التحويل إلى حاويات باستخدام Docker لتبسيط نشر النماذج

تتضمن عملية بناء حل الرؤية الحاسوبية خطوات أكثر من مجرد تدريب النموذج واختباره. في الواقع، أحد أكثر جوانب إنสร้าง نماذج متطورة إثارةً هو مشاهدتها وهي تحدث تأثيرًا في بيئات العالم الحقيقي. يؤدي استخدام الذكاء الاصطناعي للرؤية لحل المشكلات بطبيعة الحال إلى نشر نماذج الرؤية الحاسوبية التي تطورها في بيئة الإنتاج.

يتضمن نشر النماذج خطوات متنوعة، بما في ذلك تحسين النماذج لتحقيق الموثوقية وقابلية التوسع والأداء عبر ظروف متنوعة. تعمل سير عمل النشر المنظم جيداً على سد الفجوة بين تطوير النموذج وبين تحقيق النموذج لتأثير ملموس يحدث فرقاً.

في كثير من الأحيان، عند نشر نماذج الرؤية الحاسوبية مثل Ultralytics YOLO11، توجد تقنيات وخيارات نشر متعددة يمكنك الاختيار من بينها، ويعتمد ذلك على التطبيق المحدد الذي تقوم ببنائه. على سبيل المثال، يمكن لتقنيات مثل الحاويات تبسيط سير عمل النشر.

تساعد الحاويات في حزم النموذج وتبعياته، مثل المكتبات والأطر والتكوينات، في وحدة واحدة مكتفية ذاتياً تسمى حاوية. واحدة من أكثر الطرق كفاءة وشيوعاً للقيام بذلك هي استخدام Docker، وهو منصة مفتوحة المصدر تجعل بناء وشحن وتشغيل التطبيقات المعبأة في حاويات أسهل.

في هذه المقالة، سنستكشف كيف تعمل الحاويات وDocker على تبسيط نشر النموذج، مما يضمن قابلية التوسع والكفاءة السلسة في تطبيقات الذكاء الاصطناعي للرؤية في العالم الحقيقي.

ما هو نشر النموذج؟#

نشر النموذج هو المرحلة النهائية من دورة حياة تعلم الآلة، حيث يتم إدخال النموذج المدرب في بيئة الإنتاج لإجراء تنبؤات في العالم الحقيقي. يعد النشر الناجح جزءاً أساسياً من أداء النموذج بشكل موثوق في الظروف العملية.

على سبيل المثال، ضع في اعتبارك نموذج رؤية حاسوبية مصممًا لـ تحديد لوحات الترخيص للتحصيل الآلي للرسوم. على الرغم من أنه قد يحقق دقة عالية في بيئة خاضعة للرقابة مع مجموعات بيانات مُصنفة جيدًا، إلا أن نشره على كاميرات جانب الطريق قد يفرض مشكلات في زمن الوصول بسبب عوامل مثل معالجة الصور عالية الدقة، وتأخيرات الشبكة، وقيود الأجهزة، وقيود الاستدلال في الوقت الفعلي.

يمكن أن تؤدي التنبؤات البطيئة إلى تأخير في معالجة الرسوم، أو الازدحام، أو حتى تفويت عمليات الكشف. يمكن أن تساعد استراتيجيات نشر النماذج المناسبة في تقليل زمن الاستجابة، وتحسين الكفاءة، ودعم الأداء الموثوق في تطبيقات العالم الحقيقي.

Fig 1. اكتشاف لوحات الأرقام باستخدام Ultralytics YOLO11.

أيضاً، هناك العديد من الاعتبارات التي يجب وضعها في الاعتبار عند نشر النماذج. أحدها هو قابلية التوسع، حيث تعمل النماذج بشكل جيد أثناء التدريب ولكنها قد تجد صعوبة في التعامل مع البيانات واسعة النطاق.

آخر هو عدم تطابق البيئات، مثل اختلافات الأجهزة، عندما يتم تدريب نموذج على وحدات معالجة الرسومات (GPUs) عالية الأداء ولكن يتم نشره على أجهزة ذات قدرة معالجة محدودة. يمكن أن تؤدي هذه التناقضات في النشر إلى سلوك غير متوقع للنموذج. يمكن استخدام حلول متقدمة مثل الحاويات لمعالجة هذه التحديات.

