تخطي إلى المحتوى

كيفية التصدير إلى TF GraphDef من YOLO11 للنشر على الرابط التالي:

عندما تقوم بنشر نماذج الرؤية الحاسوبية المتطورة، مثل YOLO11 ، في بيئات مختلفة، قد تواجه مشكلات في التوافق. Google's TensorFlow GraphDef أو TF GraphDef ، تقدم حلاً من خلال توفير تمثيل متسلسل ومستقل عن المنصة لنموذجك. باستخدام تنسيق النموذج TF GraphDef ، يمكنك نشر نموذجك YOLO11 في البيئات التي قد لا يتوفر فيها النظام البيئي TensorFlow الكامل، مثل الأجهزة المحمولة أو الأجهزة المتخصصة.

في هذا الدليل، سنرشدك خطوة بخطوة حول كيفية تصدير Ultralytics YOLO11 النماذج الخاصة بك إلى تنسيق النموذج TF GraphDef . من خلال تحويل النموذج الخاص بك، يمكنك تبسيط عملية النشر واستخدام إمكانيات الرؤية الحاسوبية YOLO11 في مجموعة أوسع من التطبيقات والمنصات.

TensorFlow GraphDef

لماذا يجب عليك التصدير إلى TF GraphDef ؟

TF GraphDef هو مكون قوي في النظام البيئي TensorFlow تم تطويره بواسطة Google. يمكن استخدامه لتحسين النماذج ونشرها مثل YOLO11. يتيح لنا التصدير إلى TF GraphDef نقل النماذج من البحث إلى تطبيقات العالم الحقيقي. وهو يسمح بتشغيل النماذج في بيئات بدون إطار عمل TensorFlow الكامل.

يمثل تنسيق GraphDef النموذج كرسم بياني حسابي متسلسل. يتيح ذلك تقنيات تحسين مختلفة مثل الطي الثابت والتحويل الكمي وتحويلات الرسم البياني. تضمن هذه التحسينات كفاءة التنفيذ، وتقليل استخدام الذاكرة، وسرعات استنتاج أسرع.

GraphDef يمكن للنماذج استخدام مسرعات الأجهزة مثل وحدات معالجة الرسومات ووحدات معالجة الرسومات، ووحدات معالجة الرسومات، وشرائح الذكاء الاصطناعي، مما يحقق مكاسب كبيرة في الأداء لخط أنابيب الاستدلال YOLO11 . ينشئ تنسيق TF GraphDef حزمة قائمة بذاتها مع النموذج وتوابعه، مما يسهل النشر والتكامل في أنظمة متنوعة.

الميزات الرئيسية لطرازات TF GraphDef

TF GraphDef ميزات مميزة لتبسيط نشر النماذج وتحسينها.

إليك نظرة على خصائصه الرئيسية:

  • تسلسل النماذج: TF GraphDef يوفر طريقة لتسلسل وتخزين النماذج TensorFlow بتنسيق مستقل عن المنصة. يسمح لك هذا التمثيل المتسلسل بتحميل نماذجك وتنفيذها بدون قاعدة الرموز الأصلية Python ، مما يجعل النشر أسهل.

  • تحسين الرسوم البيانية: TF GraphDef يتيح تحسين الرسوم البيانية الحسابية. يمكن أن تعزز هذه التحسينات الأداء من خلال تبسيط تدفق التنفيذ، وتقليل التكرار، وتخصيص العمليات لتناسب أجهزة معينة.

  • مرونة النشر: يمكن استخدام النماذج التي تم تصديرها إلى تنسيق GraphDef في بيئات مختلفة، بما في ذلك الأجهزة ذات الموارد المحدودة ومتصفحات الويب والأنظمة ذات الأجهزة المتخصصة. وهذا يفتح إمكانيات نشر أوسع لنماذج TensorFlow الخاصة بك .

  • التركيز على الإنتاج: تم تصميم GraphDef لنشر الإنتاج. وهو يدعم التنفيذ الفعال، وميزات التسلسل، والتحسينات التي تتماشى مع حالات الاستخدام في العالم الحقيقي.

