انتقل إلى المحتوى

Learn to Export to TFLite Edge TPU Format From YOLO11 Model

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.

The export to TFLite Edge TPU format feature allows you to optimize your Ultralytics YOLO11 models for high-speed and low-power inferencing. In this guide, we'll walk you through converting your models to the TFLite Edge TPU format, making it easier for your models to perform well on various mobile and embedded devices.

لماذا يجب عليك التصدير إلى TFLite Edge TPU?

Exporting models to TensorFlow Edge TPU makes machine learning tasks fast and efficient. This technology suits applications with limited power, computing resources, and connectivity. The Edge TPU is a hardware accelerator by Google. It speeds up TensorFlow Lite models on edge devices. The image below shows an example of the process involved.

حافة TFLite TPU

The Edge TPU works with quantized models. Quantization makes models smaller and faster without losing much accuracy. It is ideal for the limited resources of edge computing, allowing applications to respond quickly by reducing latency and allowing for quick data processing locally, without cloud dependency. Local processing also keeps user data private and secure since it's not sent to a remote server.

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.

  • Efficient Matrix Computations: The TensorFlow Edge TPU is optimized for matrix operations, which are crucial for neural network computations. This efficiency is key in machine learning models, particularly those requiring numerous and complex matrix multiplications and transformations.

خيارات النشر مع حافة TFLite TPU

Before we jump into how to export YOLO11 models to the TFLite Edge TPU format, let's understand where TFLite Edge TPU models are usually used.

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.

  • Hybrid Deployment: A hybrid approach combines on-device and cloud deployment and offers a versatile and scalable solution for deploying machine learning models. Advantages include on-device processing for quick responses and cloud computing for more complex computations.

Exporting YOLO11 Models to TFLite Edge TPU

You can expand model compatibility and deployment flexibility by converting YOLO11 models to TensorFlow Edge TPU.

تركيب

لتثبيت الحزمة المطلوبة ، قم بتشغيل:

تركيب

# Install the required package for YOLO11
pip install ultralytics

For detailed instructions and best practices related to the installation process, check our Ultralytics Installation guide. While installing the required packages for YOLO11, if you encounter any difficulties, consult our Common Issues guide for solutions and tips.

استخدام

Before diving into the usage instructions, it's important to note that while all Ultralytics YOLO11 models are available for exporting, you can ensure that the model you select supports export functionality here.

استخدام

from ultralytics import YOLO

# Load the YOLO11 model
model = YOLO("yolo11n.pt")

# Export the model to TFLite Edge TPU format
model.export(format="edgetpu")  # creates 'yolo11n_full_integer_quant_edgetpu.tflite'

# Load the exported TFLite Edge TPU model
edgetpu_model = YOLO("yolo11n_full_integer_quant_edgetpu.tflite")

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

# Export a YOLO11n PyTorch model to TFLite Edge TPU format
yolo export model=yolo11n.pt format=edgetpu  # creates 'yolo11n_full_integer_quant_edgetpu.tflite'

# Run inference with the exported model
yolo predict model=yolo11n_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.

Deploying Exported YOLO11 TFLite Edge TPU Models

After successfully exporting your Ultralytics YOLO11 models to TFLite Edge TPU format, you can now deploy them. The primary and recommended first step for running a TFLite Edge TPU model is to use the YOLO("model_edgetpu.tflite") method, as outlined in the previous usage code snippet.

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

ملخص

In this guide, we've learned how to export Ultralytics YOLO11 models to TFLite Edge TPU format. By following the steps mentioned above, you can increase the speed and power of your computer vision applications.

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

Also, for more information on other Ultralytics YOLO11 integrations, please visit our integration guide page. There, you'll discover valuable resources and insights.

الأسئلة المتداولة

How do I export a YOLO11 model to TFLite Edge TPU format?

To export a YOLO11 model to TFLite Edge TPU format, you can follow these steps:

استخدام

from ultralytics import YOLO

# Load the YOLO11 model
model = YOLO("yolo11n.pt")

# Export the model to TFLite Edge TPU format
model.export(format="edgetpu")  # creates 'yolo11n_full_integer_quant_edgetpu.tflite'

# Load the exported TFLite Edge TPU model
edgetpu_model = YOLO("yolo11n_full_integer_quant_edgetpu.tflite")

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

# Export a YOLO11n PyTorch model to TFLite Edge TPU format
yolo export model=yolo11n.pt format=edgetpu  # creates 'yolo11n_full_integer_quant_edgetpu.tflite'

# Run inference with the exported model
yolo predict model=yolo11n_full_integer_quant_edgetpu.tflite source='https://ultralytics.com/images/bus.jpg'

للحصول على تفاصيل كاملة حول تصدير النماذج إلى تنسيقات أخرى، راجع دليل التصدير الخاص بنا.

What are the benefits of exporting YOLO11 models to TFLite Edge TPU?

Exporting YOLO11 models to TFLite Edge TPU offers several benefits:

  • أداء مُحسَّن: تحقيق أداء شبكة عصبية عالية السرعة بأقل استهلاك للطاقة.
  • تقليل زمن الاستجابة: معالجة سريعة للبيانات المحلية دون الحاجة إلى الاعتماد على السحابة.
  • خصوصية محسّنة: تحافظ المعالجة المحلية على خصوصية بيانات المستخدم وأمانها.

This makes it ideal for applications in edge computing, where devices have limited power and computational resources. Learn more about why you should export.

هل يمكنني نشر نماذج TFLite Edge TPU على الأجهزة المحمولة والأجهزة المدمجة؟

نعم، يمكن نشر نماذج TensorFlow Lite Edge TPU مباشرةً على الأجهزة المحمولة والأجهزة المدمجة. يتيح نهج النشر هذا تنفيذ النماذج مباشرةً على الأجهزة، مما يوفر استدلالاً أسرع وأكثر كفاءة. للحصول على أمثلة للتكامل، راجع دليلنا حول نشر Coral Edge TPU على Raspberry Pi.

ما هي بعض حالات الاستخدام الشائعة لطرازات TFLite Edge TPU ؟

تتضمن حالات الاستخدام الشائعة لطرازات TFLite Edge TPU ما يلي:

  • الكاميرات الذكية: تحسين تحليل الصور والفيديو في الوقت الحقيقي.
  • أجهزة إنترنت الأشياء: تمكين المنزل الذكي والأتمتة الصناعية.
  • الرعاية الصحية: تسريع التصوير والتشخيص الطبي.
  • البيع بالتجزئة: تحسين إدارة المخزون وتحليل سلوك العملاء.

تستفيد هذه التطبيقات من الأداء العالي واستهلاك الطاقة المنخفض لطرازات TFLite Edge TPU . اكتشف المزيد حول سيناريوهات الاستخدام.

كيف يمكنني استكشاف المشكلات وإصلاحها أثناء تصدير أو نشر نماذج TFLite Edge TPU ؟

إذا واجهتك مشاكل أثناء تصدير أو نشر طرازات TFLite Edge TPU ، فارجع إلى دليل المشكلات الشائعة للحصول على نصائح لاستكشاف الأخطاء وإصلاحها. يغطي هذا الدليل المشاكل الشائعة والحلول لمساعدتك على ضمان التشغيل السلس. لمزيد من الدعم، قم بزيارة مركز المساعدة الخاص بنا.


📅 تم إنشاؤها قبل 7 أشهر ✏️ تم التحديث منذ 8 أيام
ألترالتيكسيستانتست غلين-جوتشر MatthewNoyce رضوان منور برهان-ق أبيرامي-فينا

التعليقات