الحاويات#

يمكن تشبيه الحاويات بتعبئة صندوق الغداء الخاص بك، والذي يحتوي على كل ما تحتاجه لوجبة، مثل الطعام، وأدوات المائدة، والتوابل. يمكنك الأكل في أي مكان دون القلق بشأن العثور على مطبخ أو أدوات محددة.

وبالمثل، تقوم الحاويات بتغليف نموذج مع جميع تبعياته، مثل المكتبات والأطر والتكوينات، في وحدة واحدة تسمى حاوية. تضمن هذه الحاويات أن يعمل النموذج بشكل متسق من خلال توفير نفس التبعيات عبر أي نظام، بغض النظر عن البيئة الأساسية. على عكس الأجهزة الافتراضية، التي تحمل أنظمة تشغيل كاملة، فإن الحاويات خفيفة الوزن وقابلة للنقل، مما يجعلها بديلاً فعالاً.

الشكل 2. نظرة عامة على الحاويات.

إليك بعض المزايا الرئيسية للحاويات:

• التحكم في الإصدار: مع الحاويات، يمكن أن تتعايش إصدارات مختلفة من نموذج أو حزمة برامج، مما يتيح عمليات تراجع وتحديثات سهلة دون تعطيل أنظمة الإنتاج.
• الأمان: تعزل الحاويات التطبيقات عن النظام الأساسي، مما يقلل من مخاطر التعارضات والثغرات والوصول غير المصرح به.
• النشر السريع: تتيح صور الحاويات المهيأة مسبقاً عمليات نشر سريعة وقابلة للتكرار، مما يقلل من وقت الإعداد ويقلل من أخطاء النشر.

Docker: تبسيط الحاويات#

على الرغم من أن الحاويات تعد طريقة رائعة لتشغيل التطبيقات في بيئات معزولة، إلا أن إعدادها قد يكون معقدًا. وهنا يأتي دور Docker. Docker هو منصة مفتوحة المصدر تبسيط بناء ونشر وإدارة التطبيقات المُحواة.

إنه يوفر بيئة متسقة ومعزولة جنباً إلى جنب مع الأدوات والأطر اللازمة لاختبار النموذج. على وجه التحديد، يشتهر Docker بنظامه البيئي القوي وسهولة استخدامه. إنه يجعل نشر نماذج الذكاء الاصطناعي أسهل من خلال تبسيط العملية، والعمل بسلاسة مع منصات السحابة، والسماح لنماذج الذكاء الاصطناعي بالعمل بكفاءة على أجهزة الحافة للحصول على نتائج أسرع.

تستخدم العديد من الصناعات بنشاط لنشر وإدارة التطبيقات المعبأة في حاويات بكفاءة. يتضمن نشر النماذج المستند إلى Docker عموماً ثلاثة مكونات رئيسية:

• Dockerfile: ملف تكوين نصي يعمل كمخطط لإنشاء صورة Docker. يحتوي على جميع التعليمات اللازمة، بما في ذلك الصورة الأساسية، والتبعيات المطلوبة، وإعدادات البيئة، والأوامر لتشغيل النموذج.

• صور Docker: ملفات حزم مهيأة مسبقاً تتضمن كل ما يلزم لتنفيذ النموذج - مثل الكود، والمكتبات، وبيئات وقت التشغيل، والتبعيات. تضمن هذه الصور أن النموذج يعمل بنفس التكوين على أي نظام.

• حاويات Docker: مثيلات قيد التشغيل من صور Docker توفر بيئة معزولة وآمنة لتنفيذ النموذج. ضمن هذه البيئة، يمكن تدريب النموذج واختباره وضبطه بدقة دون التداخل مع تطبيقات أخرى أو النظام المضيف.

الشكل 3. فهم المكونات الرئيسية لـ Docker.

استكشاف تطبيق رؤية حاسوبية باستخدام Docker#

لنفترض أن مدينة ما تريد نشر نظام مراقبة مرور باستخدام الرؤية الحاسوبية لاكتشاف وتصنيف المركبات في الوقت الفعلي. قد يكون نشر هذا النظام عبر مواقع متعددة، يتمتع كل منها بظروف أجهزة وشبكات مختلفة، أمرًا صعبًا. قد تؤدي مشكلات التوافق، وتعارض التبعيات، والبيئات غير المتسقة إلى أداء غير موثوق.

