Ultralytics Platform: نشر نماذج الرؤية الحاسوبية في أي منطقة

في وقت سابق من هذا الأسبوع، أطلقت Ultralytics منصة Ultralytics، وهي بيئة جديدة متكاملة تهدف إلى تسريع إطلاق أنظمة الرؤية الحاسوبية (CV) من خلال تبسيط كل مرحلة من مراحل سير عمل الذكاء الاصطناعي للرؤية، بدءًا من إعداد البيانات وتطوير النماذج وصولًا إلى النشر.

يتمثل أحد الدوافع الرئيسية وراء تطوير منصة Ultralytics في أن تحويل حل للرؤية الحاسوبية، يتيح للآلات تحليل الصور ومقاطع الفيديو، من فكرة إلى حل يُحدث أثرًا ملموسًا، يتطلب أكثر من مجرد بناء نموذج قوي. فبعد تدريب النموذج واجتيازه مرحلة التحقق، يجب نشره حتى تتمكن التطبيقات من إرسال الصور وتلقي التنبؤات وإجراء الاستدلال بشكل موثوق في بيئات العالم الحقيقي.

تمثل هذه المرحلة من دورة حياة تعلّم الآلة النقطة التي تتجاوز فيها نماذج الرؤية الحاسوبية مرحلة التجريب وتبدأ في تشغيل أنظمة عملية. وحتى إذا تقدمت الخطوات السابقة، مثل إعداد مجموعة البيانات ووضع التعليقات التوضيحية وتدريب النموذج واختباره، بسلاسة، فلن تُحدث تلك النتائج فرقًا من دون وسيلة موثوقة لنشر النماذج.

تتمثل الحقيقة في أن النشر قد يكون إحدى أكثر الخطوات تعقيدًا في سير العمل عبر العديد من مشروعات الرؤية الحاسوبية.

غالبًا ما تحتاج الفرق إلى تهيئة واجهات برمجة تطبيقات الاستدلال، وإدارة موارد الحوسبة، ونشر النماذج بالقرب من المستخدمين لتقليل زمن الاستجابة، ومراقبة الأداء بعد تشغيل الأنظمة في بيئة الإنتاج.

تعمل منصة Ultralytics على تبسيط هذه العملية وأتمتتها من خلال توفير خيارات نشر متعددة، بما في ذلك تنسيقات تصدير النماذج، وخدمات الاستدلال المشتركة، ونقاط النهاية المخصصة عبر مناطق عالمية. وبفضل البنية التحتية المُدارة والمراقبة المدمجة، يمكن للفرق الانتقال بسهولة من النماذج المدرَّبة إلى أنظمة رؤية حاسوبية جاهزة للإنتاج.

الشكل 1. نظرة على نشر النماذج باستخدام منصة Ultralytics (المصدر)

في هذه المقالة، سنستكشف كيفية نشر نماذج الرؤية الحاسوبية في أي منطقة باستخدام نقاط النهاية المخصصة على منصة Ultralytics. لنبدأ!

ما المقصود بنشر نموذج الرؤية الحاسوبية؟#

قبل أن نتعمق في كيفية نشر نماذج التعلّم العميق باستخدام منصة Ultralytics، لنتعرّف بصورة أفضل إلى المعنى الفعلي لنشر نموذج الرؤية الحاسوبية.

إن نشر نموذج الرؤية الحاسوبية هو عملية أخذ نموذج مدرَّب وإتاحته للاستخدام في العالم الحقيقي. فبدلًا من تشغيله في بيئة التدريب فقط، يُهيَّأ النموذج بحيث تتمكن التطبيقات من إرسال الصور أو مقاطع الفيديو إليه وتلقي التنبؤات في المقابل.

فعلى سبيل المثال، قد يكتشف النموذج الكائنات في صورة، أو يجري تجزئة للصور، أو يحدد العناصر في مستودع، أو يتعرف على الأنماط في لقطات الفيديو. وفي معظم الأنظمة الواقعية، يحدث ذلك عبر API أو نقطة نهاية للاستدلال.

يرسل التطبيق صورة إلى النموذج، ويعالجها النموذج، ثم يعيد تنبؤًا خلال أجزاء من الثانية. وهذا ما يتيح لنماذج الرؤية الحاسوبية مثل Ultralytics YOLO تشغيل التطبيقات في الوقت الفعلي.

