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
في وقت سابق من هذا الأسبوع، Ultralytics Ultralytics ، وهي بيئة متكاملة جديدة مصممة لتسريع عملية طرح أنظمة الرؤية الحاسوبية (CV) من خلال تبسيط كل مرحلة من مراحل سير عمل الذكاء الاصطناعي للرؤية، بدءًا من إعداد البيانات وتطوير النماذج وصولاً إلى النشر.
أحد الدوافع الرئيسية وراء تطوير Ultralytics هو أن تطبيق حل الرؤية الحاسوبية الذي يمكّن الآلات من تحليل الصور ومقاطع الفيديو — بدءًا من الفكرة وصولاً إلى إحداث تأثير — لا يقتصر على بناء نموذج قوي فحسب. فبمجرد تدريب النموذج واجتيازه عملية التحقق من الصحة، يجب نشره حتى تتمكن التطبيقات من إرسال الصور وتلقي التنبؤات وإجراء الاستدلال بشكل موثوق في بيئات العمل الفعلية.
تُعد هذه المرحلة من دورة حياة التعلم الآلي هي المرحلة التي تتجاوز فيها نماذج الرؤية الحاسوبية مرحلة التجريب وتبدأ في تشغيل الأنظمة العملية. وحتى لو سارت الخطوات السابقة، مثل إعداد مجموعات البيانات ووضع العلامات وتدريب النماذج واختبارها، بسلاسة، فإنه بدون وجود طريقة موثوقة لنشر النماذج، لن تتمكن تلك النتائج من إحداث أي فرق.
الحقيقة السائدة في العديد من مشاريع الرؤية الحاسوبية هي أن عملية النشر قد تكون إحدى أكثر الخطوات تعقيدًا في سير العمل.
غالبًا ما تحتاج الفرق إلى تكوين واجهات برمجة التطبيقات الخاصة بالاستدلال، وإدارة موارد الحوسبة، ونشر النماذج بالقرب من المستخدمين لتقليل زمن الاستجابة، ومراقبة الأداء بمجرد بدء تشغيل الأنظمة في بيئة الإنتاج.
تعمل Ultralytics على تبسيط هذه العملية وأتمتتها من خلال توفير خيارات نشر متعددة، بما في ذلك تنسيقات تصدير النماذج، وخدمات الاستدلال المشتركة، ونقاط النهاية المخصصة في مختلف المناطق حول العالم. وبفضل البنية التحتية المُدارة ونظام المراقبة المدمج، يمكن للفرق الانتقال بسهولة من النماذج المدربة إلى أنظمة الرؤية الحاسوبية الجاهزة للإنتاج.
الشكل 1. نظرة عامة على نشر النماذج باستخدام Ultralytics (المصدر)
في هذه المقالة، سنتعرف على كيفية نشر نماذج الرؤية الحاسوبية في أي منطقة باستخدام نقاط نهاية مخصصة على Ultralytics . هيا بنا نبدأ!
ما هو نشر نموذج السيرة الذاتية؟
قبل أن نبدأ في شرح كيفية نشر نماذج التعلم العميق باستخدام Ultralytics دعونا نتعرف بشكل أفضل على ما يعنيه نشر نماذج الرؤية الحاسوبية في الواقع.
نشر نماذج الرؤية الحاسوبية هو عملية أخذ نموذج مدرب وإتاحته للاستخدام في العالم الواقعي. فبدلاً من تشغيله في بيئة التدريب فقط، يتم إعداد النموذج بحيث يمكن للتطبيقات إرسال الصور أو مقاطع الفيديو إليه وتلقي التنبؤات في المقابل.
على سبيل المثال، قد detect النموذج detect الموجودة في صورة ما، أو إجراء عملية تجزئة الصورة، أو تحديد العناصر الموجودة في مستودع، أو التعرف على الأنماط في لقطات الفيديو. وفي معظم الأنظمة العملية، يتم ذلك من خلال واجهة برمجة تطبيقات (API) أو نقطة نهاية للاستدلال.
يرسل التطبيق صورة إلى النموذج، فيقوم النموذج بمعالجتها، ثم يعرض نتيجة التنبؤ في غضون أجزاء من الثانية. وهذا ما يتيح لنماذج الرؤية الحاسوبية مثل Ultralytics YOLO من تمكين التطبيقات في الوقت الفعلي.
