تدريب نماذج Ultralytics YOLO مخصصًا على Lightning AI

سواء أكنت مطورًا متمرسًا في الذكاء الاصطناعي أم بدأت للتو استكشاف الذكاء الاصطناعي للرؤية، فإن امتلاك بيئة موثوقة لتجربة نماذج الرؤية الحاسوبية مثل Ultralytics YOLO11 أمر أساسي. وتشير البيئة إلى الأدوات والموارد والبنية التحتية اللازمة لتصميم نماذج الذكاء الاصطناعي واختبارها ونشرها بكفاءة.

توفر منصات متعددة عبر الإنترنت أدوات مختلفة للذكاء الاصطناعي، لكن كثيرًا منها لا يقدم بيئة موحدة تغطي دورة حياة الذكاء الاصطناعي كاملة، بدءًا من إعداد البيانات وصولًا إلى نشر النماذج. وهنا يأتي دور Lightning AI، وهي منصة متكاملة لتطوير الذكاء الاصطناعي، لتبسيط العملية من إعداد البيانات إلى النشر.

برزت أهمية تسهيل تطوير الذكاء الاصطناعي في YOLO Vision 2024 (YV24)، وهو حدث سنوي هجين تستضيفه Ultralytics ويركز على التطورات في الذكاء الاصطناعي والرؤية الحاسوبية. وقدّم لوكا أنتيغا، المدير التقني في Lightning AI، كلمة رئيسية بعنوان «انطلق بأسلوب YOLO مع Lightning Studios»، شرح فيها كيفية تدريب نماذج Ultralytics YOLO بسرعة وسلاسة ومن دون الخوض في التعقيدات التقنية باستخدام Lightning AI.

في هذا المقال، سنتناول أهم النقاط المستفادة من حديث Luca، ونغطي كل شيء بدءًا من تطبيقات الرؤية الحاسوبية في العالم الحقيقي ووصولًا إلى العروض التوضيحية المباشرة لتدريب نماذج Ultralytics YOLO ونشرها باستخدام Lightning AI.

استخدام Lightning AI وUltralytics YOLO لتبسيط تطوير الذكاء الاصطناعي#

استهل لوكا كلمته الرئيسية بمشاركة أفكاره وتقديره لتأثير نماذج YOLO في قطاعات مختلفة. وأوضح كيف يمكن تطبيق نماذج YOLO في مجالات مثل التصنيع والزراعة. وقال: «أقدّر الأثر الذي أحدثه YOLO في مجتمع البنّائين؛ أولئك الذين يحتاجون إلى حل مشكلات حقيقية وعملية. وهذا قريب جدًا مني».

وربطًا بالاهتمام المتزايد بتدريب الذكاء الاصطناعي، قدّم Lightning AI، وهي منصة مصممة لجعل تطوير نماذج الذكاء الاصطناعي أسرع وأبسط وأكثر إتاحة للجميع. وهي مفيدة خصوصًا لدعم التطورات التكرارية في الذكاء الاصطناعي، ومساعدة المطورين على تنقيح النماذج وتحسينها.

الشكل 1. لوكا أنتيغا يقدم عرضًا عن بُعد حول Lightning Studios في YV24.

وأشار أيضًا إلى تشابه Lightning AI مع PyTorch Lightning، وهو إطار عمل يبسّط عملية تدريب نماذج الذكاء الاصطناعي. لكن Lightning AI يختلف عنه بكونه منصة أشمل توفر مجموعة أوسع من الأدوات والإمكانات لتغطية عملية تطوير الذكاء الاصطناعي بأكملها، لا تدريب نماذج الذكاء الاصطناعي فحسب.

يُعد Lightning Studios عنصرًا أساسيًا في Lightning AI، إذ يوفر مساحة عمل سهلة الاستخدام لتصميم نماذج الذكاء الاصطناعي وتدريبها ونشرها، مما يجعل مسار العمل بأكمله أكثر سلاسة وكفاءة. ويمكن اعتبار Lightning Studios بيئة تطوير قابلة لإعادة الإنتاج للذكاء الاصطناعي تعمل على السحابة. فعلى سبيل المثال، توفر بيئة شبيهة بـ Jupyter Notebook، يمكن استنساخها ومشاركتها مع مطور آخر، مما يساعد على تحسين التعاون.

ثم شرح لوكا مزايا Lightning Studios قائلًا: «لم تعد إعادة إنتاج بيئتك مشكلة. سواء احتجت إلى الانتقال من جهاز CPU [وحدة المعالجة المركزية] إلى جهاز GPU [وحدة معالجة الرسومات] أو بدء التدريب على ألف جهاز، فستظل بيئتك محفوظة».

