درّب Ultralytics YOLO11 باستخدام تكامل JupyterLab

قد يكون العمل على نماذج الرؤية الحاسوبية ممتعًا، خصوصًا عندما ترى نموذجك يحقق أداءً جيدًا. وتتضمن عملية تطوير الرؤية الحاسوبية عادةً عدة خطوات مباشرة، مثل إعداد مجموعات البيانات وضبط النماذج، مثل Ultralytics YOLO11. لكن بعض جوانب هذه العملية قد تكون صعبة على المبتدئين، مثل إعداد بيئة التطوير. ولهذا تحديدًا، تدعم Ultralytics عمليات التكامل مثل JupyterLab، التي تسهّل هذه الخطوات.

على وجه التحديد، توفر عملية التكامل مع JupyterLab بيئة تطوير تفاعلية وسهلة الاستخدام تجعل استكشاف نماذج الرؤية الحاسوبية وتجربتها أمرًا بسيطًا. ويوفر JupyterLab مساحة عمل متكاملة تتيح لك البدء مباشرةً في استكشاف نماذج الرؤية الحاسوبية وبنائها، من دون تشتيت الانتباه بتثبيت البيئات وإعدادها.

على سبيل المثال، يوفر JupyterLab أدوات وميزات مثل دفاتر لتشغيل التعليمات البرمجية، ومحررات نصية لإنشاء الوثائق، وطرفيات للتفاعل مع النظام. وفي الواقع، يتيح لك JupyterLab تجربة نماذج Ultralytics YOLO11 وتدريبها بسهولة مباشرةً على حاسوبك. في هذه المقالة، سنستكشف تكامله مع YOLO11 وآلية عمله والفوائد التي يقدمها.

ما JupyterLab؟#

JupyterLab أداة قائمة على الويب تساعدك على كتابة التعليمات البرمجية وتشغيلها، وتنظيم البيانات، وإنشاء تقارير مرئية، كل ذلك في مكان واحد. وهو جزء من مشروع Jupyter، الذي بدأ عام 2014 لجعل البرمجة أكثر تفاعلية وسهولة في الاستخدام. وقد بُني بوصفه ترقيةً لـJupyter Notebook، وصدر لأول مرة عام 2018، ويُستخدم عادةً في مهام مثل تحليل البيانات وإنشاء المخططات وبناء نماذج التعلم الآلي.

يتيح JupyterLab العمل تفاعليًا مع الشفرة والبيانات، ما يجعل تجربة الأفكار واستكشافها أمرًا بسيطًا. ويمكنك أيضًا إنشاء مستندات تجمع بين الشفرة والنصوص والعناصر المرئية ومشاركتها، وهو ما يلائم التعاون والعروض التقديمية. وإضافة إلى ذلك، تتيح واجهته المرنة تنظيم الأدوات، مثل دفاتر الملاحظات والملفات النصية والطرفيات، جنبًا إلى جنب، كما يمكن إضافة الإضافات لتوسيع وظائفه وتلبية احتياجات مشروعك.

الشكل 1. مكونات JupyterLab.

فيما يلي بعض الميزات الأخرى المثيرة للاهتمام في JupyterLab:

• سهولة إنشاء المشاريع: يسهّل JupyterLab إنشاء المشاريع ومشاركتها، مع عناصر مرئية مثل المخططات والرسوم البيانية ولوحات المعلومات، إلى جانب الصور ومقاطع الفيديو والوسائط الأخرى.
• التعاون مع الآخرين: يمكنك التعاون بسهولة مع الآخرين من خلال مشاركة الدفاتر وتتبع التغييرات باستخدام أدوات مثل Git.
• ملائم للمبتدئين: يحظى بشعبية في الفصول الدراسية لتعليم البرمجة وتحليل البيانات، وفي الأبحاث لاختبار الأفكار، وفي التطوير لمهام مثل اختبار البرمجيات وإدارة مسارات عمل البيانات.

استخدام JupyterLab للعمل على مشاريع Ultralytics YOLO11#

بعد أن أصبح لدينا فهم أفضل لماهية JupyterLab، لنستكشف بالتحديد ما يشمله التكامل معه وكيفية الاستفادة منه عند العمل باستخدام Ultralytics YOLO11.

يُعد JupyterLab أداة رائعة للعمل على مشاريع نماذج Ultralytics YOLO11. فهو يبسّط عملية التطوير بتوفير بيئة متكاملة لإدارة المهام والمستندات دون التنقل بين المنصات. وتتيح الواجهة التفاعلية تشغيل الشفرة ومشاهدة النتائج فورًا، ما يفيد في استكشاف البيانات أو فهم أداء نموذج YOLO11. ويمكنك أيضًا استخدام إضافات مثل Plotly لإنشاء مخططات تفاعلية تساعد على تصور نماذج YOLO11 وتحسينها.