يمكن نشر النماذج في بيئات مختلفة حسب حالة الاستخدام. تعمل بعضها في السحابة (عبر منصات السحابة) ويمكن للعديد من التطبيقات الوصول إليها، بينما تعمل نماذج أخرى على أجهزة الحافة، مثل الكاميرات المحلية أو الروبوتات أو الأنظمة المدمجة التي تحتاج إلى تنبؤات محلية سريعة.
خيارات نشر نماذج الذكاء الاصطناعي على Ultralytics
في حين أن Ultralytics تعالج العديد من التحديات التي تواجه مجتمع الرؤية الحاسوبية، لا سيما فيما يتعلق بنشر النماذج، فإنها توفر طرقًا مرنة لتنفيذ عمليات الاستدلال وفقًا لاحتياجات تطبيقك.
فيما يلي نظرة سريعة على خيارات نشر النماذج المتاحة على المنصة:
تصدير النماذج: يمكنك تصدير النماذج إلى 17 تنسيقًا مختلفًا، بما في ذلك ONNX TensorRT CoreML TFLite مما يتيح تشغيل النماذج عبر مجموعة واسعة من البيئات مثل الأجهزة الطرفية مثل Raspberry Pi NVIDIA والتطبيقات المحمولة، وحاويات Docker، والبنية التحتية المخصصة.
الاستدلال المشترك: تتيح لك المنصة إجراء التنبؤات من خلال خدمة استدلال مشتركة مُدارة، وهو ما يُعد خيارًا مثاليًا لاختبار النماذج بسرعة
نقاط نهاية مخصصة: يمكنك بسهولة نشر النماذج كخدمات مستقلة باستخدام عناوين URL فريدة لواجهة برمجة التطبيقات (API) يمكن تشغيلها عبر 43 منطقة حول العالم، مع ميزات مدمجة للتوسع التلقائي والمراقبة وفحوصات الحالة لنشر الإنتاج.
النشر باستخدام نقاط نهاية مخصصة
تعد النقاط الطرفية المخصصة إحدى أكثر الطرق قابلية للتوسع لتشغيل النماذج المُدرَّبة مسبقًا أو نماذج الرؤية الحاسوبية المُدرَّبة خصيصًا في بيئة الإنتاج على Ultralytics . تتيح لك النقطة الطرفية المخصصة نشر نموذج مُدرَّب كخدمة مستقلة، بحيث يمكن للتطبيقات إرسال الصور إليها وتلقي التنبؤات عبر واجهة برمجة التطبيقات (API).
بدلاً من تشغيل النموذج في بيئة التدريب أو في جهاز كمبيوتر محمول محلي فقط، فإن نشره كنقطة طرفية يجعل الوصول إليه متاحًا للتطبيقات الفعلية. على سبيل المثال، يمكن لنظام المستودعات إرسال صور للطرود من أجل الكشف عن الأجسام، أو يمكن للكاميرا الذكية تحليل إطارات الفيديو، أو يمكن لنظام الروبوتات استخدام التنبؤات لتوجيه الإجراءات.
تعمل كل نقطة نهاية مخصصة كخدمة مخصصة لمستخدم واحد، مما يعني أن البنية التحتية التي تشغل نموذجك لا يتم مشاركتها مع مستخدمين آخرين. وهذا يوفر أداءً أكثر قابلية للتنبؤ به، وييسر مراقبة سلوك النموذج في بيئة الإنتاج.
فهم وظائف نقاط النهاية المخصصة للاستدلال
يمكنك اعتبار نقطة النهاية المخصصة بمثابة خدمة مستضافة لنموذجك. توفر Ultralytics عنوان URL فريدًا لنقطة النهاية يعمل كنقطة دخول للتطبيقات.
عندما يرسل أحد التطبيقات طلبًا إلى عنوان URL هذا، فإنه يتضمن صورة ومعلمات اختيارية مثل عتبات الثقة أو حجم الصورة، إلى جانب مفتاح واجهة برمجة التطبيقات (API) للمصادقة.
