تقديم Ultralytics AutoTrain: تبسيط تدريب نماذج الذكاء الاصطناعي للرؤية.

إن بناء نموذج رؤية حاسوبية نادراً ما يكون عملية ذات تشغيل واحد. يتطلب التدريب الفعال لنموذج الذكاء الاصطناعي للرؤية من الفرق وضع خط أساس، وتقييم النتائج، وضبط الإعدادات، ومقارنة التجارب، والتكرار، غالباً عبر أدوات غير متصلة.

اليوم، نقدم Ultralytics AutoTrain، وهي طريقة أذكى لتدريب ومقارنة وتحسين نماذج YOLO من Ultralytics في Ultralytics Platform.

يتوفر المساعد من خلال Ask AI، حيث يحول الطلبات باللغة الطبيعية إلى إجراءات عبر سير عمل تطوير النموذج الخاص بك. يمكنك أن تطلب منه إنشاء خط أساس، وإجراء تجارب خاضعة للرقابة، وتفسير النتائج، وتصدير أو نشر النموذج الذي اخترته.

ما هو Ultralytics AutoTrain؟#

يجب أن تقضي فرق الرؤية الحاسوبية وقفتها في تحسين النتائج في العالم الحقيقي، وليس في تكوين عمليات التشغيل مراراً وتكراراً أو تجميع نتائج التجارب معاً.

باستخدام AutoTrain، يمكنك:

• ابدأ بشكل أسرع: أنشئ خط أساس دون تكوين كل إعداد تدريب يدوياً.
• اتخذ قرارات مستنيرة: قارن بين النماذج باستخدام مقاييس التحقق وافهم سبب اختلاف النتائج.
• التحسين بشكل منهجي: اختبر المتغيرات مثل حجم النموذج أو دقة الصورة من خلال تجارب خاضعة للرقابة.
• تقليل العبء الإداري لسير العمل: حافظ على تواصل مجموعات البيانات وعمليات التشغيل والمقاييس والصادرات وعمليات النشر.
• تسريع الإنتاج: قم بتصدير أو نشر النموذج الأفضل أداءً مباشرة من نفس سير العمل.

بدلاً من طرح السؤال، "ما الإعداد الذي يجب أن تجربه بعد ذلك؟"، يمكن للفرق التركيز على السؤال الأكثر قيمة: "هل هذا النموذج جاهز لحل مشكلتنا؟"

مصمم حول هدفك#

يتكيف AutoTrain مع الطريقة التي تعمل بها.

يمكن لفريق يقوم بتطوير نظام فحص التصنيع أن يطلب منه إنشاء خط أساس لاكتشاف العيوب ومقارنة دقة الصور. يمكن لشركة لوجستية تقييم النموذج الذي يحدد الحاويات والمعدات بشكل أفضل. يمكن للمطور الذي ينشئ تطبيق تجزئة مقارنة النماذج المكتملة، وتحديد الفئات الصعبة، والتخطيط للتجربة التالية.

أنت تحدد الهدف والحدود وميزانية الحوسبة. يساعد AutoTrain في تنفيذ سير العمل وتحويل النتائج إلى خطوات قادمة واضحة.

مسار واحد متصل من البيانات إلى النشر#

يعد AutoTrain جزءاً من Ultralytics Platform الأوسع، حيث يمكن للفرق إدارة مجموعات البيانات، وتعليق الصور، وتدريب النماذج، ومراجعة التجارب، وتصدير القطع الأثرية، ونشر نقاط النهاية.

يمكن لمساعد Ask AI أيضاً دعم المهام المحيطة، بما في ذلك التعليق التلقائي للصور غير المسماة باستخدام نموذج متوافق، وتصدير نموذج محدد إلى تنسيقات مثل ONNX، وبدء النشر.

وهذا يعني عددًا أقل من عمليات التسليم بين الأنظمة، ومسارًا أكثر مباشرة من البيانات المرئية إلى تطبيق ذكاء اصطناعي للرؤية يعمل.

ضع AutoTrain للعمل عبر سير عمل الذكاء الاصطناعي للرؤية الخاص بك#

يساعد AutoTrain الفرق على تجاوز عمليات التدريب لمرة واحدة إلى سير عمل تجريبي أسرع وأكثر هيكلة. استخدامه لاختبار التكوينات، ومقارنة النتائج، وفهم اختلافات الأداء، ونتقال أقوى نموذج لديك نحو الإنتاج - كل ذلك داخل Ultralytics Platform.

على سبيل المثال، قد تطلب من AutoTrain ما يلي:

• اختبار نهج: "قم بتدريب ثلاثة نماذج بأحجام صور 640 و800 و960 مع الحفاظ على تقسيمات مجموعة البيانات والإعدادات الأخرى ثابتة."
• تحويل النتائج إلى خطوات تالية: "قارن بين النماذج المكتملة بواسطة مقياس التحقق mAP50-95، واشرح فروق الأداء، واقترح التجربة التالية."
• الانتقال نحو الإنتاج: "انشر النموذج المكتمل الأفضل أداءً ووفر حالة نقطة النهاية الخاصة به."

هذه الطلبات تفعل أكثر من مجرد بدء الإجراءات. فهي تساعد الفرق على اتخاذ قرارات مستنيرة طوال تطوير النموذج، مما يقلل من التنسيق اليدوي ويخلق مسارًا أكثر وضوحًا من خط الأساس الأولي إلى نموذج ذكاء اصطناعي للرؤية جاهز للإنتاج.

ابدأ البناء باستخدام AutoTrain#

سواء كنت تقوم بتدريب نموذجك الأول أو تحسين مرشح للإنتاج، يساعدك AutoTrain على التجربة بسرعة أكبر وتنظيم وثقة أكبر.

سجل الدخول إلى Ultralytics Platform، وافتح مجموعة البيانات أو المشروع الخاص بك، وحدد Ask AI للبدء. استكشف مطالبات إضافية وأمثلة لسير العمل في AutoTrain documentation.