كيفية التصدير إلى PaddlePaddle تنسيق من YOLOv8 نماذج

قد يكون سد الفجوة بين تطوير ونشر نماذج رؤية الكمبيوتر في سيناريوهات العالم الحقيقي مع ظروف مختلفة أمرا صعبا. PaddlePaddle يجعل هذه العملية أسهل مع تركيزها على المرونة والأداء وقدرتها على المعالجة المتوازية في البيئات الموزعة. هذا يعني أنه يمكنك استخدام YOLOv8 نماذج رؤية الكمبيوتر على مجموعة متنوعة من الأجهزة والأنظمة الأساسية ، من الهواتف الذكية إلى الخوادم المستندة إلى السحابة.

القدرة على التصدير إلى PaddlePaddle تنسيق النموذج يسمح لك بتحسين Ultralytics YOLOv8 نماذج للاستخدام داخل PaddlePaddle اطار. PaddlePaddle معروف بتسهيل عمليات النشر الصناعية وهو خيار جيد لنشر تطبيقات رؤية الكمبيوتر في إعدادات العالم الحقيقي عبر مختلف المجالات.

لماذا يجب عليك التصدير إلى PaddlePaddle?

تم تطويره بواسطة بايدو, PaddlePaddle (PArallel Distributed Deep LEarning) هي أول منصة مفتوحة المصدر للتعلم العميق في الصين. على عكس بعض الأطر المصممة بشكل أساسي للبحث ، PaddlePaddle يعطي الأولوية لسهولة الاستخدام والتكامل السلس عبر الصناعات.

يوفر أدوات وموارد مشابهة للأطر الشائعة مثل TensorFlow و PyTorch، مما يجعله في متناول المطورين من جميع مستويات الخبرة. من الزراعة والمصانع إلى شركات الخدمات ، PaddlePaddleفي مجتمع المطورين الكبير الذي يزيد عن 4.77 مليون شخص في إنشاء ونشر تطبيقات الذكاء الاصطناعي.

عن طريق تصدير Ultralytics YOLOv8 نماذج ل PaddlePaddle ، يمكنك النقر عليه PaddlePaddleنقاط القوة في تحسين الأداء. PaddlePaddle يعطي الأولوية لتنفيذ النموذج بكفاءة وتقليل استخدام الذاكرة. نتيجة لذلك ، الخاص بك YOLOv8 يمكن للنماذج تحقيق أداء أفضل ، مما يوفر نتائج من الدرجة الأولى في سيناريوهات عملية.

الميزات الرئيسية ل PaddlePaddle نماذج

PaddlePaddle تقدم النماذج مجموعة من الميزات الرئيسية التي تساهم في مرونتها وأدائها وقابليتها للتطوير عبر سيناريوهات النشر المتنوعة:

• الرسم البياني الديناميكي إلى الثابت: PaddlePaddle يدعم التجميع الديناميكي إلى الثابت ، حيث يمكن ترجمة النماذج إلى رسم بياني حسابي ثابت. يتيح ذلك التحسينات التي تقلل من حمل وقت التشغيل وتعزز أداء الاستدلال.

• الانصهار المشغل: PaddlePaddleمثل TensorRT، يستخدم دمج المشغل لتبسيط الحوسبة وتقليل النفقات العامة. يقلل إطار العمل من عمليات نقل الذاكرة والخطوات الحسابية عن طريق دمج العمليات المتوافقة ، مما يؤدي إلى استدلال أسرع.

• التكميم: PaddlePaddle يدعم تقنيات التكميم ، بما في ذلك التكميم بعد التدريب والتدريب المدرك للتكميم. تسمح هذه التقنيات باستخدام تمثيلات بيانات منخفضة الدقة ، مما يعزز الأداء بشكل فعال ويقلل من حجم النموذج.

خيارات النشر في PaddlePaddle

قبل الغوص في الكود للتصدير YOLOv8 نماذج ل PaddlePaddle، دعنا نلقي نظرة على سيناريوهات النشر المختلفة التي PaddlePaddle نماذج تفوق.

PaddlePaddle يوفر مجموعة من الخيارات ، يوفر كل منها توازنا متميزا بين سهولة الاستخدام والمرونة والأداء:

• خدمة المجداف: يبسط هذا الإطار نشر PaddlePaddle نماذج كواجهات برمجة تطبيقات RESTful عالية الأداء. يعد Paddle Serve مثاليا لبيئات الإنتاج ، حيث يوفر ميزات مثل إصدار النموذج ، واختبار A / B عبر الإنترنت ، وقابلية التوسع للتعامل مع كميات كبيرة من الطلبات.

