الدليل الشامل ل Ultralytics YOLOv5

مرحبا بكم في Ultralytics' YOLOv5🚀 توثيق! YOLOv5، وهو الإصدار الخامس من نموذج اكتشاف الكائنات الثوري "أنت تنظر مرة واحدة"، لتقديم نتائج عالية السرعة وعالية الدقة في الوقت الفعلي.

مبني على PyTorch، اكتسب إطار التعلم العميق القوي هذا شعبية هائلة لتعدد استخداماته وسهولة استخدامه وأدائه العالي. ترشدك وثائقنا خلال عملية التثبيت ، وتشرح الفروق المعمارية الدقيقة للنموذج ، وتعرض حالات الاستخدام المختلفة ، وتوفر سلسلة من البرامج التعليمية التفصيلية. ستساعدك هذه الموارد على تسخير الإمكانات الكاملة ل YOLOv5 لمشاريع رؤية الكمبيوتر الخاص بك. هيا بنا نبدأ!

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.
• تطور المعلمات الفائقة: اكتشف عملية الضبط التلقائي للمعلمة الفائقة للحصول على أداء أفضل للنموذج.
• نقل التعلم باستخدام الطبقات المجمدة: تعرف على كيفية تنفيذ التعلم التحويلي عن طريق تجميد الطبقات في YOLOv5.
• ملخص 🌟 العمارة الخوض في التفاصيل الهيكلية ل YOLOv5 نموذج.
• Roboflow لمجموعات البيانات: فهم كيفية الاستفادة Roboflow لإدارة مجموعة البيانات ووضع العلامات والتعلم النشط.
• 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 يشتهر بقدراته العالية السرعة والدقة في اكتشاف الأجسام. تم تصميمه على PyTorch ، وهو متعدد 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. 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؟

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.

التعليقات