Update docs predict, buttons, reference (#6585)

Signed-off-by: Glenn Jocher <glenn.jocher@ultralytics.com>

docs/ar/modes/index.md

@@ -44,34 +44,34 @@ YOLOv8 من Ultralytics ليست مجرد نموذج لكشف الكائنات
 
 يتم استخدام وضع التدريب لتدريب نموذج YOLOv8 على مجموعة بيانات مخصصة. في هذا الوضع، يتم تدريب النموذج باستخدام مجموعة البيانات والمعلمات الهايبر للحصول على دقة في توقع الفئات ومواقع الكائنات في الصورة.
 
-[أمثلة التدريب](train.md){ .md-button .md-button--primary}
+[أمثلة التدريب](train.md){ .md-button }
 
 ## [وضع التحقق](val.md)
 
 يتم استخدام وضع التحقق للتحقق من نموذج YOLOv8 بعد تدريبه. في هذا الوضع، يتم تقييم النموذج على مجموعة التحقق لقياس دقته وأداء التعميم. يمكن استخدام هذا الوضع لتعديل المعلمات الهايبر للنموذج لتحسين أدائه.
 
-[أمثلة التحقق](val.md){ .md-button .md-button--primary}
+[أمثلة التحقق](val.md){ .md-button }
 
 ## [وضع التنبؤ](predict.md)
 
 يتم استخدام وضع التنبؤ لإجراء تنبؤات باستخدام نموذج YOLOv8 المدرب على صور أو فيديوهات جديدة. في هذا الوضع، يتم تحميل النموذج من ملف الفحص، ويمكن للمستخدم توفير الصور أو مقاطع الفيديو لإجراء استدلال. يقوم النموذج بتوقع الفئات ومواقع الكائنات في الصور أو مقاطع الفيديو المدخلة.
 
-[أمثلة التنبؤ](predict.md){ .md-button .md-button--primary}
+[أمثلة التنبؤ](predict.md){ .md-button }
 
 ## [وضع التصدير](export.md)
 
 يتم استخدام وضع التصدير لتصدير نموذج YOLOv8 إلى صيغة يمكن استخدامها للنشر. في هذا الوضع، يتم تحويل النموذج إلى صيغة يمكن استخدامها من قبل تطبيقات البرامج الأخرى أو الأجهزة الأجهزة. يكون هذا الوضع مفيدًا عند نشر النموذج في بيئات الإنتاج.
 
-[أمثلة التصدير](export.md){ .md-button .md-button--primary}
+[أمثلة التصدير](export.md){ .md-button }
 
 ## [وضع التتبع](track.md)
 
 يتم استخدام وضع التتبع لتتبع الكائنات في الوقت الحقيقي باستخدام نموذج YOLOv8. في هذا الوضع، يتم تحميل النموذج من ملف الفحص، ويمكن للمستخدم توفير تيار فيديو مباشر لأداء تتبع الكائنات في الوقت الفعلي. يكون هذا الوضع مفيدًا لتطبيقات مثل أنظمة المراقبة أو السيارات ذاتية القيادة.
 
-[أمثلة التتبع](track.md){ .md-button .md-button--primary}
+[أمثلة التتبع](track.md){ .md-button }
 
 ## [وضع اختبار الأداء](benchmark.md)
 
 يتم استخدام وضع اختبار الأداء لتقييم سرعة ودقة صيغ التصدير المختلفة لـ YOLOv8. تقدم الاختبارات معلومات حول حجم الصيغة المصدر، معيار الأداء `mAP50-95` (لكشف الكائنات والتقسيم والتصوير) أو المعيار `accuracy_top5` (للتصنيف)، ووقت الاستدلال بالملي ثانية لكل صورة في صيغ التصدير المختلفة مثل ONNX و OpenVINO و TensorRT وغيرها. يمكن لهذه المعلومات مساعدة المستخدمين على اختيار صيغة التصدير الأمثل لحالتهم الاستخدامية المحددة بناءً على متطلبات السرعة والدقة.
 
-[أمثلة اختبار الأداء](benchmark.md){ .md-button .md-button--primary}
+[أمثلة اختبار الأداء](benchmark.md){ .md-button }

docs/ar/quickstart.md

@@ -202,7 +202,7 @@ keywords: تثبيت Ultralytics, pip install Ultralytics, Docker install Ultral
     - `yolo predict model=yolov8n.pt, imgsz=640, conf=0.25`  ❌ (لا تستخدم `,`)
     - `yolo predict --model yolov8n.pt --imgsz 640 --conf 0.25`  ❌ (لا تستخدم `--`)
 
-[دليل CLI](/../usage/cli.md){ .md-button .md-button--primary}
+[دليل CLI](/../usage/cli.md){ .md-button }
 
 ## استخدم Ultralytics مع Python
 

docs/ar/tasks/index.md

@@ -30,25 +30,25 @@ YOLOv8 هو إطار ذكاء اصطناعي يدعم عدة **مهام** للر
 
 الكشف هو المهمة الأساسية المدعومة بواسطة YOLOv8. يتضمن الكشف اكتشاف الكائنات في صورة أو إطار فيديو ورسم مربعات محيطة حولها. يتم تصنيف الكائنات المكتشفة إلى فئات مختلفة استنادًا إلى ميزاتها. يمكن لـ YOLOv8 اكتشاف أكثر من كائن واحد في صورة أو إطار فيديو واحد بدقة وسرعة عالية.
 
-[أمثلة للكشف](detect.md){ .md-button .md-button--primary}
+[أمثلة للكشف](detect.md){ .md-button }
 
 ## [التجزئة](segment.md)
 
 التجزئة هي مهمة تتضمن تقسيم صورة إلى مناطق مختلفة استنادًا إلى محتوى الصورة. يتم تعيين علامة لكل منطقة استنادًا إلى محتواها. تعتبر هذه المهمة مفيدة في تطبيقات مثل تجزئة الصور وتصوير الطبية. يستخدم YOLOv8 نسخة معدلة من هندسة U-Net لأداء التجزئة.
 
-[أمثلة للتجزئة](segment.md){ .md-button .md-button--primary}
+[أمثلة للتجزئة](segment.md){ .md-button }
 
 ## [التصنيف](classify.md)
 
 التصنيف هو مهمة تتضمن تصنيف صورة إلى فئات مختلفة. يمكن استخدام YOLOv8 لتصنيف الصور استنادًا إلى محتواها. يستخدم نسخة معدلة من هندسة EfficientNet لأداء التصنيف.
 
-[أمثلة للتصنيف](classify.md){ .md-button .md-button--primary}
+[أمثلة للتصنيف](classify.md){ .md-button }
 
 ## [تقدير الوضعية](pose.md)
 
 تقدير الوضعية/النقاط الرئيسية هو مهمة تتضمن اكتشاف نقاط محددة في صورة أو إطار فيديو. يُشار إلى هذه النقاط بمصطلح النقاط الرئيسية وتُستخدم لتتبع الحركة أو تقدير الوضعية. يمكن لـ YOLOv8 اكتشاف النقاط الرئيسية في صورة أو إطار فيديو بدقة وسرعة عالية.
 
-[أمثلة لتقدير الوضعية](pose.md){ .md-button .md-button--primary}
+[أمثلة لتقدير الوضعية](pose.md){ .md-button }
 
 ## الاستنتاج