تقوم الخدمة بإجراء عملية الاستدلال على الصورة باستخدام نموذجك، ثم تعرض النتائج في شكل 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 أي عملاء HTTP آخرين، مما يسهل ربط النماذج بلوحات المعلومات أو أنظمة الروبوتات أو التطبيقات السحابية. ونظرًا لأن نقطة النهاية تعمل بشكل مستقل، فإنها تدعم أيضًا التوسع والمراقبة والنشر العالمي، مما يساعد الفرق على بناء أنظمة رؤية حاسوبية موثوقة للاستخدام في بيئات الإنتاج.
يؤدي النشر عبر مناطق متعددة إلى تحسين الاستدلال في الوقت الفعلي
تتمثل إحدى المزايا الرئيسية لنقاط النهاية المخصصة على Ultralytics في القدرة على نشر النماذج عبر 43 منطقة حول العالم. وتغطي هذه المناطق أجزاءً متعددة من العالم، بما في ذلك أمريكا الشمالية وأمريكا الجنوبية وأوروبا ومنطقة آسيا والمحيط الهادئ والشرق الأوسط وأفريقيا.
الشكل 2. تدعم Ultralytics 43 منطقة حول العالم (المصدر)
يساعد نشر النماذج في مناطق أقرب إلى أماكن تشغيل التطبيقات على تقليل زمن الاستجابة، وهو الوقت الذي يستغرقه التطبيق لإرسال صورة واستلام توقعات. كما يمكن أن يساعد ذلك المؤسسات على تلبية متطلبات خصوصية البيانات ومكان تخزينها من خلال إبقاء معالجة البيانات أقرب إلى مكان نشأتها.
يعد انخفاض زمن الاستجابة أمراً مهماً للعديد من تطبيقات الرؤية الحاسوبية التي تعتمد على الاستدلال في الوقت الفعلي، مثل أنظمة الروبوتات، وأجهزة إنترنت الأشياء (IoT)، وخطوط الفحص الصناعية، والبنية التحتية للمدن الذكية.
على سبيل المثال، إذا كان التطبيق يُستخدم بشكل أساسي في أوروبا، فإن نشر النموذج في منطقة أوروبية يمكن أن يحسّن أوقات الاستجابة بشكل ملحوظ مقارنة بتشغيل النموذج في منطقة بعيدة.
كيفية النشر في أي منطقة باستخدام Ultralytics
يعد نشر نموذج في منطقة معينة أمرًا بسيطًا ولا يستغرق عادةً سوى بضع دقائق. تتولى المنصة إعداد البنية التحتية، مما يتيح للمطورين التركيز على دمج النموذج في تطبيقاتهم. دعونا نستعرض الخطوات اللازمة لذلك.
الخطوة 1: تدريب النموذج أو تحميله
قبل النشر، يجب أن يتوفر في مشروعك نموذج مدرب. ويمكن أن يكون هذا النموذج قد تم تدريبه مباشرةً على Ultralytics ، أو نموذجًا تم تحميله بعد تدريبه في مكان آخر، أو نموذجًا تم استنساخه من مشروع مجتمعي موجود في «علامة التبويب «Explore»»، حيث يمكن نسخ المشاريع العامة التي يشاركها مستخدمون آخرون إلى حسابك بنقرة واحدة.
بمجرد أن يصبح النموذج جاهزًا، افتح صفحة النموذج داخل مشروعك للمتابعة.
الخطوة 2: افتح علامة التبويب «النشر»
انتقل إلى علامة التبويب "النشر" الخاصة بالنموذج. يتيح لك هذا القسم من المنصة تكوين عمليات النشر وتشغيلها.
في تلك الصفحة، سترى جدولًا بالمناطق وخريطة تفاعلية تُظهر مواقع النشر المتاحة حول العالم. تقيس المنصة زمن الاستجابة من موقعك وتصنف المناطق وفقًا لذلك لمساعدتك في اختيار المنطقة الأنسب.
الشكل 3. المناطق مرتبة حسب زمن الاستجابة على Ultralytics (المصدر)
الخطوة 3: اختر منطقة النشر
اختر منطقة بناءً على موقع المستخدمين أو التطبيقات. يمكن أن يؤدي نشر النموذج في مكان أقرب إلى مصدر الطلبات إلى تقليل أوقات الاستجابة بشكل كبير.
الخطوة 4: نشر نقطة النهاية
بعد تحديد المنطقة وتأكيد التكوين، يمكنك النقر فوق «نشر».
