Ultralytics في اجتماع مجموعة AMD Embedded AI Working Group في دبلن
اكتشف كيف استكشفت Ultralytics وAMD الذكاء الاصطناعي الفيزيائي والروبوتات ونشر الرؤية الحاسوبية في اجتماع مجموعة AMD Embedded AI Working Group 2026 في دبلن.
Zinnia Pourdad6 دقيقة قراءة
انضمت Ultralytics مؤخرًا إلى AMD في فعالية اجتماع مجموعة Embedded AI Working Group في دبلن، أيرلندا، لمدة يومين من الجلسات التقنية وورش العمل التطبيقية والعروض التوضيحية المباشرة التي استكشفت الذكاء الاصطناعي المضمن والذكاء الاصطناعي الفيزيائي.
استضافت AMD الفعالية في مكتبها بدبلن يومي 3 و4 نوفمبر 2026، وجمعت مهندسي AMD وشركاء التكنولوجيا والمطورين لاستكشاف كيف يمكن للذكاء الاصطناعي والبرمجيات والحوسبة التكيفية المساعدة في نقل التطبيقات الواقعية من الفكرة إلى النشر.
مثّل Ultralytics في الفعالية مانويل كالف، رئيس منظومة الشركاء والشراكات، وزينيا بورداد، مديرة الفعاليات العالمية؛ إذ شاركا للتواصل مع منظومة AMD الأوسع، وتسليط الضوء على التطورات الأخيرة في Ultralytics YOLO، وعرض كيفية دعم Ultralytics YOLO لتطبيقات الرؤية الحاسوبية عبر أجهزة AMD.
Ultralytics YOLO وAMD: تطوير الذكاء الاصطناعي من السحابة إلى الحافة#
جاءت الفعالية عقب تطورات حديثة في التعاون التقني بين Ultralytics وAMD، بما في ذلك الدعم الرسمي لوحدات GPU من AMD في Ultralytics YOLO. يدعم التكامل مجموعة من أجهزة AMD، بما فيها وحدات GPU من AMD Radeon، مع خيارات نشر إضافية عبر معالجات AMD Ryzen AI وأجهزة الحافة. يمكن للمطورين الآن تدريب نماذج Ultralytics YOLO باستخدام برمجيات AMD ROCm ونشر نماذج ONNX المُصدّرة باستخدام AMD MIGraphX لتسريع الاستدلال. ويشمل هذا الدعم وحدات GPU المدعومة من AMD Radeon ووحدات GPU المدمجة في Ryzen AI، مع استمرار العمل لتمكين النشر على وحدات NPU في Ryzen AI.
يدعم Ultralytics YOLO الآن أيضًا التصدير إلى AMD Xilinx، ما يتيح للمطورين إعداد النماذج للنشر على وحدات NPU في سلسلة AMD Versal AI Edge Series Gen 2. وباستخدام AMD Quark للتكميم INT8 وVitis AI للترجمة البرمجية، يوسّع هذا التكامل قدرات نشر Ultralytics YOLO لتشمل تطبيقات الذكاء الاصطناعي الطرفي.
تمنح هذه الإمكانات مجتمعةً المطورين مرونة أكبر لبناء تطبيقات الرؤية الحاسوبية ونشرها في بيئات حوسبة مختلفة، بدءًا من الفحص الصناعي والروبوتات وصولًا إلى الكاميرات الذكية.
استكشاف الذكاء الاصطناعي المضمن والروبوتات throRworksho#
ركز اليوم الأول على العروض التقديمية التقنية وورش العمل التي تناولت AMD Ryzen AI وROCm والروبوتات وتطوير الذكاء الاصطناعي المضمن.
عُرض Ultralytics YOLO26 في ورشتي عمل بقيادة AMD، حيث اكتسب الحاضرون خبرة عملية في استخدام Ultralytics YOLO26 تقدير الوضعيات، واستكشفوا كيف يمكن للرؤية الحاسوبية دعم التطبيقات التي تحتاج إلى تفسير الحركة والتفاعل مع البيئة المادية المحيطة بها.
استخدمت ورشة العمل الثانية تقدير الوضعيات في YOLO26 ضمن سياق الروبوتات باستخدام ROS 2، واستكشفت كيف يمكن لتقدير الوضعيات دعم تطبيقات مثل الروبوتات التي تتبع الأشخاص ومراقبة المسافة والتعرف على الإيماءات. ويمكن للمطورين الراغبين في استكشاف تطبيقات مماثلة اتباع دليل البدء السريع لـ ROS.
استكشف الحاضرون في ورش العمل التطبيقية هذه كيفية دمج Ultralytics YOLO26 في سير عمل الروبوتات والذكاء الاصطناعي الفيزيائي، وإدخال الرؤية الحاسوبية إلى بيئات التطوير العملية.
بناء ذكاء اصطناعي واقعي باستخدام Ultralytics YOLO وAMD#
في اليوم الثاني، قدّم مانويل كالف، رئيس منظومة الشركاء والشراكات في Ultralytics، جلسة تقنية بعنوان «بناء ذكاء اصطناعي واقعي باستخدام Ultralytics YOLO وAMD: من السحابة إلى الحافة».
تتطلب تطبيقات الذكاء الاصطناعي الفيزيائي الواقعية، من الروبوتات والفحص الصناعي إلى الكاميرات الذكية، رؤية حاسوبية سريعة ودقيقة وجاهزة للنشر.