خيارات النشر مع TF GraphDef

قبل أن نغوص في عملية تصدير النماذج YOLO11 إلى TF GraphDef ، دعونا نلقي نظرة على بعض حالات النشر النموذجية التي يتم فيها استخدام هذا التنسيق.

إليك كيفية النشر باستخدام TF GraphDef بكفاءة عبر مختلف المنصات.

  • TensorFlow الخدمة: تم تصميم هذا الإطار لنشر نماذج TensorFlow في بيئات الإنتاج. TensorFlow تقدم الخدمة إدارة النماذج، وإصدار النماذج، والبنية التحتية لتقديم النماذج بكفاءة على نطاق واسع. إنها طريقة سلسة لدمج نماذجك المستندة إلى GraphDef في خدمات الويب أو واجهات برمجة التطبيقات الخاصة بالإنتاج.

  • الأجهزة المحمولة والمضمنة: باستخدام أدوات مثل TensorFlow Lite، يمكنك تحويل نماذج TF GraphDef إلى تنسيقات محسّنة للهواتف الذكية والأجهزة اللوحية ومختلف الأجهزة المدمجة. يمكن بعد ذلك استخدام نماذجك للاستدلال على الجهاز، حيث يتم التنفيذ محليًا، مما يوفر غالبًا مكاسب في الأداء وقدرات غير متصلة بالإنترنت.

  • متصفحات الويب: TensorFlow.js يتيح نشر نماذج TF GraphDef مباشرة داخل متصفحات الويب. وهو يمهد الطريق لتطبيقات الكشف عن الكائنات في الوقت الحقيقي التي تعمل على جانب العميل، باستخدام إمكانيات YOLO11 من خلال جافا سكريبت.

  • الأجهزة المتخصصة: تسمح الطبيعة الحيادية للمنصة TF GraphDef باستهداف الأجهزة المخصصة، مثل المسرعات ووحدات المعالجة TPU (Tensor وحدات المعالجة). يمكن أن توفر هذه الأجهزة مزايا الأداء للنماذج كثيفة الحوسبة.

تصدير النماذج YOLO11 إلى TF GraphDef

يمكنك تحويل نموذج الكشف عن الكائنات YOLO11 الخاص بك إلى تنسيق TF GraphDef ، وهو متوافق مع مختلف الأنظمة، لتحسين أدائه عبر الأنظمة الأساسية.

التركيب

لتثبيت الحزمة المطلوبة، قم بتشغيل:

التركيب

# Install the required package for YOLO11
pip install ultralytics

للاطلاع على الإرشادات التفصيلية وأفضل الممارسات المتعلقة بعملية التثبيت، راجع دليل التثبيتUltralytics . أثناء تثبيت الحزم المطلوبة YOLO11 ، إذا واجهت أي صعوبات، راجع دليل المشكلات الشائعة للحصول على الحلول والنصائح.

الاستخدام

قبل الغوص في إرشادات الاستخدام، من المهم ملاحظة أنه على الرغم من أن جميع الطرازاتUltralytics YOLO11 متاحة للتصدير، يمكنك التأكد من أن الطراز الذي تختاره يدعم وظيفة التصدير هنا.

الاستخدام

from ultralytics import YOLO

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

# Export the model to TF GraphDef format
model.export(format="pb")  # creates 'yolo11n.pb'

# Load the exported TF GraphDef model
tf_graphdef_model = YOLO("yolo11n.pb")

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

# Export a YOLO11n PyTorch model to TF GraphDef format
yolo export model=yolo11n.pt format=pb  # creates 'yolo11n.pb'

# Run inference with the exported model
yolo predict model='yolo11n.pb' source='https://ultralytics.com/images/bus.jpg'

للحصول على مزيد من التفاصيل حول خيارات التصدير المدعومة، يرجى زيارة صفحة التوثيقUltralytics الخاصة بخيارات النشر.

نشر النماذج المصدرة YOLO11 TF GraphDef النماذج

بمجرد تصدير نموذجك YOLO11 إلى تنسيق TF GraphDef ، فإن الخطوة التالية هي النشر. الخطوة الأولى الأساسية والموصى بها لتشغيل نموذج TF GraphDef هي استخدام طريقة YOLO("model.pb")، كما هو موضح سابقًا في مقتطف رمز الاستخدام.

