YOLOv5 🚀 على مثيل التعلم العميق من AWS: دليلك الكامل
قد يكون إعداد بيئة تعلّم عميق عالية الأداء أمرًا شاقًا بالنسبة للوافدين الجدد، ولكن لا تخف! 🛠️ من خلال هذا الدليل، سنرشدك خلال عملية إعداد YOLOv5 وتشغيله على مثيل التعلم العميق من AWS. من خلال الاستفادة من قوة خدمات أمازون ويب سيرفيسز (AWS)، يمكن حتى لأولئك الجدد في مجال التعلم الآلي البدء بسرعة وبتكلفة معقولة. تُعد قابلية التوسع في منصة AWS مثالية لكل من التجريب والنشر الإنتاجي.
تتضمن خيارات البدء السريع الأخرى لـ YOLOv5 خيارات البدء السريع الأخرى دفتر ملاحظات كولاب 
, جهاز التعلم العميق الافتراضي GCPوصورة Docker الخاصة بنا على Docker Hub 
الخطوة 1: تسجيل الدخول إلى وحدة تحكم AWS
ابدأ بإنشاء حساب أو تسجيل الدخول إلى وحدة تحكم AWS على https://aws.amazon.com/console/. بمجرد تسجيل الدخول، حدد خدمة EC2 لإدارة مثيلاتك وإعدادها.
الخطوة 2: تشغيل المثيل الخاص بك
في لوحة تحكم EC2، ستجد زر تشغيل المثيل في لوحة تحكم EC2 وهو بوابتك لإنشاء خادم افتراضي جديد.
اختيار صورة جهاز أمازون المناسبة (AMI)
هنا حيث يمكنك اختيار نظام التشغيل وحزمة البرامج لمثالك. اكتب"التعلّم العميق" في حقل البحث واختر أحدث واجهة AMI للتعلّم العميق المستندة إلى Ubuntu، ما لم تملي احتياجاتك خلاف ذلك. تأتي AMIs AMI للتعلم العميق من أمازون مثبتة مسبقاً مع أطر العمل الشائعة وبرامج التشغيل GPU لتبسيط عملية الإعداد.
اختيار نوع المثيل
بالنسبة لمهام التعلّم العميق، يوصى عمومًا باختيار نوع مثيل GPU لأنه يمكن أن يسرّع تدريب النموذج بشكل كبير. بالنسبة لاعتبارات حجم المثيل، تذكر أن متطلبات ذاكرة النموذج يجب ألا تتجاوز أبدًا ما يمكن أن يوفره المثيل الخاص بك.
ملاحظة: يجب أن يكون حجم نموذجك عاملاً في اختيار المثيل. إذا كان النموذج الخاص بك يتجاوز ذاكرة الوصول العشوائي المتاحة للنموذج، فحدد نوع مثيل مختلف بذاكرة كافية لتطبيقك.
للاطلاع على قائمة بأنواع مثيلات GPU المتاحة، تفضل بزيارة أنواع مثيلات EC2، وتحديدًا ضمن الحوسبة المسرَّعة.
لمزيد من المعلومات حول المراقبة والتحسين GPU ، راجع GPU المراقبة والتحسين. للتسعير، انظر التسعير عند الطلب والتسعير الفوري.
تكوين المثيل الخاص بك
توفر مثيلات Amazon EC2 Spot Instances طريقة فعالة من حيث التكلفة لتشغيل التطبيقات لأنها تتيح لك تقديم عروض أسعار للسعة غير المستخدمة بجزء بسيط من التكلفة القياسية. وللحصول على تجربة مستمرة تحتفظ بالبيانات حتى عند تعطل مثيل البقعة (Spot Instance)، اختر طلباً مستمراً.
تذكر ضبط بقية إعدادات المثيل وتكوينات الأمان حسب الحاجة في الخطوات 4-7 قبل التشغيل.
الخطوة 3: الاتصال بالمثيل الخاص بك
بمجرد تشغيل المثيل الخاص بك، حدد خانة الاختيار الخاصة به وانقر فوق اتصال للوصول إلى معلومات SSH. استخدم أمر SSH المعروض في الطرفية المفضلة لديك لإنشاء اتصال بالمثيل الخاص بك.
الخطوة 4: الجري YOLOv5
بعد تسجيل الدخول إلى المثيل الخاص بك، أنت الآن جاهز لاستنساخ مستودع YOLOv5 وتثبيت التبعيات في بيئة Python 3.8 أو بيئة أحدث. YOLOv5 سيتم تنزيل النماذج ومجموعات البيانات تلقائيًا من أحدث إصدار.
git clone https://github.com/ultralytics/yolov5 # clone repository
cd yolov5
pip install -r requirements.txt # install dependencies
بعد إعداد البيئة الخاصة بك، يمكنك البدء في التدريب والتحقق من صحة النماذج والتحقق من صحتها وإجراء الاستدلال وتصدير النماذج YOLOv5 :
# Train a model on your data
python train.py
# Validate the trained model for Precision, Recall, and mAP
python val.py --weights yolov5s.pt
# Run inference using the trained model on your images or videos
python detect.py --weights yolov5s.pt --source path/to/images
# Export the trained model to other formats for deployment
python export.py --weights yolov5s.pt --include onnx coreml tflite
إضافات اختيارية
لإضافة المزيد من ذاكرة المبادلة، والتي يمكن أن تكون منقذة لمجموعات البيانات الكبيرة، قم بتشغيل
sudo fallocate -l 64G /swapfile # allocate 64GB swap file
sudo chmod 600 /swapfile # modify permissions
sudo mkswap /swapfile # set up a Linux swap area
sudo swapon /swapfile # activate swap file
free -h # verify swap memory
وهذا كل شيء! 🎉 لقد نجحت في إنشاء مثيل AWS للتعلم العميق وتشغيل YOLOv5. سواء كنت قد بدأت للتو في اكتشاف الكائنات أو قمت بتوسيع نطاق الإنتاج، يمكن أن يساعدك هذا الإعداد على تحقيق أهداف التعلم الآلي الخاصة بك. تدريب سعيد والتحقق من الصحة والنشر! إذا واجهتك أي عوائق على طول الطريق، فإن وثائق AWS القوية ومجتمع Ultralytics النشط هنا لدعمك.
