نموذج YOLOv5 على مجموعة بياناتك المخصصة.
• نصائح لأفضل نتائج تدريب ☘️: اكتشف نصائح عملية لتحسين عملية تدريب نموذجك.
• التدريب باستخدام وحدات GPU متعددة: افهم كيفية الاستفادة من وحدات GPU متعددة لتسريع تدريبك.
• PyTorch Hub 🌟 جديد: تعلم كيفية تحميل نماذج مدربة مسبقاً عبر PyTorch Hub.
• تصدير إلى TFLite وONNX وCoreML وTensorRT 🚀: افهم كيفية تصدير نموذجك إلى تنسيقات مختلفة.
• زيادة البيانات أثناء الاختبار (TTA): استكشف كيفية استخدام TTA لتحسين دقة تنبؤ نموذجك.
• تجميع النماذج: تعلم استراتيجية دمج نماذج متعددة لتحسين الأداء.
• تقليم النماذج/التناثر: افهم مفاهيم التقليم والتناثر، وكيفية إنشاء نموذج أكثر كفاءة.
• تطور المعلمات الفائقة: اكتشف عملية ضبط المعلمات الفائقة المؤتمتة لتحسين أداء النموذج.
• التعلم بنقل المعرفة مع طبقات مجمدة: تعلم كيفية تنفيذ التعلم بنقل المعرفة عن طريق تجميد الطبقات في YOLOv5.
• ملخص المعمارية 🌟 تعمق في التفاصيل الهيكلية لنموذج YOLOv5. اقرأ منشور مدونة YOLOv5 v6.0 لمزيد من الرؤى.
• تكامل تسجيل ClearML 🌟 تعلم كيفية دمج ClearML من أجل تسجيل فعال أثناء تدريب نموذجك.
• YOLOv5 مع Neural Magic: اكتشف كيفية استخدام Neural Magic's DeepSparse لتقليم وتكميم نموذج YOLOv5 الخاص بك.
• تكامل تسجيل Comet 🌟 جديد: استكشف كيفية استخدام Comet لتحسين تسجيل تدريب النموذج.

Link to this sectionالبيئات المدعومة#

توفر Ultralytics مجموعة من البيئات الجاهزة للاستخدام، كل منها مثبت مسبقاً بالاعتمادات الأساسية مثل CUDA وCuDNN وPython وPyTorch، لبدء مشاريعك. يمكنك أيضاً إدارة نماذجك ومجموعات بياناتك باستخدام منصة Ultralytics.

• دفاتر ملاحظات مجانية لوحدات معالجة الرسومات:
• Google Cloud: دليل البدء السريع لـ GCP
• Amazon: دليل البدء السريع لـ AWS
• Azure: دليل البدء السريع لـ AzureML
• Docker: دليل البدء السريع لـ Docker

Link to this sectionحالة المشروع#

تشير هذه الشارة إلى أن جميع اختبارات التكامل المستمر (CI) الخاصة بـ YOLOv5 GitHub Actions تمر بنجاح. تقوم اختبارات CI هذه بفحص دقة وأداء YOLOv5 عبر جوانب رئيسية مختلفة بشكل صارم: التدريب، والتحقق، والاستدلال، والتصدير، والمقاييس. وهي تضمن تشغيلًا متسقًا وموثوقًا على macOS و Windows و Ubuntu، مع إجراء الاختبارات كل 24 ساعة ومع كل التزام (commit) جديد.

Link to this sectionتواصل وساهم#

لا يجب أن تكون رحلتك مع YOLOv5 وحيدة. انضم إلى مجتمعنا النابض بالحياة على GitHub، وتواصل مع المحترفين على LinkedIn، وشارك نتائجك على Twitter، واعثر على موارد تعليمية على YouTube. تابعنا على TikTok وBiliBili للحصول على المزيد من المحتوى التفاعلي.

Interested in contributing? We welcome contributions of all forms, from code improvements and bug reports to documentation updates. Check out our contributing guidelines for more information.