باستخدام Docker، يمكن للمطورين حزم نموذج الرؤية الحاسوبية بالكامل، إلى جانب تبعياته (مثل أطر عمل الذكاء الاصطناعي مثل TensorFlow والبرامج النصية المخصصة)، داخل حاوية. يضمن ذلك تشغيل النموذج بشكل متسق عبر بيئات مختلفة، بدءًا من التطوير المحلي ووصولاً إلى الخوادم المستندة إلى السحابة أو حتى أجهزة الحافة المثبتة على كاميرات المرور.

الشكل 4. كيف يعمل Docker.

على سبيل المثال، من خلال نشر نماذج رؤية حاسوبية معبأة في Docker في تقاطعات متعددة، يمكن للمدينة تحليل تدفق حركة المرور، والكشف عن المخالفات، وتحسين إشارات المرور. نظراً لأن Docker يسهل بيئة موحدة عبر جميع المواقع، فإن الصيانة أسهل، والتحديثات سلسة، ويظل الأداء متسقاً.

نشر نماذج Ultralytics YOLO11 باستخدام Docker#

يمكن استخدام Ultralytics YOLO11، بفضل قدرته على أداء مهام الرؤية الحاسوبية المعقدة، في مختلف الصناعات مثل التصنيع، والرعاية الصحية، والقيادة الذاتية، والزراعة.

على سبيل المثال، يمكن لـ Ultralytics YOLO11 معالجة تدفقات الفيديو في تطبيقات اللياقة البدنية لتتبع التمارين مثل تمارين الضغط باستخدام تقدير الوضعيات. ومن خلال اكتشاف حركات الجسم وعدد التكرارات في الوقت الفعلي، فإنه يساعد في تحسين تتبع التمارين وتحليل الأداء.

Fig 5. مراقبة التمارين الرياضية باستخدام Ultralytics YOLO11.

إذا أردنا نشر مثل هذا النموذج في تطبيقات العالم الحقيقي، فنحن بحاجة إلى إدارة التبعيات، وتحسين الأجهزة، وضمان أداء متسق عبر مختلف البيئات. إن استخدام Docker يسطّح هذه العملية من خلال تجميع Ultralytics YOLO11 مع كافة المكتبات والتكوينات اللازمة، مما يجعل نشر النموذج أكثر كفاءة وقابلية للتوسع واعتمادية.

إليك نظرة سريعة على مزايا نشر Ultralytics YOLO11 باستخدام Docker:

• الصيانة المبسطة: يعمل Docker على تبسيط عملية تحديث وصيانة Ultralytics YOLO11 وتبعياته. يمكن تطبيق التحديثات على صورة الحاوية دون التأثير على النظام المضيف، مما يضمن إدارة سلسة وفعالة للنموذج.
• تعاون مبسط: يمكن للمطورين والباحثين مشاركة حاويات Docker المهيأة مسبقاً بسهولة، مما يضمن عمل الفرق بنفس البيئة، وتجنب مشكلات التوافق.
• كفاءة الموارد: على عكس الأجهزة الافتراضية التقليدية، تشترك حاويات Docker في نظام التشغيل المضيف، مما يقلل العبء الإضافي ويحسن استخدام الموارد، وهو أمر بالغ الأهمية لمهام الاستنتاج في الوقت الفعلي.

تطبيقات Ultralytics YOLO11 التي يمكن نشرها باستخدام Docker#

دعنا نستعرض بعض الأمثلة على تطبيقات الرؤية الحاسوبية التي يمكن بناؤها باستخدام Ultralytics YOLO11 و Docker.

