إتقان نشر YOLOv5 على جهاز GCP الافتراضي للتعلم العميق#

إن الشروع في رحلة الذكاء الاصطناعي (AI) وتعلم الآلة (ML) يمكن أن يكون أمراً مثيراً، خاصة عندما تستفيد من قوة ومرونة منصة الحوسبة السحابية. توفر منصة Google Cloud Platform (GCP) أدوات قوية مصممة خصيصاً لعشاق ومحترفي تعلم الآلة على حد سواء. إحدى هذه الأدوات هي جهاز الديسكفري الافتراضي للتعلم العميق (Deep Learning VM)، والمكوّن مسبقاً لمهام علم البيانات وتعلم الآلة. في هذا الدليل التعليمي، سنقوم باستعراض عملية إعداد Ultralytics YOLOv5 على جهاز GCP Deep Learning VM. وسواء كنت تخطو خطواتك الأولى في تعلم الآلة أو كنت ممارساً خبيراً، فإن هذا الدليل يوفر مساراً واضحاً لتنفيذ نماذج اكتشاف الكائنات المدعومة بواسطة YOLOv5.

🆓 بالإضافة إلى ذلك، إذا كنت مستخدماً جديداً لـ GCP، فأنت محظوظ بحصولك على عرض رصيد مجاني بقيمة 300 دولار لبدء مشاريعك.

بالإضافة إلى GCP، استكشف خيارات بدء سريع أخرى متاحة لـ YOLOv5، مثل Google Colab Notebook للحصول على تجربة تعتمد على المتصفح، أو قابلية التوسع لـ Amazon AWS. علاوة على ذلك، يمكن لعشاق الحاويات استخدام صورة Docker الرسمية الخاصة بنا المتوفرة على Docker Hub للحصول على بيئة مغلقة، مع اتباع دليل البدء السريع لـ Docker.

الخطوة 1: إنشاء وتكوين جهاز Deep Learning VM الخاص بك#

دعنا نبدأ بإنشاء جهاز افتراضي مُحسَّن لـ التعلم العميق:

1. انتقل إلى متجر GCP وحدد Deep Learning VM.
2. اختر نسخة n1-standard-8؛ فهي توفر توازناً بين 8 vCPUs و 30 جيجابايت من الذاكرة، وهي مناسبة للعديد من مهام تعلم الآلة.
3. حدد وحدة معالجة رسومية GPU. يعتمد الاختيار على حجم عملك؛ حتى وحدة معالجة الرسوميات T4 الأساسية ستقوم بتسريع تدريب النموذج بشكل كبير.
4. حدد مربع الاختيار الخاص بـ 'تثبيت تعريف NVIDIA GPU تلقائياً عند بدء التشغيل لأول مرة؟' للحصول على إعداد سلس.
5. قم بتخصيص قرص ثابت SSD بسعة 300 جيجابايت لمنع اختناقات الإدخال/الإخراج.
6. انقر فوق 'نشر' واسمح لـ GCP بتجهيز جهاز Deep Learning VM المخصص لك.

يأتي هذا الجهاز الافتراضي محملًا مسبقًا بالأدوات والإطارات الأساسية، بما في ذلك توزيعة بايثون Anaconda، والتي تجمع بشكل مناسب العديد من التبعيات اللازمة لـ YOLOv5.

الخطوة 2: إعداد الجهاز الافتراضي لـ YOLOv5#

بعد إعداد البيئة، لنقم بتثبيت YOLOv5 وتجهيزه:

# Clone the YOLOv5 repository
git clone https://github.com/ultralytics/yolov5
cd yolov5

# Install dependencies
pip install -r requirements.txt

تضمن عملية الإعداد هذه حصولك على إصدار بيئة بايثون 3.8.0 أو أحدث وPyTorch 1.8 أو أحدث. تقوم نصوصنا البرمجية تلقائياً بتنزيل النماذج ومجموعات البيانات من أحدث إصدار لـ YOLOv5، مما يبسط عملية بدء تدريب النموذج.

الخطوة 3: تدريب ونشر نماذج YOLOv5 الخاصة بك#

مع اكتمال الإعداد، أنت جاهز لـ التدريب، والتحقق من الصحة، والتنبؤ، والتصدير باستخدام YOLOv5 على جهاز GCP الافتراضي الخاص بك:

# Train a YOLOv5 model on your dataset (e.g., yolov5s)
python train.py --data coco128.yaml --weights yolov5s.pt --img 640

# Validate the trained model to check Precision, Recall, and mAP
python val.py --weights yolov5s.pt --data coco128.yaml

# Run inference using the trained model on images or videos
python detect.py --weights yolov5s.pt --source path/to/your/images_or_videos

# Export the trained model to various formats like ONNX, CoreML, TFLite for deployment
python export.py --weights yolov5s.pt --include onnx coreml tflite

باستخدام عدد قليل فقط من الأوامر، يمكنّك YOLOv5 من تدريب نماذج اكتشاف الكائنات المخصصة المصممة خصيصاً لتلبية احتياجاتك المحددة أو استخدام الأوزان المدربة مسبقاً لتحقيق نتائج سريعة عبر مهام مختلفة. استكشف خيارات نشر النموذج المختلفة بعد التصدير.