إعداد Lightning Studios للتدريب والتطوير#

بعد ذلك، أوضح لوكا مدى سرعة بدء استخدام Lightning Studios. فبنقرات قليلة، يمكنك فتح استوديو جديد والوصول إلى أدوات وبيئات مثل Jupyter Notebooks وVS Code، مجهزة كلها وجاهزة لكتابة التعليمات البرمجية. وعرض مدى سهولة التبديل بين الأجهزة المختلفة. فإذا تطلبت المهمة التي تعمل عليها قدرة حوسبة أكبر، يمكنك الانتقال بسهولة من CPU إلى GPU أقوى. ولا يظل GPU نشطًا إلا أثناء استخدامه، وإلا انتقل إلى وضع السكون، ما يوفر أرصدتك.

وأشار لوكا أيضًا إلى فوائد استخدام قوالب Studio. فهي بيئات برمجة للذكاء الاصطناعي أعدّها المجتمع مسبقًا، ويمكنك استخدامها دون الحاجة إلى إعداد أي شيء. قد يستغرق إعداد بيئة لمشاريع الذكاء الاصطناعي وقتًا طويلًا، وتساعد قوالب Studio على زيادة الإنتاجية. وتأتي هذه البيئات محمّلة مسبقًا بكل ما يلزم لمشاريع الذكاء الاصطناعي، مثل التبعيات المثبتة وأوزان النماذج والبيانات والتعليمات البرمجية وغيرها.

الشكل 2. لوكا يشرح ماهية قوالب Studio.

تدريب نماذج Ultralytics YOLO على Lightning Studios#

انتقل لوكا بعد ذلك إلى العرض التوضيحي المباشر، موضحًا كيفية استخدام Lightning Studio لتدريب نماذج Ultralytics YOLO. وفتح قالب Studio كانت جميع تبعياته مثبتة مسبقًا، ثم شغّل جهازًا مزودًا بأربع وحدات GPU لتسريع عملية التدريب. وبالنسبة إلى البيانات، أوضح أنه يمكنك تخزينها مباشرة على الجهاز أو بثها من السحابة، ما يجعل التدريب أسرع وأكثر كفاءة.

أصبحت الآلة جاهزة في غضون ثوانٍ قليلة، وبدأ Luca جلسة التدريب بسرعة. وخلال العرض التوضيحي، تسببت مشكلة بسيطة في توقف الآلة على نحو غير متوقع، لكن Lightning Studios استأنف العمل من النقطة التي توقف عندها، مع ضمان عدم فقدان أي تقدم. وأشار Luca إلى أن هذه الموثوقية تدعم سلاسة سير العمل حتى عند حدوث انقطاعات غير متوقعة.

وخلال متابعة العرض التوضيحي، بيّن مدى سهولة مراقبة تقدم التدريب باستخدام TensorBoard، وهي أداة لتصوير مقاييس التعلم الآلي في الوقت الفعلي. ويجعل Lightning Studio ذلك أبسط، إذ ينشئ تلقائيًا عناوين URL تتيح لك أو لزملائك في مساحة العمل نفسها الوصول إلى عروض TensorBoard دون أي إعداد إضافي. وهذا يسهل التعاون ويبقي الجميع على اطلاع بالمستجدات.

الشكل 3. مخطط انسيابي لتدريب نماذج Ultralytics YOLO على Lightning Studios. الصورة من المؤلف.

نشر نماذج Ultralytics YOLO باستخدام LitServe#

بعد العرض التوضيحي، حوّل لوكا تركيز الكلمة إلى مشروع جديد أطلقته Lightning AI مؤخرًا، وهو LitServe. يبسط LitServe عملية تحويل نموذج مدرّب إلى خدمة قابلة للتوسع يمكن للآخرين استخدامها، ويلغي الحاجة إلى مسارات نشر معقدة. وقد صُمم للتعامل مع كل شيء، من حزم النموذج إلى نشره، بأقل قدر من الجهد.

لعرض ذلك مباشرة، قدّم لوكا عرضًا توضيحيًا سريعًا باستخدام نموذج Ultralytics YOLOv8 مدرّب مسبقًا. وتمكن من إنشاء API بسيط لمعالجة الطلبات الواردة وإرجاع تنبؤات الصور في بضع ثوانٍ. وهذا يعني أن بإمكان أي شخص إرسال صورة إلى API والحصول على نتائج مهام الرؤية الحاسوبية مثل اكتشاف الأجسام على الفور تقريبًا. وفي الخلفية، يُنشر نموذج Ultralytics YOLOv8 كخدمة تعالج الطلبات والصور بكفاءة، وتقدم التنبؤات بزمن استجابة منخفض.

