AIUnlimited
🌳

أسس الذكاء الاصطناعي

🌱
AI Seeds

Start from zero

🌿
AI Sprouts

Build foundations

🌳
AI Branches

Apply in practice

🏕️
AI Canopy

Go deep

🌲
AI Forest

Master AI

🔨

إتقان الذكاء الاصطناعي

✏️
AI Sketch

Start from zero

🪨
AI Chisel

Build foundations

⚒️
AI Craft

Apply in practice

💎
AI Polish

Go deep

🏆
AI Masterpiece

Master AI

📘

تطبيق الذكاء الاصطناعي

📖
فهم النماذج مفتوحة المصدر

أسس وموارد للنماذج مفتوحة المصدر

🎯
من المشكلة إلى مهمة النموذج

تحويل مشاكل الأعمال إلى مهام نموذجية

⚡
تشغيل نموذجك الأول

شاهد نتائجك الأولى في 30 دقيقة

🔧
التحسين الدقيق والتقييم

حسّن النماذج وقيّم الأداء

🚀
أنظمة التطبيقات

بناء تطبيقات ذكاء اصطناعي واقعية

🎨
الذكاء الاصطناعي التوليدي

استكشف نماذج AIGC مفتوحة المصدر

🤖
الوكيل

تعلم أطر عمل الوكيل وأدوات MCP

📐
أسس تكميلية

أساسيات LLM والتقييم

🎓

أكاديمية كلاود

🤖
Claude 101

Learn AI basics with Claude

💻
Claude Code 101

Code with Claude as your pair programmer

🤝
Introduction to Claude Cowork

Collaborate with Claude on complex projects

⚙️
Claude Platform 101

Build apps with the Claude API

المختبر

تم تحميل 7 تجارب
🧬ملعب الشبكة العصبية🤖ذكاء اصطناعي أم إنسان؟🥋دوجو التوجيهات🏁سباق الخوارزميات🧠مسابقة معلومات الذكاء الاصطناعي🏗️لوحة تصميم النظام
🎯مقابلة تجريبيةدخول المختبر→
🚀

التطوير المهني

🚀
منصة انطلاق المقابلات

ابدأ رحلتك

🌟
إتقان المقابلات السلوكية

أتقن المهارات الشخصية

💻
المقابلات التقنية

تفوّق في جولة البرمجة

🤖
مقابلات الذكاء الاصطناعي وتعلم الآلة

إتقان مقابلات تعلم الآلة

🏆
العرض وما بعده

احصل على أفضل عرض

ابدأ الآن
AIUnlimited

رخصة MIT

沪ICP备18025655号-11

تعلّم

  • أساسيات الذكاء الاصطناعي
  • تطبيق الذكاء الاصطناعي
  • أكاديمية كلاود
  • المختبر
  • التطوير المهني

المجتمع

  • عن المنصة
  • الأسئلة الشائعة

الدعم

  • footer.terms
  • footer.privacy
  • footer.contact
البرامج الأكاديمية للذكاء الاصطناعي والهندسة›📖 فهم النماذج مفتوحة المصدر›الدروس›Free Resources for Open-Source Models
🆓
فهم النماذج مفتوحة المصدر • مبتدئ⏱️ 10 دقيقة للقراءة

Free Resources for Open-Source Models

لا موارد؟ لا يزال بإمكانك اللعب بنماذج مفتوحة المصدر - موارد مجانية هنا

تم العثور على النموذج والبيانات جاهزة، لكنك عالق في المشكلة الأخيرة — لا موارد للتشغيل,

جهازك ليس لديه GPU، أو ليس لديه VRAM كافٍ، أو حتى RAM غير كافٍ — هذا مؤلم~

لا تقلق، يمكنك استخدام الموارد المجانية المقدمة من ModelScope أولاً,

ModelScope Notebook يضع بيئة التطوير في السحابة. افتح المتصفح ويمكنك كتابة الكود ومعالجة البيانات وتجربة استنتاج النماذج والتحسين الدقيق على نطاق صغير ضمن حصص GPU المجانية.

عند البدء في تعلم النماذج مفتوحة المصدر، لا تحتاج لشراء جهاز جديد أولاً. قم بتجربة صغيرة لمعرفة الموارد التي تحتاجها فعلاً.

