مسرد المصطلحات

Weights & Biases

يمكنك تبسيط مهام سير عمل التعلم الآلي باستخدام Weights & Biases. تتبع التجارب وتصورها والتعاون بشأنها من أجل تطوير ذكاء اصطناعي أسرع وقابل للتكرار.

تدريب YOLO النماذج
ببساطة مع Ultralytics HUB

التعرف على المزيد

Weights & Biases (W&B) هي عبارة عن منصة مصممة لتبسيط سير عمل التعلم الآلي من خلال توفير أدوات لتتبع التجارب وإصدار البيانات والنماذج والتعاون. تعمل المنصة كمحور مركزي لعمليات التعلُّم الآلي (MLOps)، مما يساعد الأفراد والفرق على إدارة تعقيدات تطوير نماذج الذكاء الاصطناعي ونشرها، بما في ذلك Ultralytics YOLO النماذج. كما أنه يسهل فهم أداء النموذج بشكل أفضل، وقابلية استنساخ التجارب، والكفاءة العامة في دورة حياة تطوير الذكاء الاصطناعي.

ما هي Weights & Biases

Weights & Biases هي عبارة عن منصة شاملة لعمليات التعلُّم الآلي تهدف إلى تعزيز إنتاجية ممارسي التعلُّم الآلي (ML). وهي توفر طريقة منهجية لتسجيل وتتبع وتصور كل مكون من مكونات تجربة تعلّم الآلة، بما في ذلك مجموعات البيانات (مثل COCO أو تلك المخصصة التي تتم إدارتها عبر Ultralytics HUBوالمقاييس الفائقة، ومقاييس التدريب مثل الدقة والخسارة، وإصدارات التعليمات البرمجية، وأوزان النماذج الناتجة. من خلال تقديم لوحة تحكم واضحة ومنظمة، تُبسّط W&B عملية مقارنة عمليات التشغيل التجريبية المختلفة، وتصحيح النماذج، ومشاركة النتائج مع المتعاونين. يتكامل بسلاسة مع الأطر الشائعة مثل PyTorch و TensorFlowمما يجعله قابلاً للتكيف مع مختلف مشاريع الذكاء الاصطناعي، من الرؤية الحاسوبية إلى معالجة اللغات الطبيعية.

من المهم التمييز بينمنصة الأوزان Weights & Biases ومفهومي "الأوزان" و"التحيزات" داخل الشبكة العصبية (NN). في الشبكة العصبونية، الأوزان weights and biases هي المعلمات القابلة للتعلم التي يقوم النموذج بتعديلها أثناء التدريب باستخدام خوارزميات التحسين لتقليل دالة الخسارة. وتحدد الأوزان قوة الاتصال بين الخلايا العصبية، بينما توفر التحيزات إزاحة تسمح بتغيير عتبة دالة التنشيط. Weights & Biases وهي المنصة هي الأداة المستخدمة لتتبع وإدارة التجارب التي تهدف إلى إيجاد القيم المثلى لمعلمات الشبكة العصبية هذه. يمكنك معرفة المزيد حول دمج Ultralytics مع W&B في الوثائق.

الميزات الرئيسية ل Weights & Biases

تقدم Weights & Biases العديد من الميزات لدعم دورة حياة تعلّم الآلة:

تطبيقات العالم الحقيقي لـ Weights & Biases

تُستخدم Weights & Biases على نطاق واسع في مختلف الصناعات لتحسين عمليات تطوير التعلم الآلي.

  1. تطوير نماذج الرؤية الحاسوبية: فريق تدريب فريق Ultralytics YOLOv8للكشف عن الأجسام في المركبات ذاتية القيادة استخدام W&B لتسجيل عمليات التدريب باستخدام استراتيجيات مختلفة لزيادة البيانات أو البنى الأساسية. ويمكنهم تصور التأثير على مقاييس الدقة والاستدعاء على مجموعات البيانات مثل Argoverse، ومقارنة النتائج في لوحة معلومات W&B، وإصدار أوزان النموذج الأفضل أداءً باستخدام Artifacts للنشر لاحقًا. اقرأ عن تكاملUltralytics وW&B.
  2. تحليل الصور الطبية: يمكن للباحثين الذين يجرون تحليلاً للصور الطبية للكشف عن الأمراض، على سبيل المثال، باستخدام نموذج مدرّب على مجموعة بيانات أورام الدماغ، الاستفادة من W&B. يمكنهم تتبع التجارب التي تتضمن ضبط النماذج المدربة مسبقًا، وتصور أقنعة التجزئة أو دقة التصنيف، ومراقبة GPU أثناء جلسات التدريب المطولة، والتعاون من خلال مشاركة تقارير مفصلة عن نتائجها، مما يضمن الشفافية وقابلية التكرار في التطبيقات الحساسة. يتوافق هذا مع أهداف الذكاء الاصطناعي القابل للتفسير (XAI).

من خلال توفير بيئة منظمة لإدارة دورة حياة التعلم الآلي، تساعد Weights & Biases الفرق على بناء نماذج أفضل بشكل أسرع وتسهيل التعاون وقابلية التكرار في تطوير الذكاء الاصطناعي. يمكنك استكشاف كيفية دمج W&B مع مشاريع Ultralytics الخاصة بك من خلال الوثائق الرسمية.

قراءة الكل