Fix docs links (#6537)

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

docs/ar/models/sam.md

@@ -129,7 +129,7 @@ keywords: Ultralytics, قسيمة الصور, Segment Anything Model, SAM, سل
         results = predictor(source="ultralytics/assets/zidane.jpg"، crop_n_layers=1، points_stride=64)
         ```
 
-- المزيد args إضافي للتقطيع كل شيء شاهد التوثيق مرجع [`السلبي/تقديم` مرجع](../../reference/models/sam/predict.md).
+- المزيد args إضافي للتقطيع كل شيء شاهد التوثيق مرجع [`السلبي/تقديم` مرجع](../../../reference/models/sam/predict.md).
 
 ## مقارنة SAM مقابل YOLOv8
 

docs/de/models/sam.md

@@ -129,7 +129,7 @@ Das Segment Anything Model kann für eine Vielzahl von Aufgaben verwendet werden
         results = predictor(source="ultralytics/assets/zidane.jpg", crop_n_layers=1, points_stride=64)
         ```
 
-- Weitere zusätzliche Argumente für `Alles segmentieren` finden Sie in der [`Predictor/generate` Referenz](../../reference/models/sam/predict.md).
+- Weitere zusätzliche Argumente für `Alles segmentieren` finden Sie in der [`Predictor/generate` Referenz](../../../reference/models/sam/predict.md).
 
 ## Vergleich von SAM und YOLOv8
 

docs/en/yolov5/tutorials/train_custom_data.md

@@ -32,7 +32,7 @@ YOLOv5 models must be trained on labelled data in order to learn classes of obje
 <details open markdown>
 <summary>Use <a href="https://roboflow.com/?ref=ultralytics">Roboflow</a> to create your dataset in YOLO format 🌟</summary>
 
-!!! Note
+!!! Warning
 
     Roboflow users can use Ultralytics under the [AGPL license](https://github.com/ultralytics/ultralytics/blob/main/LICENSE) or can request an [Enterprise license](https://ultralytics.com/license) directly from Ultralytics. Be aware that Roboflow does not provide Ultralytics licenses, and it is the responsibility of the user to ensure appropriate licensing.
 

docs/es/models/sam.md

@@ -129,7 +129,7 @@ El Segment Anything Model se puede utilizar para una multitud de tareas posterio
         resultados = predictor(source="ultralytics/assets/zidane.jpg", crop_n_layers=1, points_stride=64)
         ```
 
-- Más argumentos adicionales para `Segmentar todo` en [`Referencia de Predictor/generate`](../../reference/models/sam/predict.md).
+- Más argumentos adicionales para `Segmentar todo` en [`Referencia de Predictor/generate`](../../../reference/models/sam/predict.md).
 
 ## SAM comparado con YOLOv8
 

docs/fr/models/sam.md

@@ -129,7 +129,7 @@ Le modèle Segment Anything peut être utilisé pour une multitude de tâches se
         results = predictor(source="ultralytics/assets/zidane.jpg", crop_n_layers=1, points_stride=64)
         ```
 
-- Plus d'arguments supplémentaires pour `Segmenter tout` voir la référence [`Predictor/generate`](../../reference/models/sam/predict.md).
+- Plus d'arguments supplémentaires pour `Segmenter tout` voir la référence [`Predictor/generate`](../../../reference/models/sam/predict.md).
 
 ## Comparaison de SAM avec YOLOv8
 

docs/hi/models/sam.md

@@ -129,7 +129,7 @@ Segment Anything Model का उपयोग उपस्थित डेटा
         results = predictor(source="ultralytics/assets/zidane.jpg", crop_n_layers=1, points_stride=64)
         ```
 
-- `सब कुछ का सेगमेंट` के लिए अतिरिक्त तत्वों के लिए अधिक देखें [`Predictor/generate` Reference](../../reference/models/sam/predict.md).
+- `सब कुछ का सेगमेंट` के लिए अतिरिक्त तत्वों के लिए अधिक देखें [`Predictor/generate` Reference](../../../reference/models/sam/predict.md).
 