كم من الموارد المجانية؟ تحقق قبل الاستخدام

يوفر ModelScope بيئات CPU مجانية وبيئات GPU مع حد زمني. الموارد المجانية تشمل,

المورد

الإعداد والحصة

ما يمكن عمله أولاً

بيئة CPU

معالج CPU بـ 8 أنوية وذاكرة 32GB، مدة الاستخدام المجاني غير محدودة

تنزيل الملفات ومعالجة البيانات وتصحيح الكود

بيئة GPU

NVIDIA A10 وذاكرة فيديو 24GB، مدة مجانية 36 ساعة

مناسب لاستدلال النماذج بهذا حجم الذاكرة والتحسين الدقيق بمقياس صغير

مساحة التخزين

تخزين دائم 100GB

حفظ الكود والنماذج والبيانات ونتائج التجارب

افتح المتصفح وأولاً شغّل Notebook

سجّل الدخول إلى ModelScope، انتقل إلى دفتر الملاحظات الخاص بي. إذا طُلب ربط الحساب أو المصادقة، اتبع التعليمات، ثم اختر بيئة CPU أو GPU. بعد ذلك، انقر على 'بدء' وانتظر إنشاء المثيل.

رسم توضيحي

بعد جاهزية المثيل، انقر لعرض Notebook والدخول إلى صفحة التطوير. ستظهر دعوة لتجربة الإصدار الجديد.

رسم توضيحي

أين يتم تخزين الملفات — تذكر هذا

بعد الدخول إلى البيئة، يمكنك رفع الكود والبيانات في منطقة الملفات على اليسار، وتنزيل النتائج محلياً.

رسم توضيحي

الملفات التي تحتاج الحفظ يجب وضعها في دليل /mnt/workspace. التخزين الدائم بحجم 100GB المقدم من ModelScope مُثبّت هنا. الملفات في مسارات أخرى لن تُحتفظ بها بعد الإغلاق.

يمكنك إنشاء مجلدات للنماذج والبيانات والمخرجات في هذا الدليل. نفّذ الأمر التالي في الطرفية.

mkdir -p /mnt/workspace/models /mnt/workspace/data /mnt/workspace/outputs

عند تنزيل النماذج، يمكنك تحديد موقع الحفظ مباشرة.

الدرس 4 من 40٪ مكتمل
←Data: The Foundation of Fine-Tuning

مناقشة

تسجيل الدخول للانضمام إلى النقاش

from modelscope import snapshot_download

model_dir = snapshot_download(
    'Qwen/Qwen3-0.6B',
    local_dir='/mnt/workspace/models/Qwen3-0.6B',
)
print(model_dir)

إذا أردت معرفة مساحة التخزين المستخدمة، نفّذ الأمر التالي في الطرفية.

du -sh /mnt/workspace

ملفات النماذج تستهلك مساحة كبيرة. الإصدارات غير الضرورية يمكن تنظيفها. الكود المهم والنتائج يمكن تنزيلها دورياً محلياً.

نفّذ سطر كود أولاً، ثم يصبح الأمر أسهل

أنشئ ملفاً جديداً test.ipynb في منطقة الملفات، افتحه وأضف خلية كود. اكتب سطر Python بسيطاً في المرة الأولى.

print('مرحباً، ModelScope Notebook!')

انقر على زر التشغيل على يسار خلية الكود، وسيظهر الناتج أدناه.

رسم توضيحي

عند الحاجة لتثبيت ModelScope، نفّذ الأمر التالي في خلية كود.

%pip install -U modelscope

ثم أنشئ خلية جديدة والصق كود التنزيل السابق. لقراءة البيانات، أضف أمثلة MsDataset.load.

مزايا Notebook أن الكود والشرح والنتائج يمكن أن تكون في ملف واحد.

انتهت التجربة؟ لا تترك GPU يعمل

GPUs المجانية لها حد زمني. تذكر إيقاف المثيل بعد المهمة. مغادرة الصفحة لا توقف السحابة. عُد إلى صفحة Notebook للتحقق من الرصيد المتبقي.

للمهام الطويلة، رتّب حفظ التقدم مسبقاً. ملفات التدريب يجب كتابتها في /mnt/workspace. بعد نفاد حصة GPU، تابع مع بيئة CPU المجانية؛ لمزيد من القوة، اختر موارد ترويجية أو مدفوعة.

في المرة الأولى، لا تُرهق المهام. افتح البيئة، أنشئ Notebook، نزّل نموذجاً صغيراً، وشغّل الأمثلة,

يمكنك الرجوع إلى فصل 'النتائج الأولى في 30 دقيقة'.