الدليل الشامل لـ Ultralytics YOLOv5
مرحبًا بك في Ultralytics' YOLOv5🚀 التوثيق! YOLOv5 التكرار الخامس للثورة "أنت تنظر مرة واحدة فقط" اكتشاف الأجسام مصمم لتقديم نتائج عالية السرعة والدقة في الوقت الفعلي.
مبني على PyTorch ، هذا الجهاز القوي التعلُّم العميق اكتسب إطار العمل شعبية هائلة بسبب تعدد استخداماته وسهولة استخدامه وأدائه العالي. ترشدك وثائقنا خلال عملية التثبيت، وتشرح الفروق الدقيقة في بنية النموذج، وتعرض حالات استخدام مختلفة، وتوفر سلسلة من البرامج التعليمية المفصلة. ستساعدك هذه الموارد على الاستفادة من الإمكانات الكاملة ل YOLOv5 من أجل الرؤية الحاسوبية المشاريع. هيا بنا نبدأ!
استكشف وتعلم
إليك مجموعة من البرامج التعليمية الشاملة التي سترشدك خلال جوانب مختلفة من YOLOv5.
- تدريب البيانات المخصصة 🚀 موصى به: تعلم كيفية تدريب نموذج YOLOv5 على مجموعة البيانات المخصصة الخاصة بك.
- نصائح للحصول على أفضل نتائج تدريب ☘️: اكتشف نصائح عملية لتحسين عملية تدريب النموذج الخاص بك.
- تدريب متعددGPU : فهم كيفية الاستفادة من وحدات معالجة الرسومات المتعددة لتسريع تدريبك.
- PyTorch Hub 🌟 جديد: تعلم تحميل النماذج المدربة مسبقًا عبر PyTorch Hub.
- TFLite, ONNX, CoreML, , TensorRT Export 🚀: فهم كيفية تصدير نموذجك إلى تنسيقات مختلفة.
- تعزيز وقت الاختبار (TTA): استكشف كيفية استخدام TTA لتحسين دقة التنبؤ في نموذجك.
- تجميع النماذج: تعلم استراتيجية تجميع نماذج متعددة لتحسين الأداء.
- تشذيب النماذج/التباعد: فهم مفاهيم التقليم والتشتت وكيفية إنشاء نموذج أكثر كفاءة.
- تطور البارامتر الفائق: اكتشف عملية الضبط التلقائي للمعامل الفائق من أجل أداء أفضل للنموذج.
- تعلّم النقل باستخدام الطبقات المجمدة: تعلم كيفية تنفيذ التعلم التحوّلي عن طريق تجميد الطبقات في YOLOv5.
- ملخص البنية 🌟 الخوض في التفاصيل الهيكلية لنموذج YOLOv5 .
- Roboflow لمجموعات البيانات: فهم كيفية الاستفادة من Roboflow لإدارة مجموعات البيانات ووضع العلامات والتعلم النشط.
- ClearML التسجيل 🌟 تعلم كيفية دمج ClearML للتسجيل الفعال أثناء تدريب النموذج الخاص بك.
- YOLOv5 مع Neural Magic اكتشف كيفية استخدام نموذج Neural Magic'Deepsparse الخاص بـ لتقليم وتكميم نموذج YOLOv5 الخاص بك.
- Comet التسجيل 🌟 جديد: استكشف كيفية الاستفادة من Comet لتحسين تسجيل التدريب على النماذج 🌟 جديد: استكشف كيفية الاستفادة من 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
- أمازون دليل AWS للبدء السريع
- Azure: دليل البدء السريع لـ AzureML
- دوكر: دليل البدء السريع لـ Docker
حالة المشروع
تشير هذه الشارة إلى اجتياز جميع اختبارات التكامل المستمر (CI) لإجراءات GitHub YOLOv5 بنجاح. تتحقق اختبارات التكامل المستمر هذه بدقة من وظائف وأداء YOLOv5 عبر مختلف الجوانب الرئيسية: التدريب والتحقق من الصحة والاستدلال والتصدير والمعايير. وهي تضمن تشغيلًا متسقًا وموثوقًا على أنظمة macOS وWindows وUbuntu، 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 لمزيد من المحتوى التفاعلي.
هل أنت مهتم بالمساهمة؟ نحن نرحب بالمساهمات بجميع أشكالها؛ من تحسينات التعليمات البرمجية وتقارير الأخطاء إلى تحديثات التوثيق. اطلع على إرشادات المساهمة لدينا لمزيد من المعلومات.
نحن متحمسون لرؤية الطرق المبتكرة التي ستستخدم بها YOLOv5. انغمسوا وجرّبوا وأحدثوا ثورة في مشاريع الرؤية الحاسوبية الخاصة بكم! 🚀
الأسئلة الشائعة
ما هي الميزات الرئيسية لموقع Ultralytics YOLOv5 ؟
Ultralytics YOLOv5 تشتهر بقدراتها العالية السرعة والدقة في اكتشاف الأجسام. تم تصميمه على PyTorchمتعدد الاستخدامات وسهل الاستخدام، مما يجعله مناسبًا لمختلف مشاريع الرؤية الحاسوبية. تشمل الميزات الرئيسية الاستدلال في الوقت الحقيقي، ودعم حيل التدريب المتعددة مثل تعزيز وقت الاختبار (TTA) وتجميع النماذج، والتوافق مع تنسيقات التصدير مثل TFLite و ONNX و CoreML و TensorRT. للتعمق أكثر في الكيفية التي يمكن أن يرتقي بها Ultralytics YOLOv5 بمشروعك، استكشف دليل التصدير TFLite، ONNX ، CoreML ، TensorRT .
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. ثم، قم بتكوين معلمات التدريب YOLOv5 وابدأ عملية التدريب باستخدام train.py السيناريو. للاطلاع على برنامج تعليمي متعمق حول هذه العملية، راجع موقعنا تدريب دليل البيانات المخصصة. 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 الفعلي. 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؟
يتضمن تحسين أداء نموذج YOLOv5 ضبط مختلف المعلمات الفائقة ودمج تقنيات مثل زيادة البيانات ونقل التعلم. Ultralytics يوفر موارد شاملة حول تطوير المعلمات الفائقة والتشذيب/التشذيب/التناثر لتحسين كفاءة النموذج. يمكنك اكتشاف نصائح عملية في دليل نصائح للحصول على أفضل نتائج التدريب، والذي يقدم رؤى قابلة للتنفيذ لتحقيق الأداء الأمثل أثناء التدريب.
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.