يمكن نشر النماذج في بيئات مختلفة بحسب حالة الاستخدام. يعمل بعضها في السحابة (من خلال المنصات السحابية) ويمكن للعديد من التطبيقات الوصول إليها، بينما يعمل بعضها الآخر على أجهزة طرفية، مثل الكاميرات المحلية والروبوتات والأنظمة المضمنة التي تحتاج إلى تنبؤات محلية سريعة.

خيارات نشر نماذج الذكاء الاصطناعي على منصة Ultralytics#

مع أن منصة Ultralytics تعالج العديد من التحديات التي يواجهها مجتمع الرؤية الحاسوبية، لا سيما فيما يتعلق بنشر النماذج، فإنها توفر طرقًا مرنة لإجراء الاستدلال وفقًا لاحتياجات تطبيقك.

إليك نظرة سريعة على خيارات نشر النماذج المتاحة على المنصة:

• تصدير النموذج: يمكنك تصدير النماذج إلى 17 تنسيقًا مختلفًا، بما في ذلك ONNX وTensorRT وCoreML وTFLite، ما يتيح تشغيل النماذج عبر مجموعة واسعة من البيئات، مثل الأجهزة الطرفية كـ Raspberry Pi وNVIDIA Jetson، وتطبيقات الأجهزة المحمولة، وحاويات Docker، والبنية التحتية المخصصة.
• الاستدلال المشترك: تتيح لك المنصة تشغيل التنبؤات من خلال خدمة استدلال مشتركة مُدارة، وهي مثالية لاختبار النماذج بسرعة.
• نقاط النهاية المخصصة: انشر النماذج بسهولة كخدمات مستقلة مع عناوين URL فريدة لـ API يمكنها العمل عبر 43 منطقة عالمية، مع التحجيم التلقائي والمراقبة وفحوصات السلامة المدمجة لعمليات النشر الإنتاجية.

النشر باستخدام نقاط النهاية المخصصة#

تُعد نقاط النهاية المخصصة إحدى أكثر الطرق قابلية للتوسع لتشغيل النماذج المدرَّبة مسبقًا أو نماذج الرؤية الحاسوبية المدرَّبة خصيصًا في بيئة الإنتاج على منصة Ultralytics. تتيح لك نقطة النهاية المخصصة نشر نموذج مدرَّب كخدمة مستقلة، بحيث تتمكن التطبيقات من إرسال الصور إليها وتلقي التنبؤات عبر API.

بدلًا من تشغيل النموذج في بيئة تدريب أو دفتر ملاحظات محلي فقط، يجعله نشره كنقطة نهاية متاحًا للتطبيقات الفعلية. فعلى سبيل المثال، يمكن لنظام مستودع إرسال صور الطرود لاكتشاف الكائنات، أو لكاميرا ذكية تحليل إطارات الفيديو، أو لنظام روبوتي استخدام التنبؤات لتوجيه الإجراءات.

تعمل كل نقطة نهاية مخصصة كخدمة لمستأجر واحد، ما يعني أن البنية التحتية التي تشغّل نموذجك لا تُشارك مع مستخدمين آخرين. ويوفر ذلك أداءً أكثر قابلية للتنبؤ، ويجعل مراقبة سلوك النموذج في بيئة الإنتاج أسهل.

فهم وظائف نقاط نهاية الاستدلال المخصصة#

يمكنك النظر إلى نقطة النهاية المخصصة بوصفها خدمة مستضافة لنموذجك. وتوفر منصة Ultralytics عنوان URL فريدًا لنقطة النهاية يعمل بوصفه نقطة دخول للتطبيقات.

عندما يرسل تطبيق طلبًا إلى عنوان URL هذا، فإنه يتضمن صورة ومعلمات اختيارية، مثل عتبات الثقة أو حجم الصورة، إلى جانب مفتاح API للمصادقة.

تجري الخدمة الاستدلال على الصورة باستخدام نموذجك، ثم تعيد التنبؤات في استجابة منظمة. ويتيح هذا الإعداد للمطورين دمج نماذج الرؤية الحاسوبية في الأنظمة الفعلية باستخدام أدوات الويب القياسية.

يمكن للتطبيقات إرسال الطلبات باستخدام Python أو JavaScript أو cURL أو عملاء HTTP آخرين، ما يجعل ربط النماذج بلوحات المعلومات أو الأنظمة الروبوتية أو التطبيقات السحابية أمرًا سهلًا. وبما أن نقطة النهاية تعمل بصورة مستقلة، فيمكنها أيضًا دعم التحجيم والمراقبة والنشر العالمي، ما يساعد الفرق على بناء أنظمة رؤية حاسوبية موثوقة في بيئة الإنتاج.

