كيفية تدريب نماذج Ultralytics YOLO والتحقق من صحتها والتنبؤ بها وتصديرها وقياسها باستخدام نماذج Ultralytics YOLO

وضع القطار

أولاً، لنلقِ نظرة على وضع القطار. هذا هو المكان الذي تبني فيه نموذجك وتصقله. يمكنك العثور على تعليمات مفصلة وأدلة فيديو في الوثائق، مما يسهل عليك البدء في تدريب نماذجك المخصصة.

يتضمن تدريب النموذج تزويد النموذج بمجموعة بيانات جديدة، مما يسمح له بتعلم أنماط مختلفة. بمجرد التدريب، يمكن استخدام النموذج في الوقت الفعلي لاكتشاف الكائنات الجديدة التي تم تدريبه عليها. قبل البدء في عملية التدريب، من الضروري وضع تعليقات توضيحية لمجموعة البيانات بتنسيق YOLO.

التحقق من صحة الوضع

بعد ذلك، دعنا نتعمق في وضع التحقق من الصحة. يعد التحقق من الصحة أمرًا ضروريًا لضبط المعلمات الفائقة وضمان أداء نموذجك بشكل جيد. يوفر Ultralytics مجموعة متنوعة من خيارات التحقق من الصحة، بما في ذلك الإعدادات الآلية، ودعم المقاييس المتعددة، والتوافق مع واجهة برمجة تطبيقات Python. يمكنك حتى تشغيل التحقق من الصحة مباشرةً من خلال واجهة سطر الأوامر (CLI) باستخدام الأمر أدناه.

وضع التنبؤ

بمجرد أن يتم تدريب نموذجك والتحقق من صحته، يحين وقت إجراء التنبؤات. يسمح لك وضع التنبؤ بتشغيل الاستدلال على بيانات جديدة ورؤية نموذجك أثناء العمل. هذا الوضع مثالي لاختبار أداء نموذجك على بيانات العالم الحقيقي.

باستخدام مقتطف كود بيثون أدناه، ستتمكن من تشغيل التنبؤات على صورك!

وضع التصدير

بعد التحقق والتنبؤ، قد ترغب في نشر نموذجك. يمكّنك وضع التصدير من تحويل نموذجك إلى تنسيقات مختلفة، مثل ONNX أو TensorRT، مما يسهل نشره عبر منصات مختلفة.

الوضع المعياري

وأخيراً، لدينا وضع القياس المعياري. القياس المعياري ضروري لتقييم أداء نموذجك في سيناريوهات مختلفة. يساعدك هذا الوضع على اتخاذ قرارات مستنيرة بشأن تخصيص الموارد وتحسينها وكفاءة التكلفة.

مثال للقياس المعياري الواقعي

لنلقِ نظرة على مثال واقعي لقياس الأداء. عندما نقيس نموذج PyTorch الخاص بنا، نلاحظ سرعة استدلال تبلغ 68 ميلي ثانية على وحدة معالجة الرسومات RTX 3070. بعد التصدير إلى TorchScript، تنخفض سرعة الاستدلال إلى 4 ميلي ثانية، مما يدل على تحسن كبير.

بالنسبة لنماذج ONNX، نحقق سرعة استدلال تبلغ 21 ميلي ثانية. عند اختبار هذه النماذج على وحدة المعالجة المركزية (Intel i9 الجيل الثالث عشر)، نرى نتائج متفاوتة. حيث يعمل TorchScript بسرعة 115 ميلي ثانية، بينما يعمل ONNX بسرعة 84 ميلي ثانية. أخيرًا، يحقق OpenVINO المحسّن لأجهزة Intel أداءً مذهلًا بسرعة 23 ميلي ثانية.

الخاتمة

باختصار، تعد الأوضاع في وثائق Ultralytics أدوات قوية للتدريب والتحقق من صحة نماذج YOLO والتنبؤ بها وتصديرها وقياسها. يلعب كل وضع دورًا حيويًا في تحسين نموذجك وإعداده للنشر.

لا تنسَ استكشاف مجتمعنا والانضمام إليه وتجربة مقتطفات التعليمات البرمجية المتوفرة في مشاريعك. باستخدام هذه الأدوات، يمكنك إنشاء نماذج عالية الأداء وضمان تشغيلها بكفاءة في أي بيئة.