مسرد المصطلحات

خدمة الطراز

تعرّف على أساسيات تقديم النماذج - انشر نماذج الذكاء الاصطناعي للتنبؤات في الوقت الفعلي، وقابلية التوسع، والتكامل السلس في التطبيقات.

خدمة النموذج هي عملية إتاحة نموذج التعلّم الآلي المدرّب (ML) لتلقي بيانات المدخلات وإرجاع التنبؤات في بيئة الإنتاج. وبمجرد أن يتم تدريب النموذج والتحقق من صحته، فإن عملية تقديم النموذج هي الخطوة الحاسمة التي تحوله من ملف ثابت إلى أداة تشغيلية نشطة يمكنها تشغيل تطبيقات العالم الحقيقي. وهي تنطوي على نشر النموذج على خادم وإنشاء واجهة، عادةً ما تكون واجهة برمجة تطبيقات، تسمح لأنظمة برمجية أخرى بالتواصل معه للاستدلال في الوقت الفعلي.

على الرغم من ارتباطها الوثيق، فإن خدمة النموذج هي عنصر محدد ضمن العملية الأوسع لنشر النموذج. يشمل النشر سير العمل الكامل لدمج النموذج في إعدادات الإنتاج، بما في ذلك إعداد البنية التحتية والمراقبة. تشير خدمة النموذج على وجه التحديد إلى جزء من تلك البنية التحتية المسؤولة عن تشغيل النموذج ومعالجة طلبات الاستدلال بكفاءة.

المكونات الرئيسية للخدمة النموذجية

يتكون نظام خدمة النماذج القوي من عدة مكونات متكاملة تعمل معًا لتقديم تنبؤات سريعة وموثوقة.

  • تنسيق النموذج: قبل العرض، يجب تجميع النموذج في صيغة موحدة. تضمن التنسيقات مثل ONNX إمكانية التشغيل البيني عبر أطر عمل مختلفة. ولتحقيق أقصى قدر من الأداء، يمكن تحسين النماذج باستخدام أدوات مثل TensorRT لوحدات معالجة الرسومات NVIDIA.
  • إطار الخدمة: برنامج متخصص يقوم بتحميل النموذج، ويدير موارد الأجهزة مثل وحدات معالجة الرسومات، ويعالج طلبات الاستدلال. تشمل أطر العمل الشائعة TensorFlow Serving، و PyTorch Serve، وخادم NVIDIA Triton Inference Server عالي الأداء، والذي يمكن استخدامه مع نماذج Ultralytics عبر دليل تكامل Triton الخاص بنا.
  • نقطة نهاية واجهة برمجة التطبيقات: هذه هي بوابة الاتصال التي تسمح لتطبيقات العميل بإرسال البيانات (مثل صورة أو نص) وتلقي تنبؤات النموذج. REST و gRPC هما بروتوكولان شائعان لواجهة برمجة التطبيقات (API) المستخدمان لهذا الغرض.
  • البنية التحتية: الأجهزة المادية أو الافتراضية التي يعمل فيها النموذج. يمكن أن يتراوح ذلك من الخوادم المحلية إلى منصات الحوسبة السحابية مثل Amazon SageMaker و Google Cloud AI Platform. بالنسبة للتطبيقات التي تتطلب وقت استجابة منخفض، غالبًا ما يتم تقديم النماذج على أجهزة الذكاء الاصطناعي المتطورة. يعد استخدام الحاويات باستخدام أدوات مثل Docker أمرًا ضروريًا لإنشاء بيئات عرض محمولة وقابلة للتطوير.
  • المراقبة والتسجيل: التتبع المستمر لأداء النموذج وسلامة النظام. يتضمن ذلك مراقبة المقاييس مثل زمن الاستنتاج والإنتاجية، بالإضافة إلى مراقبة مشاكل مثل انجراف البيانات، والتي يمكن أن تقلل من دقة النموذج بمرور الوقت. يمكنك معرفة المزيد في دليلنا لمراقبة النموذج.

التطبيقات الواقعية

خدمة النماذج هي المحرك وراء عدد لا يُحصى من الميزات المدعومة بالذكاء الاصطناعي.

  1. إدارة المخزون المدعومة بالذكاء الاصطناعي: تستخدم إحدى شركات البيع بالتجزئة نموذج Ultralytics YOLO11 لإدارة المخزون في الوقت الفعلي. يتم تجميع النموذج بتنسيق ONNX ويتم تقديمه على جهاز كمبيوتر صغير داخل المتجر. ترسل كاميرا تغذية فيديو إلى نقطة نهاية العرض، والتي تقوم بإجراء الكشف عن الكائنات لحساب العناصر على الرفوف وإرسال تنبيهات عند انخفاض المخزون.
  2. تحليل الصور الطبية في السحابة: ينشر نظام مستشفى نموذج رؤية حاسوبية متطور لتحليل الصور الطبية. ونظراً لحجم النموذج الكبير واحتياجاته الحسابية، يتم تقديمه على خادم سحابي قوي مزود بوحدات معالجة رسومات متعددة. يقوم أخصائيو الأشعة بتحميل فحوصات عالية الدقة من خلال بوابة آمنة، والتي تستدعي واجهة برمجة التطبيقات (API) الخاصة بالخدمة. ويعيد النموذج تنبؤات تساعد في تحديد الحالات الشاذة المحتملة، مما يحسن سرعة التشخيص ودقته.

دور عمليات التشغيل الآلي المتعددة الوظائف

خدمة النماذج هي حجر الزاوية في عمليات التعلم الآلي (MLOps). تضمن الاستراتيجية الجيدة لعمليات تعلّم الآلة أن تكون دورة الحياة بأكملها - بدءًا من المعالجة المسبقة للبيانات وتدريب الن ماذج إلى العرض والمراقبة -مؤتمتة وموثوقة وقابلة للتطوير. صُممت منصات مثل Ultralytics HUB لتبسيط سير العمل بأكمله، مما يوفر حلاً متكاملاً لتدريب نماذج الرؤية الحاسوبية وإصدارها وخدمتها بفعالية.

انضم إلى مجتمع Ultralytics

انضم إلى مستقبل الذكاء الاصطناعي. تواصل وتعاون ونمو مع المبتكرين العالميين

انضم الآن
تم نسخ الرابط إلى الحافظة