يحسّن النشر متعدد المناطق الاستدلال في الوقت الفعلي#

تتمثل إحدى المزايا الرئيسية لنقاط النهاية المخصصة على منصة Ultralytics في إمكانية نشر النماذج عبر 43 منطقة عالمية. وتمتد هذه المناطق عبر أجزاء متعددة من العالم، بما في ذلك أمريكا الشمالية وأمريكا الجنوبية وأوروبا ومنطقة آسيا والمحيط الهادئ والشرق الأوسط وأفريقيا.

الشكل 2. تدعم منصة Ultralytics 43 منطقة عالمية (المصدر)

يساعد نشر النماذج في مناطق أقرب إلى أماكن تشغيل التطبيقات على تقليل زمن الاستجابة، وهو الوقت الذي يستغرقه التطبيق لإرسال صورة وتلقي تنبؤ. ويمكن أن يساعد ذلك المؤسسات أيضًا على تلبية متطلبات خصوصية البيانات ومكان إقامتها من خلال إبقاء معالجة البيانات أقرب إلى مصدرها.

يُعد انخفاض زمن الاستجابة مهمًا للعديد من تطبيقات الرؤية الحاسوبية التي تعتمد على الاستدلال في الوقت الفعلي، مثل الأنظمة الروبوتية وأجهزة إنترنت الأشياء (IoT) ومسارات فحص المنتجات الصناعية والبنية التحتية للمدن الذكية.

فعلى سبيل المثال، إذا كان التطبيق يُستخدم أساسًا في أوروبا، فإن نشر النموذج في منطقة أوروبية يمكن أن يحسّن أوقات الاستجابة بدرجة كبيرة مقارنةً بتشغيل النموذج في منطقة بعيدة.

كيفية النشر في أي منطقة باستخدام منصة Ultralytics#

يُعد نشر نموذج في منطقة محددة أمرًا بسيطًا، ولا يستغرق عادةً سوى بضع دقائق. تتولى المنصة إعداد البنية التحتية، حتى يتمكن المطورون من التركيز على دمج النموذج في تطبيقاتهم. لنستعرض الخطوات المتضمنة.

الخطوة 1: تدريب نموذج أو تحميله#

قبل النشر، تحتاج إلى توفير نموذج مدرَّب في مشروعك. وقد يكون هذا النموذج مدرَّبًا مباشرةً على منصة Ultralytics، أو نموذجًا محمّلًا بعد تدريبه في مكان آخر، أو نموذجًا مستنسخًا من مشروع مجتمعي موجود في «علامة التبويب Explore»، حيث يمكن نسخ المشروعات العامة التي يشاركها مستخدمون آخرون إلى حسابك بنقرة واحدة.

بعد أن يصبح النموذج جاهزًا، افتح صفحة النموذج الخاصة به داخل مشروعك للمتابعة.

الخطوة 2: فتح علامة التبويب Deploy#

انتقل إلى علامة التبويب Deploy الخاصة بالنموذج. يتيح لك هذا القسم من المنصة تهيئة عمليات النشر وإطلاقها.

في تلك الصفحة، سترى جدولًا للمناطق وخريطة تفاعلية تعرض مواقع النشر المتاحة حول العالم. تقيس المنصة زمن الاستجابة من موقعك وترتب المناطق وفقًا لذلك، لمساعدتك على اختيار المنطقة الأنسب.

الشكل 3. المناطق المرتبة حسب زمن الاستجابة على منصة Ultralytics (المصدر)

الخطوة 3: اختيار منطقة النشر#

حدد منطقة بناءً على موقع المستخدمين أو التطبيقات. ويمكن أن يؤدي نشر النموذج بالقرب من مصدر الطلبات إلى تقليل أوقات الاستجابة بدرجة كبيرة.

الخطوة 4: نشر نقطة النهاية#

بعد تحديد المنطقة وتأكيد التهيئة، يمكنك النقر على Deploy.

تُعد المنصة بعد ذلك بيئة النشر، وتسحب صورة النموذج، وتشغّل الخدمة، وتجري فحصًا للسلامة للتأكد من جاهزية نقطة النهاية. وتستغرق هذه العملية عادةً نحو دقيقة إلى دقيقتين.

بعد اكتمال النشر، تنشئ المنصة عنوان URL فريدًا لنقطة النهاية يمكن للتطبيقات استخدامه لإرسال طلبات الاستدلال.

