تدريب Ultralytics YOLO11 باستخدام تكامل JupyterLab

يمكن أن يكون العمل على نماذج الرؤية الحاسوبية أمراً مثيراً، خاصةً عندما ترى أداء نموذجك جيداً. عادةً ما تنطوي عملية تطوير الرؤية الحاسوبية على عدة خطوات مباشرة، مثل إعداد مجموعات البيانات وضبط النماذج، مثل Ultralytics YOLO11. ومع ذلك، هناك بعض أجزاء هذه العملية التي قد تكون صعبة بالنسبة للمبتدئين مثل إعداد بيئة التطوير. ولهذا السبب بالضبط تدعم Ultralytics عمليات التكامل مثل JupyterLab التي يمكن أن تجعل هذه الخطوات أسهل.

على وجه التحديد، يوفر تكامل Jupyterlab بيئة تطوير تفاعلية وسهلة الاستخدام تجعل استكشاف وتجربة نماذج الرؤية الحاسوبية أمرًا بسيطًا. يوفر لك Jupyterlab مساحة عمل متكاملة. باستخدامه، يمكنك الغوص مباشرةً في استكشاف وبناء نماذج الرؤية الحاسوبية دون تشتيت الانتباه عن تثبيت البيئات وإعدادها. 

على سبيل المثال، يقدم JupyterLab أدوات وميزات مثل دفاتر الملاحظات لتشغيل التعليمات البرمجية، ومحرري النصوص لإنشاء الوثائق، والمحطات الطرفية للتفاعل مع النظام. في الواقع، يتيح لك JupyterLab تجربة نماذج Ultralytics YOLO11 وتدريبها بسهولة على حاسوبك مباشرةً. في هذه المقالة، سنستكشف في هذه المقالة تكامله مع YOLO11، وكيفية عمله، والفوائد التي يقدمها.

ما هو JupyterLab؟

JupyterLab هي أداة قائمة على الويب تساعدك على كتابة وتشغيل الأكواد البرمجية وتنظيم البيانات وإنشاء تقارير مرئية في مكان واحد. وهي جزء من مشروع Jupyter، الذي بدأ في عام 2014 لجعل البرمجة أكثر تفاعلية وسهولة في الاستخدام. تم تصميمه كترقية لأداة Jupyter Notebook، وقد تم إصداره لأول مرة في عام 2018 ويُستخدم عادةً في مهام مثل تحليل البيانات وإنشاء المخططات وبناء نماذج التعلم الآلي.

يتيح لك JupyterLab العمل مع التعليمات البرمجية والبيانات بشكل تفاعلي، مما يجعل تجربة الأفكار واستكشافها أمرًا بسيطًا. ويمكنك أيضًا إنشاء ومشاركة المستندات التي تجمع بسلاسة بين التعليمات البرمجية والنصوص والمرئيات - وهي مثالية للتعاون والعروض التقديمية. وعلاوة على ذلك، تتيح لك واجهته المرنة تنظيم أدوات مثل دفاتر الملاحظات والملفات النصية والمحطات الطرفية جنبًا إلى جنب، ويمكن إضافة المكونات الإضافية لتوسيع وظائفه بشكل أكبر لتناسب احتياجات مشروعك.

‍

إليك بعض الميزات الأخرى المثيرة للاهتمام في JupyterLab:

• سهولة إنشاء المشاريع: يسهّل JupyterLab إنشاء المشاريع ومشاركتها مع مرئيات مثل المخططات والرسوم البيانية ولوحات المعلومات، بالإضافة إلى الصور ومقاطع الفيديو والوسائط الأخرى. 

• التعاون مع الآخرين: يمكنك التعاون بسهولة مع الآخرين من خلال مشاركة دفاتر الملاحظات وتتبع التغييرات باستخدام أدوات مثل Git. 

• رائعة للمبتدئين: إنه شائع في الفصول الدراسية لتعليم البرمجة وتحليل البيانات، وفي البحث لاختبار الأفكار، وفي التطوير لمهام مثل اختبار البرمجيات وإدارة سير عمل البيانات.

استخدام JupyterLab للعمل على مشاريع Ultralytics YOLO11

الآن بعد أن أصبح لدينا فهم أفضل لماهية JupyterLab، دعنا نستكشف ما يشمله تكامل JupyterLab بالضبط وكيف يمكنك الاستفادة منه عند العمل مع YOLO11. 

يعد JupyterLab أداة رائعة للعمل على المشاريع باستخدام نماذج Ultralytics YOLO11. فهي تبسط عملية التطوير من خلال توفير بيئة شاملة حيث يمكنك إدارة المهام والمستندات دون التبديل بين المنصات. تتيح لك الواجهة التفاعلية تشغيل التعليمات البرمجية ورؤية النتائج على الفور، وهو أمر مثالي لاستكشاف البيانات أو فهم كيفية أداء نموذج YOLO11 الخاص بك. يمكنك أيضًا استخدام ملحقات مثل Plotly لإنشاء مخططات تفاعلية تساعدك على تصور نماذج YOLO11 وتحسينها.