على سبيل المثال، لنفترض أنك تعمل على مشروع مبتكر يتضمن الذكاء الاصطناعي في الرعاية الصحية. وتخطط لإجراء تدريب مخصص لـUltralytics YOLO11 لمساعدة الأطباء على اكتشاف الأورام آنيًا في صور الأشعة السينية أو التصوير المقطعي المحوسب. ويمكن تدريب YOLO11 باستخدام مجموعة بيانات من الصور الطبية المصنفة التي تبرز المناطق الطبيعية وغير الطبيعية. وباستخدام التكامل مع JupyterLab، يمكنك تدريب نماذج YOLO11 وضبطها مباشرةً في بيئة تعاونية ملائمة للبرمجة. كما يوفر أدوات لإدارة مجموعات البيانات وتشغيل التجارب والتحقق من دقة النموذج، ما يجعل اعتماد الذكاء الاصطناعي البصري في الرعاية الصحية أسهل وأكثر كفاءة.

آلية عمل التكامل مع JupyterLab#

من السهل تدريب نماذج Ultralytics YOLO11 مخصصًا على JupyterLab. فالمنصة مشابهة لسابقها Jupyter Notebook ولـGoogle Colab، وتوفر بيئة معدة مسبقًا تسهّل البدء.

لإعداد JupyterLab لمشروع YOLO11، ابدأ بتنزيل ملف tutorial.ipynb من مستودع Ultralytics على GitHub وحفظه في المجلد الذي تفضله (وقد حُدّث دفتر الملاحظات منذ ذلك الحين لاستخدام Ultralytics YOLO26). بعد ذلك، افتح طرفية ونفّذ الأمر pip install jupyterlab لتثبيت JupyterLab. وبعد تشغيله (راجع الخطوة التالية)، يعرض JupyterLab صفحة بدء التشغيل الموضحة أدناه.

الشكل 2. صفحة بدء التشغيل الأولية في JupyterLab.

بعد اكتمال التثبيت، انتقل إلى الدليل الذي حفظت فيه ملف الدفتر وشغّل الأمر jupyter lab لفتح المنصة. سيؤدي ذلك إلى فتح JupyterLab في متصفح الويب الافتراضي، حيث يمكنك تحميل ملف tutorial.ipynb والبدء في استكشاف YOLO11. في هذه البيئة التفاعلية، يمكنك تشغيل التعليمات البرمجية في خلايا الدفتر واحدة تلو الأخرى، وضبط الإعدادات، ورؤية النتائج فورًا. ويسهّل JupyterLab عرض المخرجات وتدوين الملاحظات وتجربة إعدادات مختلفة، كل ذلك في مكان واحد.

الشكل 3. فتح دفتر tutorial.ipynb الخاص بـUltralytics YOLO11 في واجهة JupyterLab.

للتعرف على عملية تدريب نماذج Ultralytics YOLO وأفضل الممارسات، يمكنك الرجوع إلى دليل نصائح تدريب النماذج من Ultralytics.

اختيار التكامل مع JupyterLab: ما الذي يميّزه؟#

أثناء استكشاف وثائق عمليات التكامل لدى Ultralytics، ستلاحظ توفر مجموعة متنوعة من عمليات التكامل للاختيار من بينها، ويقدم بعضها ميزات متشابهة. فعلى سبيل المثال، يوفر التكامل مع Google Colab بيئة على نمط الدفاتر تدعم تدريب YOLO11، بما في ذلك التدريب المخصص لنموذج مدرّب مسبقًا لمهام محددة. ومع كثرة خيارات التكامل، من المهم مراعاة ما يميز التكامل مع JupyterLab.

من أبرز مزايا استخدام التكامل مع JupyterLab دعمه للمكونات الإضافية. ويمكن لهذه المكونات أن تحدث فرقًا كبيرًا في مشروع الرؤية الحاسوبية وتبسّط عملية تطوير النموذج. فعلى سبيل المثال، يمكنك استخدام إضافات Git لتتبع تقدمك ومشاركة عملك مع الآخرين وضمان صيانة التعليمات البرمجية باستمرار، وكل ذلك من دون مغادرة واجهة JupyterLab.

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

• سهولة إدارة الخلايا: من السهل إدارة الخلايا المختلفة في JupyterLab. فبدلًا من أسلوب القص واللصق الممل، يمكنك سحب الخلايا وإفلاتها لإعادة ترتيبها.
• نسخ الخلايا بين الدفاتر: يمكنك بسهولة نسخ الخلايا بين دفاتر مختلفة، بسحب الخلايا وإفلاتها من دفتر إلى آخر.
• طرق عرض متعددة: يدعم JupyterLab طرق عرض متعددة للدفتر نفسه، وهو أمر مفيد خصوصًا للدفاتر الطويلة. ويمكنك فتح أقسام مختلفة جنبًا إلى جنب لمقارنتها أو استكشافها، وستظهر أي تغييرات تجريها في إحدى طرق العرض في الأخرى.
• سهولة التبديل إلى عرض الدفتر التقليدي: يوفر JupyterLab طريقة سهلة للعودة إلى الواجهة التقليدية لـJupyter Notebook لمن اعتادوا استخدامها. ما عليك سوى استبدال «/lab» في رابط المتصفح بـ«/tree» للعودة إلى عرض الدفتر المألوف.