الشكل 4. مثال على نقطة نهاية منشورة (المصدر)

الخطوة 5: بدء إرسال طلبات الاستدلال#

عند تشغيل نقطة النهاية، يمكن للتطبيقات البدء في إرسال الصور إلى النموذج باستخدام نقطة نهاية REST API المتوفرة ومفتاح API المُمرَّر في ترويسة Authorization. تعالج نقطة النهاية كل طلب وتعيد تنبؤات، مثل الكائنات المكتشفة ومربعات الإحاطة أو المخرجات الأخرى الخاصة بالمهمة.

لمزيد من التفاصيل المتعلقة بنشر النماذج، راجع وثائق منصة Ultralytics الرسمية.

مراقبة أداء النموذج ومقاييسه لنقاط النهاية المنشورة#

بعد نشر نموذج للرؤية الحاسوبية، تصبح مراقبة أدائه جزءًا مهمًا من الحفاظ على موثوقية النظام ومتانته. فحتى النموذج المدرَّب جيدًا يحتاج إلى المراقبة في بيئة الإنتاج لضمان استمراره في الاستجابة بسرعة، ومعالجة الطلبات الواردة بصورة صحيحة، وتقديم تنبؤات دقيقة.

توفر منصة Ultralytics أدوات مراقبة مدمجة تمنح الفرق رؤية واضحة لأداء نقاط النهاية المنشورة. وتعمل صفحة Deploy في المنصة لوحةَ مراقبة توفر عرضًا مركزيًا لجميع نقاط النهاية قيد التشغيل، إلى جانب مقاييس رئيسية تساعد على تتبع سلامة النظام واستخدامه.

فيما يلي بعض المقاييس التي يمكنك مراقبتها باستخدام المنصة:

• زمن الاستجابة P95: يقيس هذا المقياس زمن الاستجابة من جانب الخادم عند المئين 95 لطلبات الاستدلال. ويوفر رؤى حول المدة التي تستغرقها معظم طلبات الاستدلال، ويحدد حالات تباطؤ الأداء.
• معدل الأخطاء: يمثل النسبة المئوية للطلبات التي فشلت أو أعادت أخطاءً خلال نافذة المراقبة المحددة. وتتيح مراقبة معدلات الأخطاء للفرق اكتشاف المشكلات المتعلقة بعمليات النشر أو الطلبات الواردة بسرعة.
• إجمالي الطلبات: يوضح هذا المقياس العدد الإجمالي لطلبات الاستدلال التي عولجت عبر نقاط النهاية المنشورة خلال الفترة الزمنية المحددة (مثل الساعات الأربع والعشرين الماضية). ويساعد الفرق على فهم مستويات حركة المرور ومدى تكرار استخدام نماذجها.

بالإضافة إلى هذه المقاييس، توفر المنصة أيضًا فحوصات سلامة نقاط النهاية وسجلات النشر. وتوضح فحوصات السلامة ما إذا كانت نقطة النهاية تستجيب بصورة صحيحة، بينما توفر السجلات معلومات مفصلة حول الطلبات الأخيرة ونشاط النظام.

أهم النقاط المستخلصة#

يُعد نشر نماذج الرؤية الحاسوبية خطوة حاسمة لتحويل النماذج المدرَّبة إلى أنظمة تشغّل تطبيقات العالم الحقيقي. وباستخدام منصة Ultralytics، يمكن للفرق نشر النماذج بسهولة عبر نقاط نهاية مخصصة في 43 منطقة عالمية، وإجراء الاستدلال في الوقت الفعلي عبر واجهات API، ومراقبة الأداء من بيئة واحدة. ومن خلال الجمع بين خيارات النشر المرنة والمراقبة المدمجة والبنية التحتية القابلة للتوسع، تساعد المنصة المطورين على الانتقال بسرعة أكبر من نماذج تعلّم الآلة المدرَّبة إلى تطبيقات رؤية حاسوبية موثوقة.

كن جزءًا من مجتمعنا المتنامي! تعمّق في مستودعنا على GitHub لمعرفة المزيد عن الذكاء الاصطناعي. وإذا كنت تتطلع إلى بناء حلول للرؤية الحاسوبية، فاطّلع على خيارات الترخيص لدينا. واكتشف مزايا الرؤية الحاسوبية في الرعاية الصحية وتعرّف إلى كيفية إحداث الذكاء الاصطناعي في مجال الخدمات اللوجستية فرقًا!