مراقبة حركة المرور باستخدام Ultralytics YOLO11#

في السابق، ناقشنا مراقبة حركة المرور باستخدام الرؤية الحاسوبية. ومن المثير للاهتمام أن دعم Ultralytics YOLO11 لـ تتبع الكائنات يمكن أن يساعد في بناء نظام شامل لإدارة حركة المرور. كيف يعمل هذا؟

يمكن لـ Ultralytics YOLO11 تحليل تدفقات الفيديو المباشرة من كاميرات المرور لاكتشاف وتتبع المركبات في الوقت الفعلي. ومن خلال التحديد المستمر لمواقع المركبات، وسرعاتها، وأنماط حركتها، يمكن للنظام مراقبة مستويات الازدحام، واكتشاف المخالفات المرورية (مثل تجاوز الإشارة الحمراء أو الانعطافات غير القانونية)، وتحسين إشارات المرور بناءً على البيانات في الوقت الفعلي.

أيضاً، يضمن نشر Ultralytics YOLO11 على الأجهزة الطرفية أو المنصات القائمة على السحابة بمساعدة Docker معالجة فعالة وقابلية للتوسع، مما يجعله أداة قيّمة لإدارة المرور في المدن الذكية.

الشكل 6. تتبع العد للمركبات باستخدام YOLO11.

تحسين العلاج الطبيعي باستخدام Ultralytics YOLO11#

عندما يتعلق الأمر بالرعاية الصحية، يعد العلاج الطبيعي أمراً بالغ الأهمية لإعادة التأهيل، وتعد الوضعية والحركة الصحيحة حيويتين لنجاح التعافي. يمكن أن تساعد التعليقات في الوقت الفعلي من نظام مراقبة المريض القائم على الرؤية المعالجين في اكتشاف مشاكل مثل زوايا المفاصل غير الصحيحة أو اختلالات العضلات.

على سبيل المثال، إذا كان المريض يؤدي تمرين رفع الكتف ولكنه لا يرفع ذراعه إلى الارتفاع الصحيح أو يعوض بوضعية غير مناسبة، يمكن للنظام اكتشاف هذه الأخطاء وتقديم تصحيحات فورية. وهذا يسمح للمعالجين بتعديل العلاجات في الوقت الفعلي.

يمكن استخدام إمكانيات تقدير الوضعيات في Ultralytics YOLO11 لاكتشاف نقاط الجسم الرئيسية وتحليل حركات المفاصل. يمكنه معالجة تدفقات الفيديو المباشرة لتوفير ملاحظات فورية، مما يساعد المعالجين على تصحيح الوضعيات، وتحسين دقة الحركة، ومنع الإصابات. هذا يسهل إنشاء خطط علاجية مخصصة بناءً على تقدم كل مريض.

الشكل 7. مثال على مراقبة العلاج الطبيعي باستخدام Ultralytics YOLO11.

فيما يتعلق بنشر هذا النوع من الحلول، يمكن أن يضمن استخدام Docker تشغيلاً سلساً عبر بيئات مختلفة، سواء في العيادات أو لمراقبة المرضى عن بعد. يبسط Docker النشر، ويعزز قابلية التوسع، ويحافظ على اتساق النظام، مما يجعل أدوات العلاج الطبيعي المدعومة بالذكاء الاصطناعي أكثر موثوقية ويمكن الوصول إليها.

أبرز النقاط#

يعد نشر نموذج رؤية حاسوبية خطوة حاسمة في نقله من التطوير إلى الاستخدام في العالم الحقيقي. تضمن عملية النشر السلسة أن النموذج المدرب يعمل بشكل موثوق في التطبيقات العملية. لقد جعلت أدوات مثل Docker والحاويات هذه العملية أسهل من خلال إزالة العديد من التحديات التقليدية.

بفضل طبيعتها خفيفة الوزن والقابلة للحمل والتوسع، تعمل هذه التقنيات على تغيير طريقة بناء ونشر نماذج مثل Ultralytics YOLO11. ومن خلال استخدام الحاويات، يمكن للشركات توفير الوقت، وتقليل التكاليف، وتحسين الكفاءة مع ضمان تشغيل النماذج بشكل متسق عبر مختلف البيئات.

انضم إلى مجتمعنا وتحقق من مستودع GitHub الخاص بنا لمعرفة المزيد حول الذكاء الاصطناعي. اقرأ عن التطبيقات المختلفة لـ الرؤية الحاسوبية في الرعاية الصحية والذكاء الاصطناعي في التصنيع. استكشف خيارات ترخيص YOLO الخاصة بنا للبدء في استخدام الذكاء الاصطناعي للرؤية.