لوحة المتصدرين

السلام عليكم انا ادرس دورة علوم الحاسوب ووصلت لمسار الخوارزميات وللأسف توقفت فترة ثلاثة شهور واليوم رجعت واحس ان كل شي نسيته ماني متذكر شي وش تنصحوني اسوي هل ابدا من جديد ام اكمل من نفس المسار احتاج الى نصائحكم وشكرا لكم

عندي متغير في عدد ايام عايز اطلع التاريخ المتوقع لنهايه حاجه معينه من تاريخ اليوم بناء علي عدد الايام الموجوده في المتغير كيف الطريقه ولكم جزيل الشكر

الأمر سيتم كالتالي: <?php $days = 10; $currentDate = new DateTime(); $currentDate->modify("+{$days} days"); $futureDate = $currentDate->format('Y-m-d'); echo "تاريخ اليوم: " . date('Y-m-d') . "<br>"; echo "بعد إضافة $days أيام: " . $futureDate; ?> أو من خلال دوال date() و strtotime(): <?php $days = 10; $currentDate = date('Y-m-d'); $futureDate = date('Y-m-d', strtotime("+{$days} days")); echo "تاريخ اليوم: $currentDate<br>"; echo "بعد إضافة $days أيام: $futureDate"; ?>

السلام عليكم هو انا مستخدم في الاعدادات GPU P100 ولكن عند تدريب النموج الCPU هي البتكون بالون الحمر بالكامل علي كاغل ازي الكلام ده؟

نعم من المفترض أنه يتم إستخدام ال gpu هكذا صحيح.

اه الGPU بقا بالون الحمر وكمان الCPU كده شغل صح ؟

إن XGBoost يعتمد بشكل أساسي على الـ CPU للتدريب حتى إذا تم تفعيل ال GPU. حيث بالرغم من أن XGBoost يدعم التشغيل على الـ GPU بداية من الإصدار 1.0 إلا أن الكثير من العمليات مثل تحميل البيانات و فرزها وإنشاء الهياكل الداخلية تتم على ال CPU. ويرجى التأكد من أن XGBoost يستخدم الـ GPU بشكل صحيح حيث يجب عليك تعيين المعامل tree_method إلى gpu_hist أو gpu_exact. هكذا : from xgboost import XGBClassifier model = XGBClassifier( tree_method='gpu_hist', # استخدام ال GPU gpu_id=0, # تحديد ال GPU إذا كان هناك أكثر من واحد predictor='gpu_predictor' # استخدام ال GPU للتنبؤ ) حيث أن tree_method='gpu_hist' يستخدم خوارزمية تعتمد على ال GPU لبناء الأشجار. و predictor='gpu_predictor': يستخدم ال GPU لعملية التنبؤ. ويمكنك قراءة الشرح التالي لمزيد من التفاصيل حول إستخدام XGBoost على الkaggle وعلى ال GPU : https://www.kaggle.com/discussions/general/236940 https://www.kaggle.com/code/vinhnguyen/accelerating-xgboost-with-gpu

انا بستخدم XGBClassifier

وعليكم السلام ورحمة الله وبركاته. هذا يعتمد على الأكواد التي تقوم بتنفيذها . حيث المكتبات والأكواد التي تحتاج إلى التنفيذ على المعالجات الرسومية سيتم تلقائيا تشغيلها على المعالجات الرسومية التي قمت بتحديدها . أما إذا كانت الأكواد بسيطه أو تستخدم مكتبات لا تحتاج إلى lمعالجات رسومية او لا تدعم توزيع العمليات بشكل صحيح على ال GPU فهنا سيتم إستخدام ال CPU . لذلك هل يمكنك توضيح ما هي المكتبات التي تعمل عليها ؟ فلو كنت تعمل على مكتبة وPyTorch أو TensorFlow ولم يتم إستخدام ال GPU فيبدوا أنه هناك مشكلة لديك في إعدادات البيئة الخاصة بك . أما إذا كنت تسخدم مكتبات أخرى أو أكواد بسيطة لا تحتاج إلى معالجات رسومية فهنا لا مشكلة في ذلك.

الأمر يعتمد على ما تقوم به، kaggle توفر استخدام مجاني للمعالجات الرسومية وهي NVIDIA TESLA P100 وأيضًا T4 و TPU V3-8 بشكل مجاني لمدة 30 ساعة أسبوعيًا. المكتبات مثل pandas و scikit-learn لا تستخدم المعالجات الرسومية وتستخدم الـ CPU فقط، أيضًا أمور أخرى مثل تحميل المكتبات وخلافه. أما مكتبات مثل TensorFlow وPyTorch فتستخدم المعالج الرسومي GPU وستجد أنه يتم استخدام المعالج الرسومي عند تنفيذ كود من خلال تلك المكتبات لزيادة سرعة المعالجة في حال قمت بتفعيل ميزة Accelerator في Kaggle.

كما بالتعليقات السابقة فإن الدروس عبارة عن فيديوهات مسجلة ومرتبة ويمكنك البدأ كما تم الشرح . ولكن يوجد فريق من المدربين للإجابة على استفساراتك والمشكلات التي تواجهك أثناء التعلم والتطبيق في الدورات دائماً في أي وقت . وفي حالة وجود استفسار غير مرتبط بدرس معين في الدورة يمكنك طرحه هنا كما فعلت . ولكن في حالة كان السؤال مرتبط بدرس معين في الدورة ستجد أسفل فيديو الدرس في نهاية الصفحة صندوق تعليقات كما هنا، فيرجى طرح السؤال أسفل الدرس .