• واجهة برمجة تطبيقات الاستدلال مجداف: تمنحك واجهة برمجة تطبيقات الاستدلال المجذاف تحكما منخفض المستوى في تنفيذ النموذج. هذا الخيار مناسب تماما للسيناريوهات التي تحتاج فيها إلى دمج النموذج بإحكام داخل تطبيق مخصص أو تحسين الأداء لأجهزة معينة.

• Paddle Lite: تم تصميم Paddle Lite للنشر على الأجهزة المحمولة والأجهزة المضمنة حيث تكون الموارد محدودة. يعمل على تحسين النماذج للأحجام الأصغر والاستدلال الأسرع على وحدات المعالجة المركزية ARM ووحدات معالجة الرسومات والأجهزة المتخصصة الأخرى.

• Paddle.js: يمكّنك Paddle.js من نشر نماذج PaddlePaddle مباشرةً داخل متصفحات الويب. يمكن لـ Paddle.js إما تحميل نموذج مدرب مسبقًا أو تحويل نموذج من paddle-hub باستخدام أدوات تحويل النماذج التي يوفرها Paddle.js. يمكن تشغيله في المتصفحات التي تدعم WebGL/WebGPU/WebAssembly.

تصدير إلى PaddlePaddleتحويل الخاص بك: YOLOv8 نموذج

تحويل YOLOv8 نماذج إلى PaddlePaddle يمكن للتنسيق تحسين مرونة التنفيذ وتحسين الأداء لسيناريوهات النشر المختلفة.

تركيب

لتثبيت الحزمة المطلوبة ، قم بتشغيل:

# 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.

from ultralytics import YOLO

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

# Export the model to PaddlePaddle format
model.export(format="paddle")  # creates '/yolov8n_paddle_model'

# Load the exported PaddlePaddle model
paddle_model = YOLO("./yolov8n_paddle_model")

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

# Export a YOLOv8n PyTorch model to PaddlePaddle format
yolo export model=yolov8n.pt format=paddle  # creates '/yolov8n_paddle_model'

# Run inference with the exported model
yolo predict model='./yolov8n_paddle_model' 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 PaddlePaddle نماذج

بعد تصدير الخاص بك بنجاح Ultralytics YOLOv8 نماذج ل PaddlePaddle ، يمكنك الآن نشرها. الخطوة الأولى الأساسية والموصى بها لتشغيل PaddlePaddle النموذج هو استخدام YOLOطريقة ("./model_paddle_model") ، كما هو موضح في مقتطف شفرة الاستخدام السابق.

ومع ذلك ، للحصول على إرشادات متعمقة حول نشر PaddlePaddle النماذج في إعدادات أخرى مختلفة ، ألق نظرة على الموارد التالية:

• خدمة المجداف: تعرف على كيفية نشر PaddlePaddle نماذج كخدمات أداء باستخدام خدمة مجداف.

• Paddle Lite: استكشف كيفية تحسين النماذج ونشرها على الأجهزة المحمولة والأجهزة المضمنة باستخدام Paddle Lite.

• Paddle.js: اكتشف كيفية الجري PaddlePaddle نماذج في متصفحات الويب الذكاء الاصطناعي من جانب العميل باستخدام Paddle.js.

ملخص

في هذا الدليل ، استكشفنا عملية التصدير Ultralytics YOLOv8 نماذج إلى PaddlePaddle تنسيق. باتباع هذه الخطوات ، يمكنك الاستفادة من PaddlePaddleفي سيناريوهات النشر المتنوعة ، وتحسين نماذجك لبيئات الأجهزة والبرامج المختلفة.

لمزيد من التفاصيل حول الاستخدام ، قم بزيارة PaddlePaddle الوثائق الرسمية

تريد استكشاف المزيد من الطرق لدمج Ultralytics YOLOv8 نماذج؟ تستكشف صفحة دليل التكامل الخاصة بنا خيارات متنوعة ، وتزودك بموارد ورؤى قيمة.

الأسئلة المتداولة

كيف يمكنني تصدير النماذج Ultralytics YOLOv8 إلى تنسيق PaddlePaddle ؟

يعد تصدير النماذج Ultralytics YOLOv8 إلى تنسيق PaddlePaddle أمراً سهلاً ومباشراً. يمكنك استخدام export من فئة YOLO لتنفيذ هذا التصدير. فيما يلي مثال باستخدام Python:

from ultralytics import YOLO

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

# Export the model to PaddlePaddle format
model.export(format="paddle")  # creates '/yolov8n_paddle_model'

# Load the exported PaddlePaddle model
paddle_model = YOLO("./yolov8n_paddle_model")

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

# Export a YOLOv8n PyTorch model to PaddlePaddle format
yolo export model=yolov8n.pt format=paddle  # creates '/yolov8n_paddle_model'

# Run inference with the exported model
yolo predict model='./yolov8n_paddle_model' source='https://ultralytics.com/images/bus.jpg'

لمزيد من الإعداد التفصيلي واستكشاف الأخطاء وإصلاحها، راجع دليل التثبيتUltralytics ودليل المشكلات الشائعة.

