تدريب مجموعات البيانات المخصصة باستخدام Ultralytics YOLOv8 في Google Colab
أتقن تدريب مجموعات البيانات المخصصة باستخدام Ultralytics YOLOv8 في Google Colab. من الإعداد إلى التدريب والتقييم، يغطي هذا الدليل كل شيء.
في هذه المدونة، سنلقي نظرة على كيفية إتقان اكتشاف الكائنات المخصصة باستخدام Ultralytics YOLOv8 في Google Colab. استعد لإطلاق العنان لقوة YOLOv8 بينما نرشدك خلال العملية بأكملها، من الإعداد إلى التدريب والتقييم.
Link to this sectionإعداد نموذج YOLOv8 في Google Colab#
لنبدأ بإعداد بيئتنا في Google Colab. فما هو Google Colab؟ هو اختصار لـ Google Colaboratory، وهو منصة سحابية مجانية من Google لكتابة وتشغيل كود Python.
الخطوة الأولى للقيام بذلك هي التأكد من أن لديك إمكانية الوصول إلى GPU عن طريق تحديد نوع وقت التشغيل المناسب. تحقق من أن كل شيء يعمل بسلاسة باستخدام أمر nvidia-smi للتحقق من إعداد GPU الخاص بك.
بعد ذلك، قم بتثبيت Ultralytics وتبعيات YOLOv8 باستخدام pip. قم باستيراد نموذج YOLO من Ultralytics للبدء في رحلة اكتشاف الكائنات المخصصة الخاصة بك.
Link to this sectionتوسيم مجموعات البيانات الخاصة بك وإعدادها#
الآن، لنقم بإعداد dataset. قم بتوسيم بياناتك باستخدام bounding boxes، مع تحديد الفئات لكل كائن. قم بتصدير مجموعة البيانات الخاصة بك إلى تنسيق YOLOv8 من Ultralytics واستيرادها إلى دفتر ملاحظات Google Colab الخاص بك.
Link to this sectionتدريب نموذج YOLOv8 المخصص الخاص بك#
Set the task to detect for object detection and choose the YOLOv8 model size that suits your needs. Specify the location of your dataset, the number of epochs, and image size for training. Watch as your model learns and adapts, thanks to the power of YOLOv8 and GPU acceleration.
Link to this sectionتقييم نموذجك والتحقق من صحته#
بمجرد اكتمال التدريب، قم بتقييم أداء نموذجك باستخدام مقاييس مثل متوسط خطأ الموضع. تحقق من نموذجك على بيانات غير مرئية لضمان قدراته على التعميم. ارسم مصفوفات الارتباك (confusion matrices) وقم بتحليل التنبؤات لتحسين نموذجك بشكل أكبر.
يمكن التحقق من صحة نماذج Ultralytics YOLOv8 بسهولة باستخدام أمر CLI واحد، والذي يحتوي على ميزات رئيسية متعددة مثل إعداد المعلمات الفائقة التلقائي، ودعم المقاييس المتعددة، وما إلى ذلك.
يدعم Ultralytics أيضاً بعض وسائط CLI و Python التي يمكن للمستخدمين استخدامها أثناء التحقق من الصحة للحصول على نتائج أفضل بناءً على احتياجاتهم. لمزيد من المعلومات، يمكنك استكشاف docs الخاصة بنا.
الشكل 1. Nicolai Nielsen يشرح كيفية تدريب مجموعات بيانات مخصصة باستخدام Ultralytics YOLOv8 في Google Colab.
Link to this sectionالارتقاء بنموذجك إلى المستوى التالي#
لقد قمت الآن بتدريب نموذج YOLOv8 المخصص الخاص بك بنجاح في Google Colab. لكن رحلتنا لا تنتهي هنا. في الفيديو القادم، سنستكشف كيفية تصدير أوزان النموذج وإجراء استنتاج مباشر (live inference) باستخدام نموذج YOLOv8 المدرب مخصصاً. استعد لتجربة مثيرة بينما ندفع حدود اكتشاف الكائنات. ابقوا معنا!
Link to this sectionختاماً#
شكراً لانضمامكم إلينا بينما نظرنا في عالم اكتشاف الكائنات المخصص باستخدام YOLOv8 في Google Colab. ترقبوا المزيد من التحديثات والبرامج التعليمية المثيرة بينما نواصل استكشاف الإمكانيات غير المحدودة للذكاء الاصطناعي وتعلم الآلة.
من خلال هذا الدليل الشامل، أصبحت الآن مجهزاً لتدريب نماذجك المخصصة لاكتشاف الكائنات باستخدام Ultralytics YOLOv8 في Google Colab. شاهد البرنامج التعليمي الكامل Watch the full tutorial!