مرحبا @Samer Al Issa. بمجرد إشتراكك في الدورة يجب أن يظهر لك قسم دوراتي في شريط التنقل في أعلى الموقع : يرجى الضغط عليه وسيتم توجيهك إلى صفحة جميع الدورات . يرجى الذهاب إلى الدورة التي قمت بالإشتراك بها : ستجد كل دورة مقسمة إلى عدة مسارات وكل مسار مقسم إلى وحدات أصغر وكل وحدة بها عدد من الدروس. يجب عليك مذاكرة تلك الدروس والمسارات بالترتيب الموجود في الدورة حيث بمجرد دخولك للمسارات كما في الصورة التالية ستجد الوحدات التي بها الدروس يمكنك مشاهدة ذلك بالترتيب. وهنا في موقع الأكاديمية الدروس عبارة عن فيديوهات قد تم تسجيلها مسبقا يمكنك مشاهدتها . وإذا ما واجهت أى صعوبة ستجد دائما أسفل كل درس من الدروس الموجود في الدورة صندوق للتعليقات كما هنا يمكنك دائما وضع سؤالك المتعلق بالدرس هناك . ويتواجد العديد من المدربين التي توفرهم الأكاديمية لتوفير الدعم لك والرد على أسئلتكم ومساعدتكم . أما بخصوص كيفية المذاكرة أو البدأ في الدورة يمكنك قراءة الإجابات التالية لمزيد من التفاصيل والنصائح :

وعليكم السلام ورحمة الله، هذا سلوك طبيعي ففي بعض الأحيان عند اختيار GPU مثل P100 سيتم استخدامه لحسابات التدريب الأساسية للنموذج، لكن الكثير من العمليات مثل تحميل البيانات، التحويلات، وتحضيرات أخرى تظل تعمل على ال CPU. لذلك من الممكن جدا أن يظهر استهلاك ال CPU مرتفعا باللون الأحمر حتى وإن كنت تستخدم GPU للتدريب. لكن يجب التأكد من أن الكود الخاص بك يقوم بنقل النموذج والبيانات إلى ال GPU باستخدام .to('cuda') في PyTorch كالتالي: import torch device = torch.device("cuda" if torch.cuda.is_available() else "cpu") model = MyModel().to(device)

عند تشغيل التطبيق يظهر خطأ Not allowed to load local resource: file:///C:/Users/dido4/Desktop/manager-app/manager/build/index.html وذلك بسبب الكود التالي في ملف main.js if (process.env.NODE_ENV === 'development') { win.loadURL('http://localhost:3000'); win.webContents.openDevTools(); } else { // في وضع الإنتاج، حمّل ملف index.html المبني من React win.loadFile(path.join(__dirname, 'manager', 'build', 'index.html')); } تحتاج إلى إنشاء ملف تعيين وضع development من خلال تعديل سكريبت التشغيل إلى التالي: "scripts": { "start-electron": "cross-env NODE_ENV=development electron .", "start": "concurrently -n \"REACT,ELECTRON\" \"npm run start-react\" \"npx wait-on http://localhost:3000 && npm run start-electron \"", "build": "cd manager && npm run build", "start-react": "cd manager && npm start" }, ثم تثبيت الحزم: npm install --save-dev concurrently wait-on cross-env ثم تشغيل المشروع من خلال npm start

المشكلة بسبب أنك تحاول الوصول إلى ملف index.html في مجلد build الموجود بداخل مجلد manager من خلال electron. وهذا الملف غير موجود حيث يجب تنفيذ أمر build لإنشاء ملفات build بعد تحزيمها في manager . ولكن ستواجهك مشكلة أخرى بسبب المسارات حيث مشروع electron خارج المجلد manager ولهذا المسارات النسبية لن تعمل بشكل صحيح. ولحل تلك المشكلة في ملف manager\package.json يرجى إضافة السطر التالي : "homepage":"./", ليصبح الملف كالتالي : { "name": "manager", "version": "0.1.0", "private": true, "homepage":"./", "dependencies": { "@testing-library/dom": "^10.4.0", "@testing-library/jest-dom": "^6.6.3", "@testing-library/react": "^16.2.0", "@testing-library/user-event": "^13.5.0", "react": "^19.0.0", "react-dom": "^19.0.0", "react-scripts": "5.0.1", "web-vitals": "^2.1.4" }, "scripts": { "start": "react-scripts start", "build": "react-scripts build", "test": "react-scripts test", "eject": "react-scripts eject" }, "eslintConfig": { "extends": [ "react-app", "react-app/jest" ] }, "browserslist": { "production": [ ">0.2%", "not dead", "not op_mini all" ], "development": [ "last 1 chrome version", "last 1 firefox version", "last 1 safari version" ] } } الآن يرجى تنفيذ أمر build في مجلد electron من خلال الأمر : npm run build الآن يمكنك تشغيل electron أو react أيهما تريد وسيعملان معك.