 ## SAM की तुलना YOLOv8 के बनाम
 

docs/hi/models/yolo-nas.md

@@ -46,7 +46,7 @@ Ultralytics ने YOLO-NAS मॉडलों को आपके Python ऐप
 
 !!! Example "उदाहरण"
 
-    इस उदाहरण में हम YOLO-NAS के लिए सरल पहचान और मान्यता कोड प्रदान करते हैं। पहचान परिणामों का हैंडलिंग करने के लिए देखें [भविष्यवाणी](../प्राथमिकताएँ/भविष्यवाणी.md) मोड को। अतिरिक्त मोड के साथ YOLO-NAS का उपयोग करने के लिए [मान्यता](../प्राथमिकताएँ/मान्यता.md) और [निर्यात](../प्राथमिकताएँ/निर्यात.md) को देखें। `उल्ट्रालिटिक्स` पैकेज पर YOLO-NAS का प्रशिक्षण समर्थन नहीं करती है।
+    इस उदाहरण में हम YOLO-NAS के लिए सरल पहचान और मान्यता कोड प्रदान करते हैं। पहचान परिणामों का हैंडलिंग करने के लिए देखें [भविष्यवाणी](../modes/predict.md) मोड को। अतिरिक्त मोड के साथ YOLO-NAS का उपयोग करने के लिए [मान्यता](../modes/val.md) और [निर्यात](../modes/export.md) को देखें। `उल्ट्रालिटिक्स` पैकेज पर YOLO-NAS का प्रशिक्षण समर्थन नहीं करती है।
 
     === "Python"
 
@@ -91,10 +91,10 @@ Ultralytics ने YOLO-NAS मॉडलों को आपके Python ऐप
 नीचे प्रत्येक मॉडल के बारे में एक विस्तृत अवलोकन दिया गया है, जिसमें उनकी प्री-प्रशित वेट, ये कार्य समर्थित करते हैं, और इनकी आपरेटिंग मोड के साथ उनका संगतता शामिल है।
 
 | मॉडल प्रकार | प्री-प्रशित वेट                                                                               | समर्थित कार्य                     | पहचान | मान्यता | प्रशिक्षण | निर्यात |
-|-------------|-----------------------------------------------------------------------------------------------|----------------------------------------|-------|---------|-----------|---------|
+|-------------|-----------------------------------------------------------------------------------------------|-----------------------------------|-------|---------|-----------|---------|
-| YOLO-NAS-s  | [yolo_nas_s.pt](https://github.com/ultralytics/assets/releases/download/v0.0.0/yolo_nas_s.pt) | [वस्तु पहचान](../कार्य/चित्र_पहचान.md) | ✅     | ✅       | ❌         | ✅       |
+| YOLO-NAS-s  | [yolo_nas_s.pt](https://github.com/ultralytics/assets/releases/download/v0.0.0/yolo_nas_s.pt) | [वस्तु पहचान](../tasks/detect.md) | ✅     | ✅       | ❌         | ✅       |
-| YOLO-NAS-m  | [yolo_nas_m.pt](https://github.com/ultralytics/assets/releases/download/v0.0.0/yolo_nas_m.pt) | [वस्तु पहचान](../कार्य/चित्र_पहचान.md) | ✅     | ✅       | ❌         | ✅       |
+| YOLO-NAS-m  | [yolo_nas_m.pt](https://github.com/ultralytics/assets/releases/download/v0.0.0/yolo_nas_m.pt) | [वस्तु पहचान](../tasks/detect.md) | ✅     | ✅       | ❌         | ✅       |
-| YOLO-NAS-l  | [yolo_nas_l.pt](https://github.com/ultralytics/assets/releases/download/v0.0.0/yolo_nas_l.pt) | [वस्तु पहचान](../कार्य/चित्र_पहचान.md) | ✅     | ✅       | ❌         | ✅       |
+| YOLO-NAS-l  | [yolo_nas_l.pt](https://github.com/ultralytics/assets/releases/download/v0.0.0/yolo_nas_l.pt) | [वस्तु पहचान](../tasks/detect.md) | ✅     | ✅       | ❌         | ✅       |
 
