نقدّم AutoTrain من Ultralytics: تبسيط تدريب نماذج الذكاء الاصطناعي للرؤية

نادراً ما يتم بناء نموذج للرؤية الحاسوبية من خلال تشغيل واحد فقط. يتطلب التدريب الفعال لنماذج ذكاء الرؤية الاصطناعي من الفرق إنشاء خط أساس وتقييم النتائج وتعديل الإعدادات ومقارنة التجارب والتكرار، وغالبًا ما يتم ذلك باستخدام أدوات منفصلة.

نقدم اليوم Ultralytics AutoTrain، وهي طريقة أذكى لتدريب نماذج Ultralytics YOLO ومقارنتها وتحسينها في Ultralytics Platform.

يتوفر المساعد عبر Ask AI، ويحوّل الطلبات باللغة الطبيعية إلى إجراءات ضمن سير عمل تطوير النماذج. يمكنك أن تطلب منه إنشاء خط أساس، وإجراء تجارب مضبوطة، وتفسير النتائج، وتصدير النموذج الذي اخترته أو نشره.

ما هي Ultralytics AutoTrain؟#

ينبغي لفرق الرؤية الحاسوبية أن تقضي وقتها في تحسين النتائج في العالم الحقيقي، لا في تكرار إعداد عمليات التشغيل أو تجميع نتائج التجارب.

باستخدام AutoTrain، يمكنك:

• ابدأ بسرعة أكبر: أنشئ خط أساس دون ضبط كل إعدادات التدريب يدويًا.
• اتخذ قرارات مستنيرة: قارن النماذج باستخدام مقاييس التحقق وافهم أسباب اختلاف النتائج.
• حسّن منهجيًا: اختبر متغيرات مثل حجم النموذج أو دقة الصورة من خلال تجارب مضبوطة.
• قلّل أعباء سير العمل: أبقِ مجموعات البيانات وعمليات التدريب والمقاييس وعمليات التصدير والنشر مترابطة.
• سرّع الانتقال إلى الإنتاج: صدّر النموذج الأفضل أداءً أو انشره مباشرةً من سير العمل نفسه.

بدلًا من أن تسأل الفرق: «ما الإعدادات التي ينبغي أن نجربها بعد ذلك؟»، يمكنها التركيز على السؤال الأهم: «هل هذا النموذج جاهز لحل مشكلتنا؟»

مصممة حول هدفك#

تتكيف AutoTrain مع طريقة عملك.

يمكن لفريق يطوّر نظامًا لفحص التصنيع أن يطلب إنشاء خط أساس لاكتشاف العيوب ومقارنة دقات الصور. ويمكن لشركة لوجستية تقييم النموذج الأفضل في تحديد الحاويات والمعدات. كما يمكن لمطور يبني تطبيقًا للبيع بالتجزئة مقارنة النماذج المكتملة وتحديد الفئات الصعبة والتخطيط للتجربة التالية.

أنت تحدد الهدف والقيود وميزانية الحوسبة. وتساعد AutoTrain على تنفيذ سير العمل وتحويل النتائج إلى خطوات تالية واضحة.

مسار مترابط واحد من البيانات إلى النشر#

تُعد AutoTrain جزءًا من Ultralytics Platform الأوسع، حيث يمكن للفرق إدارة مجموعات البيانات ووسم الصور وتدريب النماذج ومراجعة التجارب وتصدير العناصر ونشر نقاط النهاية.

يمكن لمساعد Ask AI أيضًا دعم المهام المرتبطة، بما في ذلك الوسم التلقائي للصور غير الموسومة باستخدام نموذج متوافق، وتصدير نموذج محدد إلى تنسيقات مثل ONNX، وبدء عملية نشر.

وهذا يعني تقليل عمليات التسليم بين الأنظمة، وتوفير مسار أكثر مباشرةً من البيانات المرئية إلى تطبيق فعال لذكاء الرؤية الاصطناعي.

فعّل AutoTrain في جميع مراحل سير عمل ذكاء الرؤية الاصطناعي#

تساعد AutoTrain الفرق على تجاوز عمليات التدريب المنفردة نحو سير عمل تجارب أسرع وأكثر تنظيمًا. استخدمها لاختبار الإعدادات ومقارنة النتائج وفهم اختلافات الأداء ونقل أقوى نماذجك نحو الإنتاج، كل ذلك ضمن Ultralytics Platform.

على سبيل المثال، يمكنك أن تطلب من AutoTrain:

• اختبار نهج: «درّب ثلاثة نماذج بأحجام صور 640 و800 و960، مع تثبيت تقسيمات مجموعة البيانات والإعدادات الأخرى.»
• تحويل النتائج إلى خطوات تالية: «قارن النماذج المكتملة حسب mAP50-95 على مجموعة التحقق، واشرح اختلافات الأداء، واقترح التجربة التالية.»
• الانتقال نحو الإنتاج: «انشر النموذج المكتمل الأفضل أداءً، واذكر حالة نقطة النهاية الخاصة به.»

تتجاوز هذه الطلبات مجرد بدء الإجراءات. فهي تساعد الفرق على اتخاذ قرارات مستنيرة طوال مراحل تطوير النموذج، فتقلل التنسيق اليدوي وتوفر مسارًا أوضح من خط أساس أولي إلى نموذج ذكاء رؤية اصطناعي جاهز للإنتاج.

ابدأ البناء باستخدام AutoTrain#

سواء كنت تدرب نموذجك الأول أو تحسّن نموذجًا مرشحًا للإنتاج، تساعدك AutoTrain على إجراء التجارب بسرعة وتنظيم وثقة أكبر.

سجّل الدخول إلى Ultralytics Platform، وافتح مجموعة البيانات أو المشروع، ثم اختر Ask AI للبدء. استكشف مطالبات إضافية وسير عمل نموذجيًا في وثائق AutoTrain.