انتقل إلى المحتوى

اتقان YOLOv5 🚀 النشر على Google Cloud Platform (GCP) الجهاز الظاهري للتعلم العميق (VM) ⭐

يمكن أن يكون الشروع في رحلة الذكاء الاصطناعي والتعلم الآلي أمرا مبهجا ، خاصة عندما تستفيد من قوة ومرونة النظام الأساسي السحابي. يوفر Google Cloud Platform (GCP) أدوات قوية مصممة خصيصا لعشاق التعلم الآلي والمحترفين على حد سواء. إحدى هذه الأدوات هي Deep Learning VM الذي تم تكوينه مسبقا لعلوم البيانات ومهام ML. في هذا البرنامج التعليمي ، سنتنقل خلال عملية الإعداد YOLOv5 على الجهاز الظاهري للتعلم العميق من GCP. سواء كنت تتخذ خطواتك الأولى في ML أو كنت ممارسا متمرسا ، فقد تم تصميم هذا الدليل لتزويدك بمسار واضح لتنفيذ نماذج اكتشاف الكائنات المدعومة من YOLOv5.

🆓 بالإضافة إلى ذلك ، إذا كنت مستخدما جديدا ل GCP ، فأنت محظوظ بعرض ائتمان مجاني بقيمة 300 دولار لبدء مشاريعك.

بالإضافة إلى GCP ، استكشف خيارات التشغيل السريع الأخرى التي يمكن الوصول إليها ل YOLOv5، مثل لدينا كولاب نوت بوك فتح في كولاب للحصول على تجربة مستندة إلى المستعرض ، أو قابلية التوسع أمازون AWS. علاوة على ذلك ، يمكن لهواة الحاويات الاستفادة من صورة Docker الرسمية الخاصة بنا في عامل ميناء Hub عامل ميناء يسحب لبيئة مغلفة.

الخطوة 1: إنشاء وتكوين الجهاز الظاهري للتعلم العميق

لنبدأ بإنشاء جهاز افتراضي تم ضبطه للتعلم العميق:

  1. توجه إلى سوق GCP وحدد الجهاز الظاهري للتعلم العميق.
  2. اختر مثيل n1-standard-8 ؛ يوفر توازنا بين 8 وحدات معالجة مركزية افتراضية وذاكرة 30 جيجابايت ، وهي مناسبة بشكل مثالي لاحتياجاتنا.
  3. بعد ذلك ، حدد وحدة معالجة الرسومات. هذا يعتمد على عبء العمل الخاص بك. حتى واحدة أساسية مثل Tesla T4 ستسرع بشكل ملحوظ تدريب النموذج الخاص بك.
  4. ضع علامة في المربع الخاص ب "تثبيت برنامج تشغيل NVIDIA GPU تلقائيا عند بدء التشغيل لأول مرة؟" لإعداد خال من المتاعب.
  5. قم بتخصيص قرص ثابت SSD بسعة 300 جيجابايت لضمان عدم حدوث اختناق في عمليات الإدخال / الإخراج.
  6. اضغط على "نشر" ودع GCP يقوم بسحره في توفير الجهاز الظاهري المخصص للتعلم العميق.

يأتي هذا الجهاز الظاهري محملا بكنز دفين من الأدوات والأطر المثبتة مسبقا ، بما في ذلك Anaconda Python التوزيع ، الذي يجمع بشكل ملائم جميع التبعيات اللازمة ل YOLOv5.

رسم توضيحي لسوق GCP لإعداد جهاز ظاهري للتعلم العميق

الخطوة 2: تجهيز الجهاز الظاهري ل YOLOv5

بعد إعداد البيئة ، دعنا نحصل على YOLOv5 قيد التشغيل:

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

# Change the directory to the cloned repository
cd yolov5

# Install the necessary Python packages from requirements.txt
pip install -r requirements.txt

تضمن عملية الإعداد هذه أنك تعمل مع ملف Python إصدار البيئة 3.8.0 أو أحدث و PyTorch 1.8 أو أعلى. تقوم البرامج النصية الخاصة بنا بتنزيل النماذج ومجموعات البيانات بسلاسة من أحدث YOLOv5 الافراج ، مما يجعل من المتاعب لبدء التدريب على النموذج.

الخطوة 3: تدريب ونشر YOLOv5 نماذج 🌐

مع اكتمال الإعداد ، تكون جاهزا للخوض في التدريب والاستدلال باستخدام YOLOv5 على جهاز GCP الظاهري:

# 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

مع عدد قليل من الأوامر ، YOLOv5 يسمح لك بتدريب نماذج مخصصة للكشف عن الكائنات مصممة خصيصا لاحتياجاتك الخاصة أو استخدام الأوزان المدربة مسبقا للحصول على نتائج سريعة في مجموعة متنوعة من المهام.

صورة أمر المحطة الطرفية توضح تدريب النموذج على جهاز ظاهري للتعلم العميق من GCP

تخصيص مساحة مبادلة (اختياري)

بالنسبة إلى أولئك الذين يتعاملون مع مجموعات البيانات الضخمة، فكر في تضخيم مثيل GCP باستخدام ذاكرة تبديل إضافية بسعة 64 غيغابايت:

sudo fallocate -l 64G /swapfile
sudo chmod 600 /swapfile
sudo mkswap /swapfile
sudo swapon /swapfile
free -h  # confirm the memory increment

أفكار ختامية

مبروك! أنت الآن مخول لتسخير قدرات YOLOv5 مع البراعة الحسابية لمنصة Google Cloud. يوفر هذا المزيج قابلية التوسع والكفاءة والتنوع لمهام اكتشاف الكائنات الخاصة بك. سواء للمشاريع الشخصية أو البحث الأكاديمي أو التطبيقات الصناعية ، فقد اتخذت خطوة محورية في عالم الذكاء الاصطناعي والتعلم الآلي على السحابة.

تذكر توثيق رحلتك ومشاركة الأفكار مع Ultralytics ، والاستفادة من الساحات التعاونية مثل مناقشات GitHub لتحقيق المزيد من النمو. الآن ، انطلق وابتكر مع YOLOv5 و GCP! 🌟

هل تريد الاستمرار في تحسين مهاراتك ومعرفتك في ML؟ تعمق في وثائقنا وبرامجنا التعليمية للحصول على مزيد من الموارد. دع مغامرتك الذكاء الاصطناعي تستمر!



تم إنشاؤه في 2023-11-12, اخر تحديث 2023-12-21
المؤلفون: جلين جوشر (3)

التعليقات