تطبيقات التكامل مع JupyterLab وUltralytics YOLO11#

والآن، لنستكشف بعض التطبيقات العملية للعمل على Ultralytics YOLO11 باستخدام التكامل مع JupyterLab.

على سبيل المثال، يمكن لمطور يعمل على تقنيات مراقبة الحياة البرية استخدام التكامل مع JupyterLab لتدريب نموذج YOLO11. ومن خلال التدريب المخصص لـYOLO11، يمكنه بناء تطبيقات للرؤية الحاسوبية تحدد الأنواع المهددة بالانقراض من لقطات الطائرات المسيّرة. ويسهّل JupyterLab هذه العملية بتوفير مساحة عمل واحدة لاستكشاف البيانات ومعالجتها مسبقًا وتدريب النماذج. ويمكن للمطورين تشغيل التعليمات البرمجية واختبار النماذج وعرض النتائج في مكان واحد، ما يحافظ على بساطة سير العمل وتنظيمه.

الشكل 4. مثال على استخدام نماذج Ultralytics YOLO لاكتشاف أنواع الحياة البرية.

إلى جانب الحفاظ على الحياة البرية، يمكن استخدام Ultralytics YOLO11 وJupyterLab معًا في تطبيقات واقعية متنوعة، مثل:

• الرؤية الحاسوبية في الزراعة: يمكن أن يساعد دعم Ultralytics YOLO11 لمهام الرؤية الحاسوبية المختلفة على اكتشاف أمراض المحاصيل ومراقبة نمو النباتات وتحديد الأعشاب الضارة من صور الطائرات المسيّرة أو الأقمار الصناعية، فيما يبسّط JupyterLab تحليل البيانات وتحسين النماذج.
• مراقبة الجودة في التصنيع: يستطيع Ultralytics YOLO11 تحليل الصور في الوقت الفعلي لتحديد عيوب المنتجات على خطوط التجميع، بينما يوفر JupyterLab بيئة مركزية لتحسين النماذج وتقييم النتائج.
• الذكاء الاصطناعي في الخدمات اللوجستية: يمكن أتمتة مهام مثل تتبع المخزون ومسح الطرود باستخدام YOLO11، الذي يكتشف العناصر في الصور ويرسم مربعات إحاطة حولها لتحديد مواقعها، بينما يوفر JupyterLab أدوات لتدريب النماذج والتحقق منها واختبارها بكفاءة باستخدام بيانات الخدمات اللوجستية.

فوائد التكامل مع JupyterLab#

فيما يلي لمحة سريعة عن بعض الطرق المميزة التي يفيد بها التكامل مع JupyterLab الذكاء الاصطناعي البصري عمومًا:

• الوصول عن بُعد وقابلية التوسع: يمكن تشغيله على منصات السحابة والخوادم البعيدة، ما يتيح الوصول إلى موارد حوسبة قوية وإجراء أبحاث تعاونية.
• دعم لغات برمجة متعددة: مع أن Python هي اللغة الأكثر استخدامًا، يدعم JupyterLab لغات أخرى مثل R وJulia وScala، ما يجعله مناسبًا لمسارات عمل متنوعة.
• تكامل البيانات: يتكامل JupyterLab مع قواعد البيانات والتخزين السحابي وأدوات معالجة البيانات، ما يسهل التعامل مع مجموعات البيانات الكبيرة اللازمة لتدريب الذكاء الاصطناعي البصري.

أبرز النقاط#

يُعد التكامل مع JupyterLab أداة مفيدة تسهّل العمل على نماذج الرؤية الحاسوبية مثل Ultralytics YOLO11. فهو يوفر مساحة عمل واحدة يمكنك فيها تنظيم بياناتك وتدريب النماذج المخصصة واختبارها والعمل مع مطورين آخرين. وبفضل الإضافات والملحقات المفيدة، يمكنك التركيز على بناء نماذجك وتحسينها بدلًا من القلق بشأن إعداد بيئة العمل.

سواء أكنت تساعد على حماية الحياة البرية، أو تحسّن صور الفحوص الطبية، أو تتحقق من جودة المنتجات في المصانع، فإن التكامل مع JupyterLab المدعوم من Ultralytics يجعل العملية أبسط وأكثر كفاءة.

انضموا إلى مجتمعنا واطلعوا على مستودعنا على GitHub أو أدلتنا لـالتعرف على الذكاء الاصطناعي. ويمكنكم أيضًا استكشاف مزيد من التطبيقات، مثل الرؤية الحاسوبية في التصنيع أو الذكاء الاصطناعي في السيارات ذاتية القيادة، عبر صفحات حلولنا.