اختر حجم نموذج Ultralytics YOLO
قارن بين أحجام YOLO26 n وs وm وl وx، واختبرها على العتاد المستهدف، واختر أصغر حجم يلائم ميزانية زمن الاستجابة.
إذا اخترت حجمًا كبيرًا جدًا، فسيعمل تطبيق كاميرا بمعدل 30 FPS عند 12 FPS؛ وإذا اخترت حجمًا صغيرًا جدًا، فستتنازل عن دقة كان نموذج أكبر سيحققها دون كلفة إضافية على GPU. وبما أن الحجم الذي تدرّبه هو نفسه الذي ستنشره، فعليك اتخاذ هذا القرار قبل بدء التدريب الطويل.
يتوفر YOLO26 بخمسة أحجام — n وs وm وl وx — للمهام السبع كلها: الكشف، والتجزئة، والتجزئة الدلالية، والتصنيف، وتقدير الوضعية، وOBB، والعمق. في هذا الدرس، ستحوّل معدل الإطارات إلى ميزانية زمنية بالمللي ثانية، وتقيس أداء نسختين مختلفتي الحجم على جهازك باستخدام وضع قياس الأداء، وتختار.
عملي
تعرّف إلى التشكيلة#
هذه هي أرقام الكشف الرسمية على COCO من وثائق YOLO26، وكلها عند 640 بكسل:
| النموذج | المعاملات (M) | FLOPs (B) | mAP50-95 | زمن CPU ONNX (مللي ثانية) | زمن T4 TensorRT10 (مللي ثانية) |
|---|---|---|---|---|---|
yolo26n | 2.4 | 5.5 | 40.9 | 38.9 | 1.7 |
yolo26s | 9.5 | 20.9 | 48.6 | 87.2 | 2.5 |
yolo26m | 20.4 | 68.4 | 53.1 | 220.0 | 4.7 |
yolo26l | 24.8 | 86.8 | 55.0 | 286.2 | 6.2 |
yolo26x | 55.7 | 194.4 | 57.5 | 525.8 | 11.8 |
يتوفر كل حجم لكل مهمة — بدّل اللاحقة، كما في yolo26s-seg.pt أو yolo26s-sem.pt أو yolo26s-depth.pt أو yolo26s-cls.pt أو yolo26s-pose.pt أو yolo26s-obb.pt. هل تنتقل من مشروع أقدم؟ يوضّح مقارنة YOLO11 وYOLO26 ما الذي يتغير.
اقرأ الجدول بهذا السؤال: «ما كلفة الانتقال إلى الحجم التالي؟»
| الانتقال | زيادة mAP | زيادة FLOPs | مضاعف زمن الاستجابة على CPU |
|---|---|---|---|
| n → s | +7.7 | ×3.8 | ×2.2 |
| s → m | +4.5 | ×3.3 | ×2.5 |
| m → l | +1.9 | ×1.3 | ×1.3 |
| l → x | +2.5 | ×2.2 | ×1.8 |
الخطوة الأولى هي الأفضل من حيث القيمة؛ وبعد m ترتفع كلفة كل نقطة من دقة COCO. كما أن COCO، بفئاتها الثمانين المتنوعة، أصعب من معظم المشاريع الفعلية: ففي مهمة محدودة، مثل منتج واحد على ناقل، غالبًا ما تكون نتائج n وs ضمن نقطة واحدة من m.
ابدأ من الميزانية#
تبلغ ميزانية زمن استدلال النموذج 1000 مللي ثانية ÷ معدل الإطارات المستهدف، ويتعين على النموذج مشاركتها مع فك الترميز والرسم ومنطقك الخاص. نقاط بداية نموذجية:
| الهدف | ابدأ بـ |
|---|---|
| هاتف أو Raspberry Pi أو متصفح أو جهاز آخر صغير من أجهزة الذكاء الاصطناعي الطرفي | n |
| CPU حاسوب محمول أو مكتبي، بمعدل 10–30 FPS | n، ثم s إذا توفّر هامش إضافي |
| GPU واحد، وفيديو في الزمن الحقيقي | s أو m |
| المعالجة الدفعية دون اتصال، مع إعطاء الأولوية للدقة | l أو x |
مثال تطبيقي: قياس حجمين#
يُصدّر وضع قياس الأداء النموذج، ويتحقق من صحته على coco8، ويقيس زمن الاستدلال على جهازك. يقيّد format=onnx التشغيل بتنسيق واحد كي يكتمل في ثوانٍ؛ اتركه دون تحديد لمقارنة جميع تنسيقات التصدير.