سلّط مانويل الضوء على كيفية تدريب المطورين نماذج Ultralytics YOLO على وحدات GPU المدعومة من AMD باستخدام ROCm، وتصدير النماذج إلى ONNX، واستخدام MIGraphX لتسريع الاستدلال. كما استكشفت الجلسة خيارات النشر ضمن منظومة أجهزة AMD الأوسع، موضحةً كيف يمكن لسير عمل الرؤية الحاسوبية الانتقال من التطوير إلى التطبيقات الواقعية.
شُغّلت مهام YOLO26 السبع جميعها مباشرةً على AMD ROCm#
شغّلت عروضنا التوضيحية المباشرة جميع مهام YOLO26 على AMD ROCm جنبًا إلى جنب:
- اكتشاف الكائنات: مربعات وتسميات للكائنات المكتشفة
- تجزئة الكائنات: قناع على مستوى البكسل لكل كائن مكتشف
- التجزئة الدلالية: فئة لكل بكسل
- تصنيف الصور: تسمية واحدة للصورة كاملةً
- تقدير الوضعيات: 17 نقطة رئيسية لكل شخص مكتشف
- الصناديق المحيطة الموجّهة: صناديق مدوّرة للمشاهد الجوية والمشاهد من الأعلى
- تقدير العمق: المسافة بالأمتار لكل بكسل
تكتسب هذه الإمكانات أهمية خاصة في تطبيقات مثل مراقبة جودة التصنيع والروبوتات ذاتية التشغيل والمراقبة الذكية، حيث يُعد الاستدلال الفعال بالرؤية الحاسوبية أمرًا أساسيًا.
ابدأ باستخدام Ultralytics YOLO على AMD#
جمع اجتماع مجموعة AMD Embedded AI Working Group المطورين وشركاء التكنولوجيا لاستكشاف انتقال الذكاء الاصطناعي المضمن والذكاء الاصطناعي الفيزيائي من التطوير إلى التطبيقات الواقعية. وسلطت الفعالية الضوء على سبل عملية لدمج الرؤية الحاسوبية في الأنظمة المدعومة من AMD، بدءًا من ورش العمل التطبيقية باستخدام Ultralytics YOLO26 وصولًا إلى النقاشات حول النشر من السحابة إلى الحافة.
هل ترغب في البناء باستخدام Ultralytics YOLO على أجهزة AMD؟ استكشف وثائق تكامل Ultralytics مع AMD للاطلاع على الأجهزة المدعومة وتعليمات التثبيت وسير عمل التدريب والاستدلال المسرّع باستخدام MIGraphX، وابدأ على منصة Ultralytics!
الأسئلة الشائعة
نعم. منذ Ultralytics 8.4.171، يمكن تدريب YOLO وتشغيله على AMD Instinct ووحدات GPU المدعومة من Radeon عبر PyTorch على ROCm، كما يمكن تشغيل نماذج ONNX المُصدّرة من خلال موفر التنفيذ MIGraphX. يعمل ذلك على Linux x86_64، وتُحدّد الوسيطة نفسها
device=0المستخدمة مع وحدات GPU الأخرى وحدة GPU من AMD.نعم، على المعالجات المزودة بوحدات GPU مدمجة يدعمها ROCm. تدرج AMD الطرازات Ryzen AI Max+ PRO 395 وRyzen AI Embedded X100 وRyzen AI Embedded P185 على أنها مختبرة لتشغيل النماذج باستخدام PyTorch ونشرها باستخدام MIGraphX. ولا تُعد وحدة NPU في Ryzen AI خلفية أصلية لـ Ultralytics؛ إذ تستخدم مسارات عمل NPU أدوات AMD Ryzen AI أو Vitis AI على نموذج ONNX مُصدّر.
MIGraphX هو محرك AMD لتحسين الرسوم البيانية والاستدلال على وحدات GPU من AMD. لا تحتاج إلى تغيير الشيفرة: صدّر باستخدام
format="onnx"، وحمّل الملف.onnxباستخدامYOLO()، ونفّذ التنبؤ باستخدامdevice=0. على نظام ROCm، يثبّت Ultralytics موفر التنفيذ MIGraphX ويحدده تلقائيًا.على وحدة GPU من طراز AMD Radeon 8060S (Ryzen AI Max+ PRO 395)، وبدقة FP32 وحجم دفعة 1 ومدخل بحجم 640 بكسل، وباستخدام Ultralytics 8.4.165، يستغرق تشغيل YOLO26n-pose مدة 2.5 مللي ثانية لكل صورة على MIGraphX، مقارنةً بـ 4.6 مللي ثانية باستخدام PyTorch على ROCm، مع تحقيق القيمة نفسها 0.566Ro95 على COCO. لا تشمل الأوقات المعالجة المسبقة أو اللاحقة ولا عملية الترجمة البرمجية لمرة واحدة.
نعم. يعمل YOLO26 عبر واجهة Python API القياسية من Ultralytics، لذا يمكن تضمينه في عقدة ROS 2 مثل أي مكوّن Python آخر. يوضّح دليل البدء السريع لـ ROS كيفية إنشاء عقدة تشغّل YOLO على إطارات الكاميرا وتنشر صورًا مشروحة؛ ويتطلب نشر بيانات النقاط الرئيسية بضعة أسطر إضافية من الشيفرة في العقدة.
بقلم
مديرة الفعاليات العالمية · Ultralytics
التعليقات
اطرح سؤالًا، أو شارك نتائجك، أو ساعد شخصًا آخر.
