نشر النموذج

ما هي عملية النشر؟

يتضمن نشر النموذج أكثر من مجرد حفظ أوزان النموذج المدرّب. إنها عملية متعددة الخطوات تضمن أداء النموذج بكفاءة وموثوقية في بيئته المستهدفة.

1. تحسين النموذج: قبل النشر، غالبًا ما يتم تحسين النماذج من حيث السرعة والحجم. وتؤدي تقنيات مثل تكميم الن ماذج وتشذيب النماذج إلى تقليل الموارد الحاسوبية المطلوبة للاستدلال في الوقت الحقيقي دون انخفاض كبير في الدقة.
2. تصدير النموذج: يتم بعد ذلك تحويل النموذج المحسّن إلى تنسيق مناسب للمنصة المستهدفة. يمكن تصدير نماذج Ultralytics، على سبيل المثال، إلى تنسيقات مختلفة مثل ONNX و TensorRT و CoreML، مما يجعلها متعددة الاستخدامات للغاية.
3. التعبئة والتغليف: يتم تجميع النموذج وجميع تبعياته (مثل مكتبات وأطر عمل محددة) معًا. يعد استخدام الحاويات باستخدام أدوات مثل Docker ممارسة شائعة، حيث إنها تخلق بيئة محمولة ومكتفية ذاتيًا تضمن تشغيل النموذج بشكل متسق في كل مكان.
4. الخدمة: يتم نشر النموذج المعبأ على خادم أو جهاز حيث يمكنه قبول الطلبات عبر واجهة برمجة التطبيقات. هذا المكون، المعروف باسم خدمة النموذج، مسؤول عن معالجة البيانات الواردة وإرجاع التنبؤات.
5. المراقبة: بعد النشر، تعتبر المراقبة المستمرة للنموذج ضرورية. ويتضمن ذلك تتبع مقاييس الأداء ووقت الاستجابة واستخدام الموارد لضمان عمل النموذج كما هو متوقع واكتشاف المشاكل مثل انحراف البيانات.

بيئات النشر

يمكن نشر النماذج في مجموعة متنوعة من البيئات، ولكل منها مزاياها وتحدياتها الخاصة.

• المنصات السحابية: تقدم خدمات مثل Amazon Web Services (AWS) وGoogle Cloud Platform (GCP) وMicrosoft Azure بنية تحتية قوية وقابلة للتطوير لاستضافة النماذج المعقدة.
• الخوادم المحلية: يمكن للمؤسسات ذات المتطلبات الصارمة لخصوصية البيانات أو تلك التي تحتاج إلى تحكم كامل في بنيتها التحتية أن تنشر النماذج على خوادمها الخاصة.
• أجهزة الذكاء الاصطناعي المتطورة: يتضمن الذكاء الاصطناعي المتطور نشر النماذج مباشرةً على الأجهزة المحلية، مثل الهواتف الذكية أو الطائرات بدون طيار أو أجهزة الاستشعار الصناعية أو الأجهزة المتخصصة مثل NVIDIA Jetson. هذا النهج مثالي للتطبيقات التي تتطلب وقت استجابة منخفض للاستدلال وقدرات غير متصلة بالإنترنت.
• متصفحات الويب: يمكن تشغيل النماذج مباشرةً في متصفح الويب باستخدام أطر عمل مثل TensorFlow.js، مما يتيح تجارب الذكاء الاصطناعي التفاعلية دون معالجة من جانب الخادم.

التطبيقات الواقعية

• مراقبة جودة التصنيع: يمكن نشر نموذج Ultralytics YOLO المدرب على اكتشاف العيوب على جهاز حافة على أرضية المصنع. يتم دمج النموذج، الذي تم تحسينه باستخدام TensorRT لتحقيق إنتاجية عالية، مع كاميرا تطل على حزام ناقل. ويقوم بالكشف عن الأجسام في الوقت الفعلي لتحديد المنتجات المعيبة، وإرسال إشارة فورية إلى ذراع روبوتية لإزالتها. تحدث هذه العملية بأكملها محلياً، مما يقلل من تأخير الشبكة ويضمن اتخاذ إجراء فوري. لمزيد من المعلومات، راجع كيفية تطبيق الذكاء الاصطناعي في التصنيع.
• تحليلات التجزئة الذكية: يتم نشر نموذج رؤية حاسوبية لإحصاء الأشخاص وتتبعهم على خوادم سحابية. تقوم الكاميرات الموجودة في متجر بيع بالتجزئة ببث الفيديو إلى السحابة، حيث يقوم النموذج بمعالجة التغذية لإنشاء خرائط حرارية لتدفق العملاء وتحليل أنماط التسوق. تتم إدارة التطبيق باستخدام Kubernetes للتعامل مع الأحمال المتفاوتة من متاجر متعددة، مما يوفر رؤى قيمة لإدارة المخزون وتحسين تخطيط المتجر.

نشر النماذج وخدمة النماذج وخدمة النماذج وعمليات التشغيل الآلي

وعلى الرغم من ارتباط هذه المصطلحات ببعضها البعض بشكل وثيق، إلا أنها متمايزة.

• نشر النموذج مقابل خدمة النموذج: النشر هو العملية الكاملة من البداية إلى النهاية لأخذ نموذج مدرب وتشغيله. أما خدمة النموذج فهي مكون محدد من مكونات النشر يشير إلى البنية التحتية المسؤولة عن تشغيل النموذج والاستجابة لطلبات التنبؤ، وغالبًا ما يكون ذلك عبر واجهة برمجة التطبيقات.
• نشر النماذج مقابل عمليات التعلم الآلي: عمليات التعلم الآلي هي مجموعة واسعة من الممارسات التي تشمل دورة حياة الذكاء الاصطناعي بأكملها. ويُعد النشر مرحلة حاسمة في إطار عمليات التعلم الآلي (MLOps)، والتي تشمل أيضًا إدارة البيانات، والتدريب على النماذج، وإصدار النماذج، والمراقبة المستمرة وإعادة التدريب. وتوفر منصات مثل Ultralytics HUB بيئة متكاملة لإدارة سير العمل بأكمله، بدءاً من تدريب النماذج المخصصة إلى النشر والمراقبة السلسة.