بالنقر فوق “قبول جميع ملفات تعريف الارتباط”، فإنك توافق على تخزين ملفات تعريف الارتباط على جهازك لتحسين التنقل في الموقع وتحليل استخدام الموقع والمساعدة في جهودنا التسويقية. مزيد من المعلومات
إعدادات ملفات تعريف الارتباط
بالنقر فوق “قبول جميع ملفات تعريف الارتباط”، فإنك توافق على تخزين ملفات تعريف الارتباط على جهازك لتحسين التنقل في الموقع وتحليل استخدام الموقع والمساعدة في جهودنا التسويقية. مزيد من المعلومات
سنلقي نظرة في هذه المدونة على كيفية إتقان اكتشاف الكائنات المخصصة باستخدام Ultralytics YOLOv8 في Google Colab. استعد لإطلاق العنان لقوة YOLOv8 بينما نرشدك خلال العملية بأكملها، بدءًا من الإعداد إلى التدريب والتقييم.
إعداد نموذج YOLOv8 في Google Colab
لنبدأ بإعداد بيئتنا في Google Colab. إذن ما هو Google كولاب؟ Google Colab هو اختصار ل Google Colaboratory، وهو عبارة عن منصة سحابية مجانية من Google لكتابة وتشغيل شيفرة Python .
الخطوة الأولى لإعداد هذا الأمر هي التأكد من أن لديك إمكانية الوصول إلى GPU من خلال تحديد نوع وقت التشغيل المناسب. تحقق من أن كل شيء يعمل بسلاسة باستخدام الأمر nvidia للتحقق من إعداد GPU الخاصة بك.
بعد ذلك، قم بتثبيت تبعيات Ultralytics و YOLOv8 باستخدام pip. استورد نموذج YOLO من Ultralytics لبدء رحلة اكتشاف الكائنات المخصصة.
تسمية 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 ملاحظات Google Colab.
تدريب نموذج YOLOv8 المخصص لك
تعيين المهمة إلى detect لاكتشاف الكائن واختيار YOLOv8 حجم النموذج الذي يناسب احتياجاتك. حدد موقع مجموعة بياناتك وعدد الحلقات وحجم الصورة للتدريب. شاهد نموذجك يتعلم ويتكيف بفضل قوة YOLOv8 وتسريع GPU .
تقييم والتحقق من صحة النموذج الخاص بك
بمجرد اكتمال التدريب، قم بتقييم أداء النموذج الخاص بك باستخدام مقاييس مثل متوسط خطأ الموضع. تحقق من صحة النموذج الخاص بك على بيانات غير مرئية لضمان قدرات التعميم الخاصة به. ارسم مصفوفات الالتباس وحلل التنبؤات لضبط النموذج الخاص بك بشكل أكبر.
يمكن التحقق من صحة نماذج Ultralytics YOLOv8 بسهولة من خلال أمر CLI واحد، يحتوي على العديد من الميزات الرئيسية، مثل إعداد المعلمات التشعبية التلقائية، ودعم المقاييس المتعددة، وما إلى ذلك.
يدعم Ultralytics أيضًا بعض وسيطات CLI و Python التي يمكن للمستخدمين استخدامها أثناء التحقق من الصحة للحصول على نتائج أفضل للمخرجات بناءً على احتياجاتهم. لمزيد من المعلومات، يمكنك استكشاف مستنداتنا.
الشكل 1. يشرح نيكولاي نيلسن كيفية تدريب مجموعات البيانات المخصصة باستخدام Ultralytics YOLOv8 في Google Colab.
الارتقاء بنموذجك إلى المستوى التالي
لقد قمت الآن بتدريب نموذج YOLOv8 المخصص الخاص بك بنجاح في Google Colab. لكن رحلتنا لا تنتهي هنا. في الفيديو التالي، سنستكشف كيفية تصدير أوزان النموذج وتشغيل الاستدلال المباشر باستخدام نموذج YOLOv8 المُدرَّب خصيصًا. استعد لتجربة مبهجة بينما نتخطى حدود اكتشاف الأجسام. ابقوا معنا!
ملخص
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 جاهز لتدريب نماذج اكتشاف الكائنات المخصصة الخاصة بك باستخدام Ultralytics YOLOv8 في Google Colab. شاهد البرنامج التعليمي الكامل هنا!
