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

TorchVision

torchvision

مكتبة الرؤية الرسمية لـ PyTorch: مجموعات بيانات ونماذج مدربة مسبقاً وتحويلات للصور والأقنعة والصناديق.

نشطةمبتدئv0.29.2BSDالرؤية الحاسوبية ومعالجة الصور

الوثائق الرسميةجرّب الأمثلة

المعلومات الأساسية

الاسمTorchVision
الاسم الكاملtorchvision
التصنيفالرؤية الحاسوبية ومعالجة الصور
الجهة المطورةفريق PyTorch
سنة الإطلاقغير محدد
الموقع الرسميgithub.com/pytorch/vision
مستودع GitHubpytorch/vision
الوثائق الرسميةغير محدد
الحزمة على PyPItorchvision
الترخيصBSD (PyPI license)
حالة المشروعنشطة صدر لها إصدار خلال آخر 12 شهراً
آخر إصدار28 أكتوبر 2026 (الإصدار 0.29.2)
لغة البرمجةPython، C++
أنظمة التشغيلغير محدد
إصدار Python المطلوب!=3.14.1,>=3.10
مستوى الصعوبةمبتدئ

آخر تحقق من هذه البيانات: 21 نوفمبر 2026 — المصدر: PyPI JSON API (2026-11-21)

نظرة عامة

توفر TorchVision مجموعات بيانات مثل CIFAR وImageNet (واجهات تحميل)، ونماذج تصنيف وكشف وتجزئة بأوزان مدربة مسبقاً (ResNet وViT وFaster R-CNN وMask R-CNN وغيرها)، وتحويلات v2 تدعم الصناديق والأقنعة.

يجب أن يتوافق إصدارها مع إصدار PyTorch المثبت؛ راجع جدول التوافق في المستودع الرسمي.

متى تختارها؟ اخترها مع PyTorch لنقل التعلم والنماذج والتحويلات القياسية.

الاستخدامات

الاستخدامات الرئيسية

  • تحميل مجموعات بيانات قياسية
  • نماذج مدربة مسبقاً لنقل التعلم
  • تحويلات وزيادة الصور

المجالات العلمية

  • الرؤية الحاسوبية
  • الصور الطبية

أنواع المشاريع المناسبة

  • نقل التعلم لتصنيف الصور

تطبيقات بحثية

  • خطوط أساس قياسية بأوزان ImageNet

تصنيف الصوركشف الأجسامتجزئة الصورزيادة البيانات

الخصائص التقنية

تُعرض الخاصية «مدعومة» فقط إذا كانت موثقة في الوثائق الرسمية للمكتبة؛ وما لم نتحقق منه يظهر «غير محدد».

دعم المعالج المركزي (CPU)مدعوم
دعم المعالج الرسومي (GPU)مدعوم
التوافق مع CUDAمدعوم
التدريب أو الحوسبة الموزعةلا ينطبق
الاشتقاق التلقائي (Autodiff)مدعومعبر PyTorch.
نشر النماذج (Deployment)مدعوم
نماذج مدربة مسبقاًمدعوم
أنواع البيانات المدعومةموترات PyTorch وصور PIL
التكامل مع مكتبات أخرىPyTorch، Pillow، timm
المرونة (تقدير تحريري)متوسطة
الأداء (تقدير تحريري)عالية
المجتمع (تقدير تحريري)ضخم
جودة التوثيق (تقدير تحريري)توثيق رسمي

التثبيت والتشغيل

Shell
pip install torchvision

التوافق: Python !=3.14.1,>=3.10 — حسب بيانات الحزمة على PyPI، تحقق في 21 نوفمبر 2026

يُفضّل التثبيت داخل بيئة افتراضية (venv أو conda). وإذا احتجت توافقاً مع إصدار معين من CUDA أو نظام التشغيل فارجع إلى الوثائق الرسمية، لأن هذه المعلومات تتغير مع كل إصدار.

أمثلة برمجية

الأمثلة الموسومة «نُفّذ واختُبر» شُغّلت فعلياً وسُجّل مخرجها وتاريخ الاختبار وإصدارات المكتبات؛ وغيرها يحتاج GPU أو تنزيل نماذج فلم يُشغّل في بيئة الاختبار.

مبتدئتحويلات الصور ونموذج ResNet من torchvisionنُفّذ واختُبر

الهدف: تجهيز صورة بالتحويلات القياسية وتمريرها إلى ResNet-18.

Python — example.py
import numpy as np, torch
from PIL import Image
from torchvision import models
from torchvision.transforms import v2

img = Image.fromarray((np.random.default_rng(0).random((300, 400, 3)) * 255).astype("uint8"))
tf = v2.Compose([v2.ToImage(), v2.Resize(256), v2.CenterCrop(224),
                 v2.ToDtype(torch.float32, scale=True),
                 v2.Normalize(mean=[0.485, 0.456, 0.406], std=[0.229, 0.224, 0.225])])
x = tf(img).unsqueeze(0)
model = models.resnet18(weights=None, num_classes=4).eval()
with torch.no_grad():
    out = model(x)
print("شكل المدخل:", tuple(x.shape))
print("شكل المخرج:", tuple(out.shape))
print("عدد المعاملات (مليون):", round(sum(p.numel() for p in model.parameters()) / 1e6, 2))

شرح الكود

ننشئ صورة PIL اصطناعية ونطبق تحويلات v2 (تغيير الحجم، القص، التحويل إلى موتر، التطبيع). نستخدم weights=None لأن تنزيل الأوزان المدربة يحتاج اتصالاً؛ في مشروعك استخدم ResNet18_Weights.DEFAULT للنقل التعلمي.

المتطلبات

Shell
pip install torch torchvision pillow

طريقة التشغيل

احفظ الكود في ملف example.py ثم شغّله:

Shell
python example.py

المخرجات المسجلة عند الاختبار

شكل المدخل: (1, 3, 224, 224)
شكل المخرج: (1, 4)
عدد المعاملات (مليون): 11.18

نُفّذ هذا المثال فعلياً واختُبر بتاريخ 21 نوفمبر 2026 على CPU — torch 2.15.0, torchvision 0.29.2, pillow 13.0.0, python 3.13.18

صفحة المثال

كل أمثلة TorchVision في مستكشف الأكواد

المزايا

  • رسمية ومتكاملة مع PyTorch
  • نماذج مدربة جاهزة

القيود

  • تشكيلة النماذج أصغر من timm
  • يجب مطابقة الإصدار مع PyTorch

المراجع والتحقق

سجل الإصدارات المتحقق منها

الإصدارتاريخ الإصدارتاريخ التحقق
0.29.228 أكتوبر 202621 نوفمبر 2026

آخر مراجعة لمعلومات الصفحة: 21 نوفمبر 2026. الوصف العربي مكتوب أصلياً للموسوعة وليس منقولاً من المواقع الرسمية.

أبلغ عن معلومة تحتاج تحديثاً