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 الزمنيةمتحف 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

نشر نماذج الذكاء الاصطناعي

مقدمة إلى النشر وMATLAB Compiler

Introduction to Deployment and MATLAB Compiler

متوسط 35 دقيقة

خريطة خيارات النشر في MATLAB: تطبيقات مستقلة وتطبيقات ويب وMATLAB Production Server ومكتبات Python/Java/.NET وتوليد الكود، مع تجهيز دالة للنشر وحفظ النموذج.

ستتعلم في هذا الدرس

  • اختيار المنتج المناسب حسب الهدف (مستخدم نهائي، خادم، عتاد مدمج)
  • تجهيز دالة تنبؤ نظيفة بمدخلات ومخرجات محددة
  • حفظ النموذج وتحميله للنشر
  • بناء تطبيق مستقل أو حزمة Python بـ MATLAB Compiler

خريطة الخيارات

الهدفالمنتجالناتج
مستخدم بلا MATLAB على حاسوبهMATLAB Compilerتطبيق .exe أو تطبيق ويب + MATLAB Runtime
تطبيق Python أو Java أو .NETMATLAB Compiler SDKحزمة تستدعي الدوال
خدمة على خادم لعدة مستخدمينMATLAB Production Serverواجهة REST/JSON
معالج مدمج أو حاسوب حافةMATLAB Coder / Embedded Coderكود C/C++
NVIDIA Jetson أو GPUGPU Coderكود CUDA
FPGADeep Learning HDL Toolbox / HDL Coderتصميم عتادي

دالة جاهزة للنشر

function label = scoreApplicant(features) %#codegen
%SCOREAPPLICANT نموذج لوجستي صغير جاهز للنشر بأوزان ثابتة
    arguments_ok = isnumeric(features) && numel(features) == 3 && all(isfinite(features));
    if ~arguments_ok
        error('deploy:badInput', 'Expected 3 finite numeric features.');
    end
    mu = [35 50000 2];  sd = [10 15000 1.5];      % إحصاءات التطبيع من التدريب
    w = [0.8 1.2 -0.6];  b = -0.2;
    z = sum(w .* (features(:)' - mu) ./ sd) + b;
    p = 1 / (1 + exp(-z));
    label = double(p >= 0.5);
end
cases = {[30 60000 1], [50 30000 4], [28 45000 2]};
for k = 1:numel(cases)
    fprintf('input %s -> label %d\n', mat2str(cases{k}), scoreApplicant(cases{k}));
end
try
    scoreApplicant([1 2]);
catch err
    fprintf('rejected bad input: %s\n', err.identifier);
end
الناتج الفعلي (شُغِّل في GNU Octave 8.4 أثناء إعداد الدرس، والطباعة بـ fprintf/disp فتطابق MATLAB)
input [30 60000 1] -> label 1
input [50 30000 4] -> label 0
input [28 45000 2] -> label 0
rejected bad input: deploy:badInput

الأوزان وإحصاءات التطبيع هنا أمثلة توضيحية وليست نموذجاً مدرباً على بيانات حقيقية. اختبر دالة النشر بحالات معروفة وحالات خاطئة قبل البناء.

حفظ النموذج وتحميله

% نماذج Statistics Toolbox: صيغة مخصصة لتوليد الكود والنشر
mdl = fitcsvm(X, y, 'Standardize', true);
saveLearnerForCoder(compact(mdl), 'svmModel');
% داخل دالة النشر:
% m = loadLearnerForCoder('svmModel'); label = predict(m, x);
% شبكات Deep Learning Toolbox:
save('net.mat', 'net');

يتطلب هذا الكود: Statistics and Machine Learning Toolbox، Deep Learning Toolbox. لم يُشغَّل في بيئة إعداد الدرس لعدم توفر الـ Toolbox، لذلك لا نعرض أرقاماً من عندنا؛ شغّله في MATLAB لديك وقارن النتائج.

البناء بـ MATLAB Compiler

% تطبيق مستقل (R2020b+)
results = compiler.build.standaloneApplication('scoreApp.m', 'ExecutableName', 'ScoreApp');
% حزمة Python (Compiler SDK)
compiler.build.pythonPackage('scoreApplicant.m', 'PackageName', 'scorer');
% في Python بعد التثبيت:
%   import scorer; h = scorer.initialize(); h.scoreApplicant(matlab.double([30, 60000, 1]))

يتطلب هذا الكود: MATLAB Compiler. لم يُشغَّل في بيئة إعداد الدرس لعدم توفر الـ Toolbox، لذلك لا نعرض أرقاماً من عندنا؛ شغّله في MATLAB لديك وقارن النتائج.

scoreApp.m سكربت أو دالة بواجهة؛ يحتاج المستخدم النهائي تثبيت MATLAB Runtime بالإصدار نفسه.

خلاصة الدرس

  • MATLAB Compiler: تطبيقات مستقلة وويب تعمل بـ MATLAB Runtime المجاني دون ترخيص MATLAB.
  • MATLAB Compiler SDK: مكتبات لـ Python وJava و.NET وC++ وخدمات Production Server.
  • MATLAB Coder وGPU Coder: كود C/C++ وCUDA مستقل تماماً عن MATLAB.
  • افصل التدريب عن التنبؤ: دالة النشر تحمّل نموذجاً محفوظاً ولا تدرّب.
  • ضمّن إحصاءات التطبيع داخل دالة النشر حتى لا تختلف المعالجة.

شُغّل test_scoreApplicant.m مع scoreApplicant.m في GNU Octave 8.4. أمثلة Compiler لم تُشغّل.

المتطلبات البرمجية

  • MATLAB
  • MATLAB Compiler

بعض هذه الأدوات (Toolboxes) تُرخَّص منفصلة عن MATLAB. تحقق من توفرها بالأمر ver في Command Window.

المراجع

تحقّق من فهمك