على سبيل المثال، لنفترض أنك تعمل على مشروع مبتكر يتضمن الذكاء الاصطناعي في مجال الرعاية الصحية. أنت تخطط لتدريب YOLO11 بشكل مخصص لمساعدة الأطباء في الكشف عن الأجسام في الوقت الحقيقي للأورام في صور الأشعة السينية أو صور الأشعة المقطعية. يمكن تدريب YOLO11 باستخدام مجموعة بيانات من الصور الطبية المصنفة التي تبرز كلاً من المناطق الطبيعية وغير الطبيعية. من خلال تكامل JupyterLab، يمكنك تدريب نماذج YOLO11 وضبطها مباشرةً في بيئة تعاونية سهلة الاستخدام. كما يوفر أدوات لإدارة مجموعات البيانات، وإجراء التجارب، والتحقق من دقة النموذج، مما يجعل اعتماد الذكاء الاصطناعي البصري في مجال الرعاية الصحية أسهل وأكثر كفاءة.

كيفية عمل تكامل JupyterLab

نماذج YOLO11 التدريبية المخصصة على JupyterLab سهلة ومباشرة. تشبه هذه المنصة سابقتها، Jupyter Notebook أو Google Colab، وتوفر بيئة مهيأة مسبقًا تجعل من السهل البدء.

لإعداد JupyterLab لمشروع YOLO11 الخاص بك، ابدأ بتنزيل ملف 'tutorial.ipynb' من مستودع Ultralytics GitHub وحفظه في الدليل المفضل لديك. بعد ذلك، افتح أي محرر أكواد أو محطة طرفية ونفّذ الأمر 'pip install jupyterlab' لتثبيت JupyterLab. ستفتح المنصة تلقائيًا وتعرض النافذة الموضحة أدناه.

‍

بمجرد اكتمال التثبيت، انتقل إلى الدليل حيث قمت بحفظ ملف دفتر الملاحظات وقم بتشغيل الأمر 'jupyter lab' لتشغيل المنصة. سيؤدي هذا الأمر إلى فتح JupyterLab في متصفح الويب الافتراضي الخاص بك، حيث يمكنك تحميل ملف 'tutorial.ipynb' والبدء في استكشاف YOLO11. في هذه البيئة التفاعلية يمكنك تشغيل الشيفرة في دفتر الملاحظات خليةً خلية، وضبط الإعدادات، ومشاهدة النتائج على الفور. يجعل JupyterLab من السهل عرض المخرجات وتدوين الملاحظات وتجربة إعدادات مختلفة في مكان واحد.

‍

للحصول على فهم أفضل لعملية تدريب نماذج Ultralytics YOLO وأفضل الممارسات في مجال تحليلات YOLO، يمكنك الرجوع إلى وثائق Ultralytics الرسمية. 

اختيار تكامل JupyterLab: سبب تميزه

أثناء استكشاف وثائق تكامل Ultralytics، ستلاحظ وجود مجموعة متنوعة من عمليات التكامل للاختيار من بينها. حتى أن بعضها يقدم ميزات متشابهة. على سبيل المثال، يوفر تكامل Google Colab بيئة على غرار دفتر الملاحظات تدعم تدريب YOLO11، بما في ذلك التدريب المخصص لنموذج مدرب مسبقًا لمهام محددة. مع وجود العديد من عمليات التكامل، من المهم أن تضع في اعتبارك ما يجعل تكامل JupyterLab فريدًا من نوعه. 

تتمثل إحدى المزايا الرئيسية لاستخدام تكامل JupyterLab في دعمه للملحقات. يمكن لهذه الامتدادات أن تحدث فرقًا كبيرًا في مشروع الرؤية الحاسوبية الخاص بك وتبسيط عملية تطوير النموذج. على سبيل المثال، يمكنك استخدام امتدادات Git لتتبع تقدمك، ومشاركة عملك مع الآخرين، والتأكد من صيانة شفرتك البرمجية بشكل جيد دائمًا - كل ذلك دون مغادرة واجهة JupyterLab.

فيما يلي بعض الأسباب الأخرى التي تجعل تكامل JupyterLab خيارًا رائعًا لمشروعك:

• إدارة الخلايا بسهولة: من السهل إدارة الخلايا المختلفة في JupyterLab. بدلاً من طريقة القص واللصق المملة، يمكنك سحب الخلايا وإفلاتها لإعادة ترتيبها.

• نسخ الخلايا عبر الدفاتر الدفترية: يمكنك بسهولة نسخ الخلايا بين دفاتر ملاحظات مختلفة عن طريق سحب الخلايا وإفلاتها من دفتر ملاحظات إلى آخر.

• طرق عرض متعددة: يدعم JupyterLab طرق عرض متعددة لنفس الدفتر، وهو أمر مفيد بشكل خاص للدفاتر الطويلة. يمكنك فتح أقسام مختلفة بجانب بعضها البعض لمقارنتها أو استكشافها، وستظهر أي تغييرات تجريها في إحدى طرق العرض في الأخرى.

