Link to this sectionإتقان نشر YOLOv5 على جهاز GCP الافتراضي للتعلم العميق#

الشروع في رحلة الذكاء الاصطناعي (AI) وتعلم الآلة (ML) قد يكون أمراً مثيراً، خاصة عندما تستفيد من قوة ومرونة منصة الحوسبة السحابية. توفر Google Cloud Platform (GCP) أدوات قوية مصممة خصيصاً لعشاق ومحترفي تعلم الآلة. إحدى هذه الأدوات هي Deep Learning VM، المهيأة مسبقاً لمهام علوم البيانات وتعلم الآلة. في هذا البرنامج التعليمي، سنستعرض عملية إعداد Ultralytics YOLOv5 على GCP Deep Learning VM. سواء كنت تخطو خطواتك الأولى في تعلم الآلة أو كنت ممارساً خبيراً، يوفر هذا الدليل مساراً واضحاً لتنفيذ نماذج كشف الأجسام المدعومة بـ YOLOv5.

🆓 بالإضافة إلى ذلك، إذا كنت مستخدماً جديداً لـ GCP، فأنت محظوظ بالحصول على عرض ائتمان مجاني بقيمة 300 دولار للبدء في مشاريعك.

بالإضافة إلى GCP، استكشف خيارات البدء السريع الأخرى المتاحة لـ YOLOv5، مثل Google Colab Notebook لتجربة تعتمد على المتصفح، أو قابلية التوسع في Amazon AWS. علاوة على ذلك، يمكن لعشاق الحاويات استخدام صورة Docker الرسمية الخاصة بنا والمتاحة على Docker Hub لبيئة مغلفة، باتباع دليل البدء السريع لـ Docker.

Link to this sectionالخطوة 1: إنشاء وتكوين جهاز Deep Learning VM الخاص بك#

لنبدأ بإنشاء جهاز افتراضي محسن لـ التعلم العميق:

1. انتقل إلى متجر GCP واختر 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. اختر وحدة معالجة رسوميات (GPU). يعتمد الاختيار على عبء العمل الخاص بك؛ فحتى وحدة T4 GPU الأساسية ستسرع 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 محملاً مسبقاً بالأدوات والأطر الأساسية، بما في ذلك توزيع Anaconda Python، الذي يجمع بشكل مريح العديد من التبعيات اللازمة لـ YOLOv5.

Link to this sectionالخطوة 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 Python 3.8.0 أو أحدث وPyTorch 1.8 أو أحدث. تقوم برامجنا النصية تلقائياً بتنزيل النماذج ومجموعات البيانات من أحدث إصدار لـ YOLOv5، مما يبسط عملية بدء تدريب النموذج.

Link to this sectionالخطوة 3: تدريب ونشر نماذج YOLOv5 الخاصة بك#

بعد اكتمال الإعداد، أنت جاهز للقيام بـ التدريب، التحقق، التنبؤ، 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 بضعة أوامر فقط، يتيح لك YOLOv5 تدريب نماذج كشف أجسام مخصصة مصممة لاحتياجاتك الخاصة أو استخدام أوزان مدربة مسبقاً للحصول على نتائج سريعة عبر مهام متنوعة. استكشف خيارات نشر النماذج المختلفة بعد التصدير.

Link to this sectionتخصيص 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

Link to this sectionتدريب مجموعات البيانات المخصصة#

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

1. قم بإعداد مجموعة بياناتك وفقاً لتنسيق YOLOv5 (صور وملفات التسميات المقابلة لها). راجع نظرة عامة على مجموعات البيانات للحصول على إرشادات.

2. قم بتحميل مجموعة بياناتك إلى جهاز GCP الافتراضي باستخدام gcloud compute scp أو ميزة SSH في وحدة التحكم عبر الويب.

3. أنشئ ملف YAML لتكوين مجموعة البيانات (custom_dataset.yaml) يحدد مسارات بيانات التدريب والتحقق، وعدد الفئات، وأسماء الفئات.

4. ابدأ عملية التدريب باستخدام ملف YAML الخاص بمجموعة بياناتك المخصصة، وربما البدء من أوزان مدربة 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 تعليمات شاملة حول إعداد البيانات والتدريب باستخدام مجموعات بيانات مخصصة، راجع توثيق التدريب الخاص بـ Ultralytics YOLOv5.

Link to this sectionالاستفادة من التخزين السحابي#

لإدارة فعالة للبيانات، خاصة مع مجموعات البيانات الكبيرة أو التجارب العديدة، قم بدمج 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.

Link to this sectionأفكار ختامية#

تهانينا! أنت الآن مجهز لتسخير قدرات Ultralytics YOLOv5 جنباً إلى جنب مع القوة الحوسبية لـ Google Cloud Platform. يوفر هذا الإعداد القابلية للتوسع والكفاءة وتعدد الاستخدامات لمشاريع كشف الأجسام الخاصة بك. سواء 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 منصة Ultralytics للحصول على تجربة مبسطة بدون كود لتدريب وإدارة نماذجك.

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

هل ترغب في مواصلة تعزيز مهاراتك في تعلم الآلة؟ تعمق في التوثيق الخاص بنا واستكشف مدونة Ultralytics لمزيد من البرامج التعليمية والرؤى. دع مغامرتك في الذكاء الاصطناعي تستمر!