 ## उद्धरण और प्रशंसापत्र
 

docs/ja/models/sam.md

@@ -129,7 +129,7 @@ Segment Anything Modelは、トレーニングデータを超えた多くのダ
         results = predictor(source="ultralytics/assets/zidane.jpg", crop_n_layers=1, points_stride=64)
         ```
 
-- `すべてをセグメントする` のための追加の引数の詳細は、[`Predictor/generate` リファレンス](../../reference/models/sam/predict.md)を参照してください。
+- `すべてをセグメントする` のための追加の引数の詳細は、[`Predictor/generate` リファレンス](../../../reference/models/sam/predict.md)を参照してください。
 
 ## YOLOv8とのSAM比較
 

docs/ja/models/yolov5.md

@@ -80,7 +80,7 @@ YOLOv5uは、物体検出方法論の進歩を表しています。Ultralytics
 
     === "CLI"
 
-        [CLI](../modes/cli.md)コマンドを使用してモデルを直接実行することもできます。
+        CLIコマンドを使用してモデルを直接実行することもできます。
 
         ```bash
         # COCOで事前トレーニング済みのYOLOv5nモデルをロードし、COCO8の例のデータセットで100エポックトレーニングする

docs/ko/models/sam.md

@@ -129,7 +129,7 @@ Segment Anything Model은 훈련 데이터를 초월하는 다양한 하위 작
         results = predictor(source="ultralytics/assets/zidane.jpg", crop_n_layers=1, points_stride=64)
         ```
 
-- `전체 이미지 세분화`에 대한 자세한 추가 인수는 [`Predictor/generate` 참조](../../reference/models/sam/predict.md)를 참조하세요.
+- `전체 이미지 세분화`에 대한 자세한 추가 인수는 [`Predictor/generate` 참조](../../../reference/models/sam/predict.md)를 참조하세요.
 
 ## YOLOv8과의 SAM 비교
 

docs/pt/models/sam.md

@@ -129,7 +129,7 @@ O Modelo de Segmentação de Qualquer Coisa pode ser utilizado para uma variedad
         results = predictor(source="ultralytics/assets/zidane.jpg", crop_n_layers=1, points_stride=64)
         ```
 
-- Mais argumentos adicionais para `Segmentar tudo` consulte a [Referência do `Predictor/generate`](../../reference/models/sam/predict.md).
+- Mais argumentos adicionais para `Segmentar tudo` consulte a [Referência do `Predictor/generate`](../../../reference/models/sam/predict.md).
 
 ## Comparação SAM vs. YOLOv8
 

docs/ru/models/sam.md

@@ -129,7 +129,7 @@ Segment Anything Model (SAM) - это передовая модель сегме
         results = predictor(source="ultralytics/assets/zidane.jpg", crop_n_layers=1, points_stride=64)
         ```
 
-- Больше дополнительных аргументов для `Сегментации всего изображения` см. [Ссылка на`Predictor/generate`](../../reference/models/sam/predict.md).
+- Больше дополнительных аргументов для `Сегментации всего изображения` см. [Ссылка на`Predictor/generate`](../../../reference/models/sam/predict.md).
 
 ## Сравнение SAM и YOLOv8
 

docs/zh/models/sam.md

@@ -129,7 +129,7 @@ Segment Anything Model 可以用于多种下游任务，超越训练数据的范
         results = predictor(source="ultralytics/assets/zidane.jpg", crop_n_layers=1, points_stride=64)
         ```
 
-- 更多关于`分割整个图像`的附加参数，请查看[`Predictor/generate` 参考] (../reference/models/sam/predict.md)。
+- 更多关于`分割整个图像`的附加参数，请查看[`Predictor/generate` 参考](../../../reference/models/sam/predict.md)。
 
 ## SAM 与 YOLOv8 的对比