yolo benchmark model=yolo26n.pt imgsz=640 format=onnx
yolo benchmark model=yolo26s.pt imgsz=640 format=onnxنتائج فعلية على حاسوب محمول مزود بمعالج Apple M5 Pro:
| Format Status❔ Size (MB) metrics/mAP50-95(B) Inference time (ms/im) FPS |
| 1 ONNX ✅ 9.5 0.6693 13.87 72.08 | <- yolo26n
| 1 ONNX ✅ 36.5 0.6654 30.87 32.39 | <- yolo26sقراءة النتائج في ضوء ميزانية 30 إطارًا في الثانية (33 مللي ثانية):
yolo26n، 13.87 مللي ثانية: يناسب الميزانية مع بقاء 19 مللي ثانية لفك الترميز والرسم.yolo26s، 30.87 مللي ثانية: يناسب الميزانية من الناحية التقنية، لكن لا يترك مجالًا لأي شيء آخر. استغرق قياس الأداء نفسه 60 مللي ثانية عندما كانت مهام أخرى تعمل على الجهاز.Size (MB): حجم ملف ONNX، وهو مهم لتنزيل التطبيقات واستهلاك الذاكرة على الأجهزة المحمولة.metrics/mAP50-95(B): تجاهله هنا. يحتويcoco8على أربع صور للتحقق من الصحة؛ وهذا يكفي لإثبات أن التصدير يعمل، لكنه لا يكفي إطلاقًا لترتيب الدقة.
القرار: درّب yolo26n أولًا، واحتفظ بـ yolo26s عند imgsz أقل بوصفه خيارًا احتياطيًا.
تجنّب هذه الأخطاء#
العَرَض: يعمل نموذج بسرعة 70 إطارًا في الثانية على حاسوبك المحمول، لكنه يعمل بسرعة 8 إطارات في الثانية على الجهاز الطرفي. الحل: أجرِ القياس المعياري على الجهاز الذي سيشغّل النموذج، مع حمل واقعي — عمليات أخرى، وفك ترميز الكاميرا، وتنسيق وقت التشغيل الفعلي.
العَرَض: «كان s أسرع من n» في ملاحظاتك. السبب: استخدم أحد التشغيلين imgsz=480 أو تنسيقًا مختلفًا. الحل: قارن الأحجام باستخدام imgsz والتنسيق وحجم الدفعة نفسها، وغيّر متغيرًا واحدًا في كل مرة.
لا تدرّب x وتخطط لتصغيره لاحقًا إلى n باستخدام تقليص النموذج أو التكميم: فالبنية الأصغر تتطلب إعادة التدريب. اختر الحجم أولًا؛ وتعامل مع التكميم باعتباره تسريعًا إضافيًا فوق اختيار الحجم المناسب، لا بديلًا عنه.
تندرج الأعمال المتعمقة لتحسين زمن الاستجابة — مثل التجميع الكمي واختيار بيئة التشغيل — ضمن ضبط التكلفة وزمن الاستجابة في دورة الإنتاج، ويشرح دليل مقاييس الأداء كل رقم من أرقام الدقة.
عرض الحل
Budget: 30 FPS on a laptop CPU -> 33 ms per frame, shared with decode and drawing
Measured: ONNX at 640 -> yolo26n 13.9 ms (19 ms headroom), yolo26s 30.9 ms (none; 60 ms under load)
Decision: train yolo26n first. If accuracy on our val set falls short,
try yolo26s at imgsz=480 and re-benchmark before committing.