كتب الذكاء الاصطناعيمشاريع الذكاء الاصطناعيمقالات الذكاء الاصطناعيمعجم الذكاء الاصطناعياسئلة واجوبة في الذكاء الاصطناعيأكاديمية الذكاء الاصطناعي للأطفالأكاديمية الذكاء الاصطناعيمدرسة رياضيات الذكاء الاصطناعيمختبر الذكاء الاصطناعيمختبر الخوارزميات المستوحاة من الطبيعةأطلس نماذج الذكاء الاصطناعيموسوعة تطبيقات الذكاء الاصطناعيمستكشف مجموعات البيانات للذكاء الاصطناعياختبارات الذكاء الاصطناعيالفايب كودينغدليل البرمجة بالذكاء الاصطناعيمولّد مشاريع الذكاء الاصطناعيمرصد الذكاء الاصطناعيدليل أدوات الذكاء الاصطناعي البحث والنشر الأكاديميمكتبة البرومبتات الأكاديميةمستودع الرسائل والأطاريح في الذكاء الاصطناعيحاسبة الترقية العلميةأكاديمية الوكلاء الذكيينمختبر أخلاقيات الذكاء الاصطناعي والعدالةساحة ألعاب الذكاء الاصطناعيعبقري الذكاء الاصطناعيمختبر التنبؤ بالسلاسل الزمنيةموسوعة أطر ومكتبات الذكاء الاصطناعيمتحف الذكاء الاصطناعيمختبر الرؤية الحاسوبيةموسوعة شبكات التعلم العميق الحديثةمختبر الشبكات العصبية البيانيةمختبر تحليل الصور الطبيةمختبر معالجة اللغة الطبيعيةمختبر الحوسبة الكمّيةخرائط طريق الذكاء الاصطناعيأكاديمية ماتلاب والذكاء الاصطناعيمصمم الشبكات العصبيةأكاديمية الذكاء الاصطناعي بدون برمجةمختبر الذكاء الاصطناعي الكمّي

تدريب YOLO على مجموعة بيانات مخصصة

تطبيقيكشف الأجسامكشف الأجسام

الهدف: تدريب كاشف أجسام وتقييمه وتصديره.

Python — example.py
from ultralytics import YOLO

model = YOLO("yolo11n.pt")
model.train(data="data.yaml", epochs=50, imgsz=640)
metrics = model.val()
print("mAP50-95:", metrics.box.map)
model.export(format="onnx")

شرح الكود

ملف data.yaml يحدد مسارات صور التدريب والتحقق وأسماء الفئات بصيغة YOLO. نبدأ من أوزان مدربة مسبقاً ثم نتدرب، ونقيّم بـ mAP، ونصدّر إلى ONNX. يحتاج تنزيل الأوزان ومجموعة بيانات، ويفضل GPU. انتبه إلى أن ترخيص Ultralytics هو AGPL-3.0.

المتطلبات

Shell
pip install ultralytics

طريقة التشغيل

احفظ الكود في ملف example.py ثم شغّله:

Shell
python example.py

لم يُنفّذ هذا المثال في بيئة الاختبار: يحتاج تنزيل أوزان YOLO ومجموعة بيانات راجعه على وثائق المكتبة قبل الاعتماد عليه.

المكتبات المستخدمة