HongChuang/ultralytics-ascend
1
0
Fork 0
Code Issues Pull requests Projects Releases Packages Wiki Activity Actions 3

Add Hindi हिन्दी and Arabic العربية Docs translations (#6428)

Browse source 
Signed-off-by: Glenn Jocher <glenn.jocher@ultralytics.com>
Co-authored-by: pre-commit-ci[bot] <66853113+pre-commit-ci[bot]@users.noreply.github.com>
This commit is contained in:
Glenn Jocher 2023-11-18 21:51:47 +01:00 • committed by GitHub
parent b6baae584c
commit 02bf8003a8
No known key found for this signature in database
GPG key ID: 4AEE18F83AFDEB23
337 changed files with 6584 additions and 777 deletions
Download patch file Download diff file Expand all files Collapse all files

16
docs/ru/modes/train.md
View file

@ -41,7 +41,7 @@ keywords: Ultralytics, YOLOv8, YOLO, обнаружение объектов, р
- **Настройка гиперпараметров:** Возможность изменения гиперпараметров через файлы конфигурации YAML или аргументы CLI.
- **Визуализация и мониторинг:** Отслеживание метрик обучения в реальном времени и визуализация процесса обучения для лучшего понимания.
!!! tip "Совет"
!!! Tip "Совет"
* Наборы данных YOLOv8, такие как COCO, VOC, ImageNet и многие другие, автоматически загружаются при первом использовании, например, `yolo train data=coco.yaml`
@ -49,7 +49,7 @@ keywords: Ultralytics, YOLOv8, YOLO, обнаружение объектов, р
Обучение YOLOv8n на наборе данных COCO128 в течение 100 эпох с размером изображения 640. Устройство для обучения может быть указано с помощью аргумента `device`. Если аргумент не передан, будет использоваться GPU `device=0`, если доступен, в противном случае будет использоваться `device=cpu`. Смотрите раздел Аргументы ниже для полного списка аргументов обучения.
!!! example "Пример обучения на одном GPU и CPU"
!!! Example "Пример обучения на одном GPU и CPU"
Устройство определяется автоматически. Если доступен GPU, то он будет использован, иначе обучение начнется на CPU.
@ -84,7 +84,7 @@ keywords: Ultralytics, YOLOv8, YOLO, обнаружение объектов, р
Обучение на нескольких GPU позволяет более эффективно использовать доступные аппаратные ресурсы, распределяя нагрузку по обучению на несколько GPU. Эта функция доступна как через Python API, так и через командный интерфейс. Чтобы включить обучение на нескольких GPU, укажите идентификаторы устройств GPU, которые вы хотите использовать.
!!! example "Пример обучения на нескольких GPU"
!!! Example "Пример обучения на нескольких GPU"
Чтобы обучить с использованием 2 GPU, устройств CUDA 0 и 1 используйте следующие команды. Расширьте до дополнительных GPU по мере необходимости.
@ -113,7 +113,7 @@ keywords: Ultralytics, YOLOv8, YOLO, обнаружение объектов, р
Чтобы запустить обучение на чипах Apple M1 и M2, вы должны указать 'mps' в качестве вашего устройства при запуске процесса обучения. Ниже приведены примеры использования Python и командной строки:
!!! example "Пример обучения с MPS"
!!! Example "Пример обучения с MPS"
=== "Python"
@ -148,7 +148,7 @@ keywords: Ultralytics, YOLOv8, YOLO, обнаружение объектов, р
Чтобы использовать Comet:
!!! example ""
!!! Example "Пример"
=== "Python"
```python
@ -166,7 +166,7 @@ keywords: Ultralytics, YOLOv8, YOLO, обнаружение объектов, р
Чтобы использовать ClearML:
!!! example ""
!!! Example "Пример"
=== "Python"
```python
@ -184,7 +184,7 @@ keywords: Ultralytics, YOLOv8, YOLO, обнаружение объектов, р
Чтобы использовать TensorBoard в [Google Colab](https://colab.research.google.com/github/ultralytics/ultralytics/blob/main/examples/tutorial.ipynb):
!!! example ""
!!! Example "Пример"
=== "CLI"
```bash
@ -194,7 +194,7 @@ keywords: Ultralytics, YOLOv8, YOLO, обнаружение объектов, р
Чтобы использовать TensorBoard локально, запустите приведенную ниже команду и просмотрите результаты по адресу http://localhost:6006/.
!!! example ""
!!! Example "Пример"
=== "CLI"
```bash