• سهولة التبديل إلى عرض دفتر الملاحظات الكلاسيكي: بالنسبة لأولئك الذين هم أكثر اعتيادًا على واجهة دفتر الملاحظات الكلاسيكية، يوفر JupyterLab سهولة التبديل إلى طريقة عرض دفتر الملاحظات الكلاسيكية. يمكنك ببساطة استبدال "/مختبر" في رابط المتصفح بـ "/شجرة" للعودة إلى طريقة عرض دفتر الملاحظات المألوفة.

تطبيقات تكامل JupyterLab و YOLO11

بعد ذلك، دعنا نستكشف بعض التطبيقات العملية للعمل على YOLO11 باستخدام تكامل JupyterLab.

على سبيل المثال، يمكن للمطور الذي يعمل على تقنيات مراقبة الحياة البرية استخدام تكامل JupyterLab لتدريب نموذج YOLO11. من خلال تدريب YOLO11 بشكل مخصص، يمكنهم بناء تطبيقات رؤية حاسوبية تحدد الأنواع المهددة بالانقراض من لقطات الطائرات بدون طيار. يجعل JupyterLab هذه العملية أسهل من خلال توفير مساحة عمل واحدة لاستكشاف البيانات والمعالجة المسبقة ونماذج التدريب. يمكن للمطوّرين تشغيل التعليمات البرمجية واختبار النماذج وعرض النتائج في مكان واحد، مما يجعل سير العمل بسيطاً ومنظماً.

‍

بالإضافة إلى الحفاظ على الحياة البرية، يمكن استخدام المزيج الموثوق من YOLO11 و JupyterLab في مجموعة متنوعة من التطبيقات الواقعية، مثل

• الرؤية الحاسوبية في الزراعة: يمكن أن يساعد دعم YOLO11 لمختلف مهام الرؤية الحاسوبية في الكشف عن أمراض المحاصيل أو مراقبة نمو النباتات أو تحديد الأعشاب الضارة من صور الطائرات بدون طيار أو صور الأقمار الصناعية، مع JupyterLab الذي يعمل على تبسيط تحليل البيانات وتحسين النموذج.

• مراقبة الجودة في التصنيع: من خلال تحليل الصور في الوقت الفعلي، يمكن لـ YOLO11 تحديد العيوب في المنتجات على خطوط التجميع، بينما يوفر JupyterLab بيئة مركزية لتنقيح النماذج وتقييم النتائج.

• الذكاء الاصطناعي في الخدمات اللوجستية: يمكن أتمتة مهام مثل تتبع المخزون ومسح الطرود باستخدام YOLO11، الذي يكتشف الأجسام في الصور ويضع مربعات محددة حولها للإشارة إلى مواقعها، بينما يوفر JupyterLab أدوات لتدريب النماذج والتحقق من صحتها واختبارها بكفاءة باستخدام البيانات اللوجستية.

فوائد التكامل مع JupyterLab

فيما يلي لمحة سريعة عن بعض الطرق الفريدة التي يستفيد منها تكامل JupyterLab في مجال الذكاء الاصطناعي للرؤية بشكل عام:

• الوصول عن بُعد وقابلية التوسع: يمكن تشغيله على كل من المنصات السحابية والخوادم عن بُعد، مما يسمح بالوصول إلى موارد الحوسبة القوية والبحث التعاوني.

• دعم لغات برمجة متعددة: في حين أن لغة Python هي اللغة الأكثر استخدامًا، إلا أن JupyterLab يدعم لغات أخرى مثل R و Julia و Scala، مما يجعله متعدد الاستخدامات لسير العمل المتنوع.

• تكامل البيانات: يتكامل مختبر JupyterLab بسلاسة مع قواعد البيانات والتخزين السحابي وأدوات معالجة البيانات، مما يسهل التعامل مع مجموعات البيانات الكبيرة المطلوبة لتدريب الذكاء الاصطناعي المرئي.

الوجبات الرئيسية

تكامل JupyterLab هو أداة مفيدة تجعل العمل مع نماذج الرؤية الحاسوبية مثل YOLO11 أسهل. فهو يمنحك مساحة عمل واحدة حيث يمكنك تنظيم بياناتك وتدريب واختبار النماذج المخصصة والعمل مع مطورين آخرين. وبفضل ملحقاته ووظائفه الإضافية المفيدة، يمكنك التركيز على بناء نماذجك وتحسينها بدلاً من القلق بشأن إعداد بيئة عملك. 

سواء كنت تساعد في حماية الحياة البرية، أو تحسين عمليات المسح الطبي، أو التحقق من جودة المنتج في المصانع، فإن تكامل JupyterLab المدعوم من Ultralytics يجعل العملية أكثر بساطة وكفاءة.

انضم إلى مجتمعنا وتحقق من مستودع GitHub أو الأدلة الخاصة بنا للتعرف على الذكاء الاصطناعي. يمكنك أيضًا استكشاف المزيد من التطبيقات مثل الرؤية الحاسوبية في التصنيع أو الذكاء الاصطناعي في السيارات ذاتية القيادة على صفحات الحلول الخاصة بنا.