ثم تقوم المنصة بإعداد بيئة النشر، واستدعاء صورة النموذج، وتشغيل الخدمة، وإجراء فحص حالة للتأكد من جاهزية نقطة النهاية. وتستغرق هذه العملية عادةً ما بين دقيقة ودقيقتين.
بمجرد اكتمال عملية النشر، تقوم المنصة بإنشاء عنوان URL فريد لنقطة النهاية يمكن للتطبيقات استخدامه لإرسال طلبات الاستدلال.
عندما تكون نقطة النهاية قيد التشغيل، يمكن للتطبيقات البدء في إرسال الصور إلى النموذج باستخدام REST API المتوفرة ومفتاح API الذي يتم تمريره في رأس "التفويض" (Authorization). وتقوم نقطة النهاية بمعالجة كل طلب وتُرجع تنبؤات مثل الكائنات المكتشفة أو المربعات المحيطة أو أي مخرجات أخرى خاصة بالمهمة.
لمزيد من التفاصيل حول نشر النماذج، يرجى الاطلاع على الوثائق الرسمية Ultralytics .
مراقبة أداء النماذج والمقاييس الخاصة بنقاط النهاية التي تم نشرها
بمجرد نشر نموذج الرؤية الحاسوبية، تصبح مراقبة أدائه جزءًا مهمًا من الحفاظ على موثوقية النظام وقوته. فحتى النموذج الذي تم تدريبه جيدًا يحتاج إلى المراقبة أثناء التشغيل الفعلي لضمان استمراره في الاستجابة بسرعة، ومعالجة الطلبات الواردة بشكل سليم، وتقديم تنبؤات دقيقة.
توفر Ultralytics أدوات مراقبة مدمجة تتيح للفرق الاطلاع على أداء النقاط الطرفية التي تم نشرها. تعمل صفحة "النشر" (Deploy) في المنصة كلوحة تحكم للمراقبة، حيث توفر عرضًا مركزيًا لجميع النقاط الطرفية قيد التشغيل إلى جانب المقاييس الرئيسية التي تساعد track حالة track واستخدامه.
فيما يلي بعض المقاييس التي يمكنك رصدها باستخدام المنصة:
زمن الاستجابة P95: يقيس هذا المؤشر زمن الاستجابة من جانب الخادم في الشريحة المئوية 95 لطلبات الاستدلال. ويوفر نظرة ثاقبة على المدة التي تستغرقها معظم طلبات الاستدلال، كما يحدد حالات تباطؤ الأداء.
معدل الأخطاء: يمثل النسبة المئوية للطلبات التي فشلت أو أرجعت أخطاءً خلال فترة المراقبة المحددة. تتيح مراقبة معدلات الأخطاء للفرق detect المتعلقة بعمليات النشر أو الطلبات الواردة بسرعة.
إجمالي الطلبات: يُظهر هذا المقياس العدد الإجمالي لطلبات الاستدلال التي تمت معالجتها عبر نقاط النهاية المنشورة خلال الفترة الزمنية المحددة (على سبيل المثال، آخر 24 ساعة). ويساعد هذا المقياس الفرق على فهم مستويات حركة المرور ومدى تكرار استخدام نماذجهم.
بالإضافة إلى هذه المقاييس، توفر المنصة أيضًا فحوصات حالة نقاط النهاية وسجلات النشر. توضح فحوصات الحالة ما إذا كانت نقطة النهاية تستجيب بشكل صحيح، بينما توفر السجلات معلومات تفصيلية حول الطلبات الأخيرة ونشاط النظام.
النقاط الرئيسية
يُعد نشر نماذج الرؤية الحاسوبية خطوة حاسمة في تحويل النماذج المدربة إلى أنظمة تدعم التطبيقات في العالم الواقعي. وبفضل Ultralytics يمكن للفرق نشر النماذج بسهولة عبر نقاط نهاية مخصصة في 43 منطقة حول العالم، وتشغيل عمليات الاستدلال في الوقت الفعلي من خلال واجهات برمجة التطبيقات (API)، ومراقبة الأداء من بيئة واحدة. ومن خلال الجمع بين خيارات النشر المرنة، والمراقبة المدمجة، والبنية التحتية القابلة للتوسع، تساعد المنصة المطورين على الانتقال بشكل أسرع من نماذج التعلم الآلي المدربة إلى تطبيقات موثوقة للرؤية الحاسوبية.