تخصيص مساحة التبديل (اختياري)#

إذا كنت تعمل مع مجموعات بيانات كبيرة بشكل خاص قد تتجاوز ذاكرة الوصول العشوائي (RAM) الخاصة بجهازك الافتراضي، ففكر في إضافة مساحة تبديل لمنع أخطاء الذاكرة:

# Allocate a 64GB swap file
sudo fallocate -l 64G /swapfile

# Set the correct permissions for the swap file
sudo chmod 600 /swapfile

# Set up the Linux swap area
sudo mkswap /swapfile

# Enable the swap file
sudo swapon /swapfile

# Verify the swap space allocation (should show increased swap memory)
free -h

تدريب مجموعات البيانات المخصصة#

لتدريب YOLOv5 على مجموعة بياناتك المخصصة داخل GCP، اتبع هذه الخطوات العامة:

1. قم بتجهيز مجموعة البيانات الخاصة بك وفقاً لتنسيق YOLOv5 (الصور وملفات التسميات المقابلة). راجع نظرة عامة على مجموعات البيانات لدينا للحصول على التوجيه.

2. قم بتحميل مجموعة البيانات الخاصة بك إلى جهاز GCP الافتراضي باستخدام gcloud compute scp أو ميزة SSH لوحة التحكم عبر الويب.

3. قم بإنشاء ملف تكوين لمجموعة البيانات بتنسيق YAML (custom_dataset.yaml) يحدد مسارات بيانات التدريب والتحقق من الصحة، وعدد الفئات، وأسماء الفئات.

4. ابدأ عملية التدريب باستخدام ملف YAML لمجموعة البيانات المخصصة الخاصة بك وربما البدء من الأوزان المدربة مسبقاً:

   # Example: Train YOLOv5s on a custom dataset for 100 epochs
   python train.py --img 640 --batch 16 --epochs 100 --data custom_dataset.yaml --weights yolov5s.pt

للحصول على إرشادات شاملة حول إعداد البيانات والتدريب باستخدام مجموعات بيانات مخصصة، راجع توثيق التدريب لـ Ultralytics YOLOv5.

الاستفادة من التخزين السحابي#

لإدارة البيانات بكفاءة، خاصة مع مجموعات البيانات الكبيرة أو التجارب العديدة، ادمج سير عمل YOLOv5 الخاص بك مع Google Cloud Storage:

# Ensure Google Cloud SDK is installed and initialized
# If not installed: curl https://sdk.cloud.google.com/ | bash
# Then initialize: gcloud init

# Example: Copy your dataset from a GCS bucket to your VM
gsutil cp -r gs://your-data-bucket/my_dataset ./datasets/

# Example: Copy trained model weights from your VM to a GCS bucket
gsutil cp -r ./runs/train/exp/weights gs://your-models-bucket/yolov5_custom_weights/

يسمح لك هذا النهج بتخزين مجموعات البيانات الكبيرة والنماذج المدربة بشكل آمن وفعال من حيث التكلفة في السحابة، مما يقلل من متطلبات التخزين على مثيل الجهاز الافتراضي الخاص بك.

أفكار ختامية#

تهانينا! أنت الآن مجهز للاستفادة من قدرات Ultralytics YOLOv5 مجتمعة مع القوة الحسابية لـ Google Cloud Platform. توفر هذه الإعدادات قابلية التوسع، والكفاءة، والتنوع لمشاريع اكتشاف الكائنات الخاصة بك. وسواء كان ذلك للاستكشاف الشخصي، أو البحث الأكاديمي، أو بناء حلول صناعية، فقد اتخذت خطوة مهمة في عالم الذكاء الاصطناعي وتعلم الآلة على السحابة.

فكر في استخدام Ultralytics Platform للحصول على تجربة مبسطة وخالية من البرمجة لتدريب وإدارة نماذجك.

تذكر توثيق تقدمك، ومشاركة الأفكار مع مجتمع Ultralytics النابض بالحياة، والاستفادة من موارد مثل مناقشات GitHub للتعاون والدعم. الآن، انطلق وابْتكر باستخدام YOLOv5 وGCP!

هل تريد الاستمرار في تعزيز مهاراتك في تعلم الآلة؟ توغل في التوثيق الخاص بنا واستكشف مدونة Ultralytics لمزيد من الدروس والرؤى. دع مغامرتك في عالم الذكاء الاصطناعي تتواصل!