انتقل إلى المحتوى

تعلم كيفية التصدير إلى TFLite Edge TPU تنسيق من YOLOv8 نموذج

قد يكون نشر نماذج رؤية الكمبيوتر على الأجهزة ذات الطاقة الحسابية المحدودة ، مثل الأنظمة المحمولة أو المدمجة ، أمرا صعبا. يؤدي استخدام تنسيق نموذج محسن للحصول على أداء أسرع إلى تبسيط العملية. ال TensorFlow لايت حافة TPU أو حافة TFLite TPU تم تصميم تنسيق النموذج لاستخدام الحد الأدنى من الطاقة مع توفير أداء سريع للشبكات العصبية.

التصدير إلى TFLite Edge TPU تتيح لك ميزة التنسيق تحسين Ultralytics YOLOv8 نماذج للاستدلال عالي السرعة ومنخفض الطاقة. في هذا الدليل ، سنرشدك خلال تحويل نماذجك إلى TFLite Edge TPU ، مما يسهل على نماذجك الأداء الجيد على مختلف الأجهزة المحمولة والمضمنة.

لماذا يجب عليك التصدير إلى TFLite Edge TPU?

تصدير النماذج إلى TensorFlow حافة TPU يجعل مهام التعلم الآلي سريعة وفعالة. تناسب هذه التقنية التطبيقات ذات الطاقة المحدودة وموارد الحوسبة والاتصال. ذا إيدج TPU هو مسرع الأجهزة من قبل جوجل. يسرع TensorFlow نماذج لايت على أجهزة الحافة. توضح الصورة أدناه مثالا على العملية المعنية.

حافة TFLite TPU

ذا إيدج TPU يعمل مع النماذج الكمية. التكميم يجعل النماذج أصغر وأسرع دون فقدان الكثير من الدقة. إنه مثالي للموارد المحدودة للحوسبة المتطورة ، مما يسمح للتطبيقات بالاستجابة بسرعة عن طريق تقليل زمن الوصول والسماح بمعالجة البيانات بسرعة محليا ، دون الاعتماد على السحابة. تحافظ المعالجة المحلية أيضا على خصوصية بيانات المستخدم وأمانها نظرا لعدم إرسالها إلى خادم بعيد.

الميزات الرئيسية لحافة TFLite TPU

فيما يلي الميزات الرئيسية التي تجعل TFLite Edge TPU اختيار تنسيق نموذج رائع للمطورين:

  • أداء محسن على أجهزة الحافة: حافة TFLite TPU يحقق أداء الشبكات العصبية عالية السرعة من خلال التكميم وتحسين النموذج وتسريع الأجهزة وتحسين المترجم. تساهم هندسته المعمارية البسيطة في صغر حجمه وفعاليته من حيث التكلفة.

  • إنتاجية حسابية عالية: حافة TFLite TPU يجمع بين تسريع الأجهزة المتخصصة والتنفيذ الفعال لوقت التشغيل لتحقيق إنتاجية حسابية عالية. إنه مناسب تماما لنشر نماذج التعلم الآلي مع متطلبات الأداء الصارمة على أجهزة الحافة.

  • حسابات المصفوفة الفعالة: TensorFlow حافة TPU تم تحسينه لعمليات المصفوفة ، والتي تعتبر ضرورية لحسابات الشبكة العصبية. هذه الكفاءة هي المفتاح في نماذج التعلم الآلي ، لا سيما تلك التي تتطلب العديد من مضاعفات وتحويلات المصفوفة المعقدة.

خيارات النشر مع حافة TFLite TPU

قبل أن ننتقل إلى كيفية التصدير YOLOv8 نماذج إلى حافة TFLite TPU التنسيق ، دعونا نفهم أين TFLite Edge TPU وعادة ما تستخدم النماذج.

حافة TFLite TPU يقدم خيارات نشر متنوعة لنماذج التعلم الآلي، بما في ذلك:

  • النشر على الجهاز: TensorFlow حافة TPU يمكن نشر النماذج مباشرة على الأجهزة المحمولة والمدمجة. يسمح النشر على الجهاز للنماذج بالتنفيذ مباشرة على الأجهزة ، مما يلغي الحاجة إلى الاتصال السحابي.

