يمكنك تبسيط مهام سير عمل التعلُّم الآلي باستخدام Weights & Biases. تتبع التجارب وتصورها والتعاون بشأنها من أجل تطوير ذكاء اصطناعي أسرع وقابل للتكرار.
تعد Weights & Biases (غالبًا ما يُشار إليها اختصارًا باسم W&B أو WandB) منصة بارزة للمطورين مصممة لتبسيط عمليات التعلم الآلي (MLOps). وهي بمثابة نظام مركزي لتسجيل مهندسي تعلُّم الآلة وعلماء البيانات، مما يتيح لهم track التجارب، وتصور أداء النموذج، وإدارة مجموعات البيانات. في دورة الحياة المعقدة ل التعلم الآلي (ML)، من الصعب track كل تغيير في التكوين والنتيجة أمر صعب؛ تحل W&B هذه المشكلة عن طريق تسجيل المقاييس تلقائيًا وتنظيمها في لوحات معلومات تفاعلية. يتيح ذلك للفرق مقارنة عمليات التدريب المختلفة، وضمان قابلية التكرار، و التعاون بفعالية في مشاريع تتراوح بين البحث الأكاديمي إلى النشر على نطاق المؤسسة عمليات نشر الرؤية الحاسوبية (CV) على نطاق المؤسسة.
لفهم الأداة، من الضروري التفريق بينها وبين مفاهيم الأساسية للشبكة العصبية (NN) التي سميت باسمها.
في حين أن المعلماتweights and biases) هي المكونات الرياضية التي يتم تحسينها أثناء التدريب عن طريق نزول التدرج العشوائي (SGD), فإن المنصةWeights & Biases) هي الأداة المستخدمة لمراقبة وتحليل عملية التحسين تلك.
توفر منصة W&B مجموعة من الأدوات التي تعالج تحديات محددة في مجال تطوير الذكاء الاصطناعي (AI) سير العمل.
تُستخدم Weights & Biases على نطاق واسع في الصناعات التي تتطلب التحقق الصارم من صحة النموذج والتطوير التعاوني.
دمج Weights & Biases مع الأطر الحديثة مثل PyTorch أو مكتبات محددة مثل Ultralytics مباشرة. تكتشف المكتبة تلقائيًا وجود W&B وتسجل المقاييس الرئيسية دون الحاجة إلى شيفرة برمجية واسعة النطاق.
يوضّح المثال التالي كيفية تدريب نموذج YOLO11 أثناء تسجيل التشغيل تلقائيًا على الأوزان و
التحيزات. تأكد من تشغيل pip install wandb والمصادقة عبر wandb login في
قبل تشغيل البرنامج النصي.
from ultralytics import YOLO
# Initialize the YOLO11 model using pre-trained weights
model = YOLO("yolo11n.pt")
# Train the model on the COCO8 dataset
# If 'wandb' is installed and logged in, training metrics are automatically
# uploaded to the Weights & Biases dashboard.
results = model.train(data="coco8.yaml", epochs=5, project="Ultralytics-WandB-Demo", name="yolo11-experiment")
يلتقط هذا التكامل مقاييس النظام، مثل GPU ومقاييس النموذج, مما يوفر رؤية شاملة لأداء التدريب. للحصول على رؤى أعمق، يمكن للمستخدمين استكشاف دليل تكاملUltralytics لتخصيص ما يتم تسجيله.
