X
Ultralytics YOLOv8.2 الإصدارUltralytics YOLOv8.2 الإصدارUltralytics YOLOv8.2 سهم الإطلاق
الشيك الأخضر
تم نسخ الرابط إلى الحافظة

تدريب مجموعات البيانات المخصصة باستخدام Ultralytics YOLOv8 في Google كولاب كولاب

إتقان 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 كولاب. استعد لإطلاق العنان لقوة YOLOv8 بينما نرشدك خلال العملية بأكملها، بدءًا من الإعداد إلى التدريب والتقييم.

إعداد نموذج YOLOv8 في Google كولاب كولاب

لنبدأ بإعداد بيئتنا في Google Colab. إذن ما هو Google كولاب؟ اختصار لـ Google Colaboratory، Google Colab هي منصة سحابية مجانية من Google لكتابة وتشغيل التعليمات البرمجية Python . 

الخطوة الأولى لإعداد ذلك هي التأكد من أن لديك إمكانية الوصول إلى GPU عن طريق تحديد نوع وقت التشغيل المناسب. تحقق من أن كل شيء يعمل بسلاسة باستخدام الأمر nvidia-smi للتحقق من إعداد GPU الخاص بك.

بعد ذلك ، قم بتثبيت Ultralytics و YOLOv8 التبعيات باستخدام النقطة. استيراد YOLO نموذج من Ultralytics للبدء في رحلة اكتشاف الكائنات المخصصة.

وضع العلامات وإعداد مجموعة البيانات الخاصة بك

والآن، لنعدّ مجموعة بياناتنا.... قم بتسمية بياناتك بمربعات محدودة، مع تحديد فئات كل كائن. قم بتصدير مجموعة البيانات الخاصة بك إلى تنسيق YOLOv8 من Ultralytics واستوردها إلى دفتر Google كولاب.

تدريب العرف الخاص بك YOLOv8 نموذج

قم بتعيين المهمة للكشف عن اكتشاف الكائن واختيار YOLOv8 حجم النموذج الذي يناسب احتياجاتك. حدد موقع مجموعة البيانات الخاصة بك، وعدد الحقب الزمنية، وحجم الصورة للتدريب. شاهد نموذجك وهو يتعلم ويتكيف بفضل قوة YOLOv8 والتسريع GPU .

تقييم النموذج الخاص بك والتحقق من صحته

بمجرد اكتمال التدريب ، قم بتقييم أداء نموذجك باستخدام مقاييس مثل متوسط موضع الخطأ. تحقق من صحة نموذجك على البيانات غير المرئية لضمان قدرات التعميم الخاصة به. ارسم مصفوفات الارتباك وحلل التنبؤات لضبط نموذجك بشكل أكبر.

Ultralytics YOLOv8 يمكن التحقق من صحة النماذج بسهولة باستخدام نموذج واحد CLI ، الذي يحتوي على ميزات رئيسية متعددة ، مثل إعداد المعلمات الفائقة التلقائية ، ودعم المقاييس المتعددة ، وما إلى ذلك. 

Ultralytics يدعم أيضا بعض CLI و Python الحجج التي يمكن للمستخدمين استخدامها أثناء التحقق من الصحة للحصول على نتائج إخراج أفضل بناء على احتياجاتهم. لمزيد من المعلومات ، يمكنك استكشاف مستنداتنا.

الشكل 1. يوضح نيكولاي نيلسن كيفية تدريب مجموعات البيانات المخصصة باستخدام Ultralytics YOLOv8 في Google كولاب.

الارتقاء بنموذجك إلى المستوى التالي

لقد قمت الآن بتدريب نموذجك المخصص YOLOv8 بنجاح في Google Colab. لكن رحلتنا لا تنتهي هنا. في الفيديو التالي، سنستكشف كيفية تصدير أوزان النموذج وتشغيل الاستدلال المباشر باستخدام نموذج YOLOv8 المخصص المدرب حسب الطلب. استعد لتجربة مبهجة بينما نتخطى حدود اكتشاف الأجسام. ابقوا معنا! 

في المخص:

نشكرك على انضمامك إلينا ونحن نلقي نظرة على عالم اكتشاف الكائنات المخصصة باستخدام YOLOv8 في Google Colab. ترقبوا المزيد من التحديثات والبرامج التعليمية المثيرة بينما نواصل استكشاف الإمكانيات غير المحدودة للذكاء الاصطناعي والتعلم الآلي. 

مع هذا الدليل الشامل، أنت الآن مجهز لتدريب نماذج اكتشاف الكائنات المخصصة الخاصة بك باستخدام Ultralytics YOLOv8 في Google Colab. شاهد البرنامج التعليمي الكامل هنا

شعار الفيسبوكشعار تويترشعار لينكد إنرمز نسخ الرابط

اقرأ المزيد في هذه الفئة

دعونا نبني المستقبل
من الذكاء الاصطناعي معا!

ابدأ رحلتك مع مستقبل التعلم الآلي