مسرد المصطلحات

PyTorch

اكتشف PyTorch ، إطار عمل التعلم الآلي المرن Python الأول الذي يدعم ابتكارات الذكاء الاصطناعي مثل Ultralytics YOLO . قم بالبناء بشكل أذكى وأسرع اليوم!

تدريب YOLO النماذج
ببساطة مع Ultralytics HUB

التعرف على المزيد

PyTorch هو إطار عمل بارز مفتوح المصدر للتعلم الآلي تم تطويره بشكل أساسي بواسطة Meta AI. وهو معروف بمرونته ونهجه Python ويوفر منصة بديهية للباحثين والمطورين لبناء نماذج التعلم العميق وتدريبها ونشرها. ويقلل تكامله السلس مع النظام البيئي الواسع لعلوم بيانات Python بما في ذلك مكتبات مثل NumPy، من عائق الدخول. يعمل PyTorch كإطار عمل أساسي للعديد من النماذج المتقدمة، بما في ذلك Ultralytics YOLO الشهيرة للكشف عن الكائنات في الوقت الحقيقي.

الميزات الرئيسية ل PyTorch

تتميز PyTorch بالعديد من الميزات الأساسية التي تجعلها الخيار المفضل للكثيرين في مجتمع الذكاء الاصطناعي:

تطبيقات PyTorch

يتيح تعدد استخدامات PyTorch إمكانية استخدامه عبر مجموعة واسعة من تطبيقات التعلم الآلي (ML):

أمثلة من العالم الحقيقي

  1. القيادة الذاتية: يتم استخدام PyTorch في تطوير أنظمة الإدراك للسيارات ذاتية القيادة. يمكن للنماذج المدرّبة باستخدام PyTorch إجراء الكشف عن الأشياء في الوقت الفعلي (تحديد المشاة والمركبات وإشارات المرور) والتجزئة الدلالية (فهم ممرات الطرق والأرصفة)، وهو أمر بالغ الأهمية للملاحة والسلامة. غالبًا ما تُستخدم نماذج Ultralytics YOLO المبنية على PyTorch في حلول السيارات.
  2. تحليل الصور الطبية: في مجال الرعاية الصحية، يساعد PyTorch في بناء نماذج لتحليل الفحوصات الطبية (الأشعة السينية والتصوير المقطعي المحوسب والتصوير بالرنين المغناطيسي). على سبيل المثال، يمكن استخدامه لتدريب نماذج للكشف عن الأورام أو تقسيم الأعضاء، ومساعدة أخصائيي الأشعة في التشخيص وتخطيط العلاج. وغالبًا ما تستفيد مبادرات مثل برنامج Bridge2AI التابع للمعاهد الوطنية للصحة من هذه الأطر.

PyTorch في النظام البيئي للذكاء الاصطناعي

PyTorch هو لاعب رئيسي إلى جانب أطر عمل أخرى مثل TensorFlow. بينما يقدم كلاهما أدوات قوية للتعلم العميق، إلا أنهما يختلفان في تصميم واجهة برمجة التطبيقات والمقاربات التاريخية للرسوم البيانية الحسابيةPyTorch الديناميكي مقابل نهج TensorFlow الثابت الأولي، على الرغم من أن TensorFlow يدعم الآن التنفيذ الديناميكي). يعتمد الاختيار غالبًا على احتياجات المشروع وإلمام الفريق. يمكن الاطلاع على مقارنة مفصّلة في منشور المدونة الخاص بنا استكشاف أطر عمل الذكاء الاصطناعي للرؤية. من المهم أيضًا التمييز بين PyTorch والمكتبات مثل OpenCV، والتي تركز على معالجة الصور وخوارزميات السيرة الذاتية التقليدية بدلاً من توفير إطار عمل شامل لبناء الشبكات العصبية وتدريبها(الصفحة الرئيسية لـ OpenCV).

تستفيد PyTorch من الدعم القوي عبر موقعPyTorch الرسمي على الويب، والوثائق الشاملة، والبرامج التعليمية، ومجتمع المطورين النابض بالحياة. تعمل منصات مثل Ultralytics HUB على تبسيط عملية تدريب النماذج المخصصة التي تم إنشاؤها باستخدام PyTorch وإدارة مجموعات البيانات، ونشرها بكفاءة. يمكنك البدء بسرعة باستخدام دليلUltralytics Quickstart.

قراءة الكل