نحن متحمسون لرؤية الطرق المبتكرة التي ستستخدم بها YOLOv5. ابدأ، جرب، وأحدث ثورة في مشاريع الرؤية الحاسوبية الخاصة بك! 🚀

Link to this sectionالأسئلة الشائعة#

Link to this sectionما هي الميزات الرئيسية لـ Ultralytics YOLOv5؟#

تشتهر Ultralytics YOLOv5 بقدرات اكتشاف الكائنات عالية السرعة والدقة. بُنيت على PyTorch، وهي متنوعة وسهلة الاستخدام، مما يجعلها مناسبة لمشاريع الرؤية الحاسوبية المختلفة. تشمل الميزات الرئيسية الاستدلال في الوقت الفعلي، ودعم العديد من حيل التدريب مثل زيادة البيانات أثناء الاختبار (TTA) وتجميع النماذج، والتوافق مع تنسيقات التصدير مثل TFLite وONNX وCoreML وTensorRT. للتعمق أكثر في كيفية ارتقاء Ultralytics YOLOv5 بمشروعك، استكشف دليل تصدير TFLite وONNX وCoreML وTensorRT.

Link to this sectionكيف يمكنني تدريب نموذج YOLOv5 مخصص على مجموعة بياناتي؟#

يتضمن تدريب نموذج YOLOv5 مخصص على مجموعة بياناتك بضع خطوات رئيسية. أولاً، جهز مجموعة بياناتك بالتنسيق المطلوب، مع إضافة التسميات التوضيحية. ثم، قم بتهيئة معلمات تدريب YOLOv5 وابدأ عملية التدريب باستخدام البرنامج النصي train.py. للحصول على برنامج تعليمي متعمق حول هذه العملية، راجع دليل تدريب بيانات مخصصة. فهو يوفر تعليمات خطوة بخطوة لضمان تحقيق أفضل النتائج لحالة استخدامك المحددة.

Link to this sectionلماذا يجب أن أستخدم Ultralytics YOLOv5 بدلاً من نماذج اكتشاف الكائنات الأخرى مثل RCNN؟#

يُفضل استخدام Ultralytics YOLOv5 على نماذج مثل R-CNN بسبب سرعتها ودقتها الفائقتين في اكتشاف الكائنات في الوقت الفعلي. تعالج YOLOv5 الصورة بالكامل دفعة واحدة، مما يجعلها أسرع بكثير مقارنة بالنهج القائم على المناطق في RCNN، والذي يتضمن تمريرات متعددة. بالإضافة إلى ذلك، فإن تكامل YOLOv5 السلس مع تنسيقات التصدير المختلفة والوثائق الشاملة يجعلها خياراً ممتازاً للمبتدئين والمحترفين على حد سواء. تعرف على المزيد حول المزايا المعمارية في ملخص المعمارية الخاص بنا.

Link to this sectionكيف يمكنني تحسين أداء نموذج YOLOv5 أثناء التدريب؟#

يتضمن تحسين أداء نموذج YOLOv5 ضبط المعلمات الفائقة المختلفة ودمج تقنيات مثل زيادة البيانات والتعلم بنقل المعرفة. توفر Ultralytics موارد شاملة حول تطور المعلمات الفائقة والتقليم/التناثر لتحسين كفاءة النموذج. يمكنك اكتشاف نصائح عملية في دليل نصائح لأفضل نتائج تدريب، الذي يقدم رؤى قابلة للتنفيذ لتحقيق الأداء الأمثل أثناء التدريب.

Link to this sectionما هي البيئات المدعومة لتشغيل تطبيقات YOLOv5؟#

تدعم Ultralytics YOLOv5 مجموعة متنوعة من البيئات، بما في ذلك دفاتر GPU المجانية على Gradient وGoogle Colab وKaggle، بالإضافة إلى منصات السحابة الرئيسية مثل Google Cloud وAmazon AWS وAzure. تتوفر أيضاً صور Docker للإعداد المريح. للحصول على دليل مفصل حول إعداد هذه البيئات، راجع قسم البيئات المدعومة الخاص بنا، والذي يتضمن تعليمات خطوة بخطوة لكل منصة.