ما هي مزايا استخدام PaddlePaddle لنشر النماذج؟

PaddlePaddle العديد من المزايا الرئيسية لنشر النموذج:

• تحسين الأداء: PaddlePaddle يتفوق في تنفيذ النماذج بكفاءة وتقليل استخدام الذاكرة.
• تجميع الرسم البياني الديناميكي إلى ثابت: يدعم التجميع الديناميكي إلى ثابت، مما يسمح بتحسينات وقت التشغيل.
• دمج العمليات: من خلال دمج العمليات المتوافقة، يقلل من النفقات الحسابية الزائدة.
• تقنيات التكميم: يدعم كلاً من التدريب اللاحق والتدريب المدرك للتقدير الكمي، مما يتيح تمثيل البيانات بدقة أقل لتحسين الأداء.

يمكنك تحقيق نتائج محسّنة من خلال تصدير نماذج Ultralytics YOLOv8 الخاصة بك إلى PaddlePaddle ، مما يضمن المرونة والأداء العالي عبر مختلف التطبيقات ومنصات الأجهزة. تعرف على المزيد حول ميزات PaddlePaddleهنا.

لماذا يجب أن أختار PaddlePaddle لنشر نماذج YOLOv8 الخاصة بي ؟

PaddlePaddleتم تطويره بواسطة Baidu، وهو مُحسَّن لعمليات نشر الذكاء الاصطناعي الصناعية والتجارية. ويوفر مجتمع المطورين الكبير وإطار العمل القوي الخاص بها أدوات واسعة النطاق على غرار TensorFlow و PyTorch. من خلال تصدير نماذج YOLOv8 الخاصة بك إلى PaddlePaddle ، يمكنك الاستفادة من:

• أداء محسّن: سرعة تنفيذ مثالية وبصمة ذاكرة منخفضة.
• المرونة: توافق واسع مع مختلف الأجهزة من الهواتف الذكية إلى الخوادم السحابية.
• قابلية التوسع: قدرات المعالجة المتوازية الفعالة للبيئات الموزعة.

تجعل هذه الميزات من PaddlePaddle خيارًا مقنعًا لنشر نماذج YOLOv8 في إعدادات الإنتاج.

كيف يعمل PaddlePaddle على تحسين أداء النموذج على الأطر الأخرى؟

PaddlePaddle يستخدم العديد من التقنيات المتقدمة لتحسين أداء النموذج:

• رسم بياني ديناميكي إلى ثابت: تحويل النماذج إلى رسم بياني حسابي ثابت لتحسينات وقت التشغيل.
• دمج المشغل: يجمع بين العمليات المتوافقة لتقليل نقل الذاكرة وزيادة سرعة الاستدلال.
• التحويل الكمي: يقلل من حجم النموذج ويزيد من الكفاءة باستخدام بيانات أقل دقة مع الحفاظ على الدقة.

تعطي هذه التقنيات الأولوية لتنفيذ النماذج بكفاءة، مما يجعل PaddlePaddle خيارًا ممتازًا لنشر نماذج YOLOv8 عالية الأداء. لمعرفة المزيد عن التحسين، راجع الوثائق الرسميةPaddlePaddle .

ما هي خيارات النشر التي يقدمها موقع PaddlePaddle لطرازات YOLOv8 ؟

PaddlePaddle توفر خيارات نشر مرنة:

• خدمة التجديف: تنشر النماذج كواجهات برمجة تطبيقات RESTful، وهي مثالية للإنتاج مع ميزات مثل إصدار النماذج واختبار A/B عبر الإنترنت.
• واجهة برمجة تطبيقات الاستدلال التجديفية: يمنح تحكمًا منخفض المستوى في تنفيذ النموذج للتطبيقات المخصصة.
• بادل لايت: يحسّن النماذج للموارد المحدودة للأجهزة المحمولة والمضمنة.
• Paddle.js: يتيح نشر النماذج مباشرةً داخل متصفحات الويب.

تغطي هذه الخيارات مجموعة واسعة من سيناريوهات النشر، من الاستدلال على الجهاز إلى الخدمات السحابية القابلة للتطوير. استكشف المزيد من استراتيجيات النشر على صفحة خيارات النشر فيUltralytics Model Deployment Options (خيارات النشر في نموذج).

التعليقات