  • حوسبة الحافة مع السحابة TensorFlow TPUs: في السيناريوهات التي تتمتع فيها أجهزة الحافة بقدرات معالجة محدودة ، TensorFlow يمكن لوحدات TPU الطرفية إلغاء تحميل مهام الاستدلال إلى الخوادم السحابية المزودة بوحدات TPU.

  • النشر المختلط: يجمع النهج المختلط بين النشر على الجهاز والسحابة ويوفر حلا متعدد الاستخدامات وقابلا للتطوير لنشر نماذج التعلم الآلي. تشمل المزايا المعالجة على الجهاز للاستجابات السريعة والحوسبة السحابية لإجراء حسابات أكثر تعقيدا.

تصدير YOLOv8 نماذج لحافة TFLite TPU

يمكنك توسيع توافق النموذج ومرونة النشر عن طريق التحويل YOLOv8 نماذج ل TensorFlow حافة TPU.

تركيب

لتثبيت الحزمة المطلوبة ، قم بتشغيل:

تركيب

# Install the required package for YOLOv8
pip install ultralytics

للحصول على إرشادات مفصلة وأفضل الممارسات المتعلقة بعملية التثبيت ، تحقق من Ultralytics دليل التثبيت. أثناء تثبيت الحزم المطلوبة ل YOLOv8، إذا واجهت أي صعوبات، فاستشر دليل المشكلات الشائعة للحصول على حلول ونصائح.

استخدام

قبل الغوص في تعليمات الاستخدام ، من المهم ملاحظة أنه في حين أن جميع Ultralytics YOLOv8 النماذج متاحة للتصدير ، يمكنك التأكد من أن النموذج الذي تحدده يدعم وظائف التصدير هنا.

استخدام

from ultralytics import YOLO

# Load the YOLOv8 model
model = YOLO('yolov8n.pt')

# Export the model to TFLite Edge TPU format
model.export(format='edgetpu')  # creates 'yolov8n_full_integer_quant_edgetpu.tflite’

# Load the exported TFLite Edge TPU model
edgetpu_model = YOLO('yolov8n_full_integer_quant_edgetpu.tflite')

# Run inference
results = edgetpu_model('https://ultralytics.com/images/bus.jpg')

# Export a YOLOv8n PyTorch model to TFLite Edge TPU format
yolo export model=yolov8n.pt format=edgetpu  # creates 'yolov8n_full_integer_quant_edgetpu.tflite'

# Run inference with the exported model
yolo predict model=yolov8n_full_integer_quant_edgetpu.tflite source='https://ultralytics.com/images/bus.jpg'

لمزيد من التفاصيل حول خيارات التصدير المدعومة، تفضل بزيارة Ultralytics صفحة الوثائق حول خيارات النشر.

نشر التصدير YOLOv8 حافة TFLite TPU نماذج

بعد تصدير الخاص بك بنجاح Ultralytics YOLOv8 نماذج لحافة TFLite TPU ، يمكنك الآن نشرها. الخطوة الأولى الأساسية والموصى بها لتشغيل TFLite Edge TPU النموذج هو استخدام YOLOطريقة ("model_edgetpu.tflite") ، كما هو موضح في مقتطف شفرة الاستخدام السابق.

ومع ذلك ، للحصول على إرشادات متعمقة حول نشر TFLite Edge الخاص بك TPU النماذج ، ألق نظرة على الموارد التالية:

ملخص

في هذا الدليل ، تعلمنا كيفية التصدير Ultralytics YOLOv8 نماذج لحافة TFLite TPU تنسيق. باتباع الخطوات المذكورة أعلاه ، يمكنك زيادة سرعة وقوة تطبيقات رؤية الكمبيوتر الخاصة بك.

لمزيد من التفاصيل حول الاستخدام ، قم بزيارة حافة TPU الموقع الرسمي.

أيضا ، لمزيد من المعلومات حول أخرى Ultralytics YOLOv8 عمليات التكامل، يرجى زيارة صفحة دليل التكامل الخاصة بنا. هناك ، ستكتشف موارد ورؤى قيمة.



تم النشر في 2024-03-13, اخر تحديث 2024-04-02
المؤلفون: برهان كيو (1) ، أبيرامي فينا (1)

التعليقات