الشكل 4. لوكا يستعرض LitServe من Lightning AI خلال YV24.

أجرى استدلالًا على صورة بيتزا، وتمكن Ultralytics YOLOv8 من تحديد عناصر مثل البيتزا وملعقة وطاولة طعام بنجاح. وأوضح أن الطلب الأول يستغرق وقتًا أطول قليلًا بسبب «البدء البارد»، بينما تكون الطلبات اللاحقة أسرع بكثير بعد أن يصبح النظام دافئًا.

ثم سأل Luca: «ماذا لو أردت إتاحة هذا للعالم الخارجي؟» وأوضح كيف تسهّل إضافة API Builder تحويل نموذجك إلى خدمة مباشرة جاهزة للإنتاج. وبفضل ميزات مثل النطاقات المخصصة والأمان الإضافي والتكامل البسيط، يمكنك بسهولة إتاحة نموذجك للجميع.

المزايا الرئيسية لاستخدام Lightning Studios#

في ختام كلمته، تناول لوكا قابلية Lightning Studio للتوسع ومرونته في تطوير الذكاء الاصطناعي. وأوضح أن المنصة تستطيع تدريب النماذج عبر أجهزة متعددة، والتوسع حتى 10,000 عقدة، مع تدريب متحمّل للأعطال يستأنف العمل تلقائيًا بعد أي انقطاع.

على سبيل المثال، إذا انقطعت مهمة تدريب على مجموعة من وحدات GPU بسبب مشكلة في الأجهزة أو إعادة تشغيل الخادم، يضمن Lightning Studios استئناف العملية من النقطة التي توقفت عندها تمامًا. وهذا يجعله مناسبًا لمشاريع الذكاء الاصطناعي واسعة النطاق، مثل تدريب نماذج التعلم العميق على مجموعات بيانات ضخمة مثل ImageNet أو COCO.

إليك بعض المزايا الرئيسية الأخرى لـ Lightning Studios التي تحدث عنها لوكا:

• أرصدة GPU شهرية مجانية: يحصل المستخدمون على 15 رصيد GPU مجانيًا كل شهر، تتجدد تلقائيًا، ما يضمن إمكانية التجربة والتطوير دون تكاليف إضافية.
• تعزيز التعاون: تتيح مساحات العمل المشتركة للفرق وبيئات Lightning Studio القابلة لإعادة الإنتاج لأعضاء الفريق العمل معًا، بما يضمن الاتساق والكفاءة في مختلف المشروعات.
• خيارات مرنة للنسخ: تمنحك المنصة مرونة الاختيار بين النسخ القابلة للمقاطعة وغير القابلة للمقاطعة، ما يتيح للمستخدمين خفض تكاليف أجهزة GPU باختيار النسخ القابلة للمقاطعة.
• التكامل مع الأدوات الحالية: تتكامل المنصة مع أدوات التطوير عن بُعد مثل SSH (الصدفة الآمنة) وVS Code، مما يوفر مرونة العمل محلياً أو عبر السحابة.

أبرز النقاط#

سلّطت الكلمة الرئيسية التي ألقاها لوكا في YV24 الضوء على كيفية تغيير الذكاء الاصطناعي، إلى جانب أدوات مثل نماذج Ultralytics YOLO وLightning AI، لطرق حل المشكلات في العالم الواقعي. فهي تسهّل على المطورين تدريب النماذج ونشرها لمعالجة مشكلات محددة في مجموعة من القطاعات.

أوضح كيف يجعل Lightning Studios عملية التطوير بأكملها أسرع وأسهل وصولًا، ما يتيح للمطورين إنشاء حلول قوية بسهولة. وفي صميم منصات مثل Lightning AI، تغير نماذج الرؤية الحاسوبية طريقة تعامل حلول الذكاء الاصطناعي مع التحديات. وعلى وجه الخصوص، يستطيع المطورون باستخدام Ultralytics YOLO11 وخليفته Ultralytics YOLO26 بناء حلول تُحدث أثرًا ملموسًا.

انضم إلى مجتمعنا لمتابعة مستجدات الذكاء الاصطناعي واستخداماته العملية. واستكشف الابتكارات في قطاعات مثل الذكاء الاصطناعي في السيارات ذاتية القيادة والرؤية الحاسوبية في الرعاية الصحية عبر زيارة مستودعنا على GitHub.