ومع ذلك، لمزيد من المعلومات حول نشر نماذج TF GraphDef الخاصة بك، ألق نظرة على الموارد التالية:

  • TensorFlow الخدمة: دليل على TensorFlow Serving يعلمك كيفية نشر نماذج التعلم الآلي وخدمتها بكفاءة في بيئات الإنتاج.

  • TensorFlow لايت: تصف هذه الصفحة كيفية تحويل نماذج التعلّم الآلي إلى تنسيق محسّن للاستدلال على الجهاز باستخدام TensorFlow Lite.

  • TensorFlow.js: دليل حول تحويل النماذج يعلمك كيفية تحويل النماذج TensorFlow أو نماذج Keras إلى صيغة TensorFlow.js لاستخدامها في تطبيقات الويب.

الملخص

استكشفنا في هذا الدليل كيفية تصدير نماذج Ultralytics YOLO11 إلى تنسيق TF GraphDef . من خلال القيام بذلك، يمكنك نشر نماذجك المحسّنة YOLO11 بمرونة في بيئات مختلفة.

للحصول على مزيد من التفاصيل حول الاستخدام، يرجى زيارة الوثائق الرسميةTF GraphDef .

لمزيد من المعلومات حول التكامل Ultralytics YOLO11 مع المنصات والأطر الأخرى، لا تنسَ الاطلاع على صفحة دليل التكامل الخاصة بنا. فهو يحتوي على موارد ورؤى رائعة لمساعدتك على تحقيق أقصى استفادة من YOLO11 في مشاريعك.

الأسئلة الشائعة

كيف يمكنني تصدير نموذج YOLO11 إلى تنسيق TF GraphDef ؟

Ultralytics YOLO11 يمكن تصدير النماذج إلى تنسيق TensorFlow GraphDef (TF GraphDef ) بسلاسة. يوفر هذا التنسيق تمثيلاً متسلسلاً ومستقلاً عن المنصة للنموذج، وهو مثالي للنشر في بيئات متنوعة مثل الجوال والويب. لتصدير نموذج YOLO11 إلى TF GraphDef ، اتبع الخطوات التالية:

الاستخدام

from ultralytics import YOLO

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

# Export the model to TF GraphDef format
model.export(format="pb")  # creates 'yolo11n.pb'

# Load the exported TF GraphDef model
tf_graphdef_model = YOLO("yolo11n.pb")

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

# Export a YOLO11n PyTorch model to TF GraphDef format
yolo export model="yolo11n.pt" format="pb"  # creates 'yolo11n.pb'

# Run inference with the exported model
yolo predict model="yolo11n.pb" source="https://ultralytics.com/images/bus.jpg"

للمزيد من المعلومات عن خيارات التصدير المختلفة، يرجى زيارة الموقع الإلكتروني Ultralytics وثائق تصدير النماذج.

ما هي فوائد استخدام TF GraphDef لنشر نموذج YOLO11 ؟

يوفر تصدير نماذج YOLO11 إلى تنسيق TF GraphDef مزايا متعددة، بما في ذلك:

  1. استقلالية النظام الأساسي: TF GraphDef يوفر تنسيقاً مستقلاً عن النظام الأساسي، مما يسمح بنشر النماذج عبر بيئات مختلفة بما في ذلك متصفحات الجوال والويب.
  2. التحسينات: يتيح التنسيق العديد من التحسينات، مثل الطي الثابت، والتحويل الكمي، وتحويلات الرسم البياني، مما يعزز كفاءة التنفيذ ويقلل من استخدام الذاكرة.
  3. تسريع الأجهزة: يمكن للنماذج بتنسيق TF GraphDef الاستفادة من مسرعات الأجهزة مثل وحدات معالجة الرسومات ووحدات معالجة الرسومات، ووحدات معالجة الرسومات، وشرائح الذكاء الاصطناعي لتحقيق مكاسب في الأداء.

اقرأ المزيد حول الفوائد في قسمTF GraphDef من وثائقنا.

لماذا يجب استخدام Ultralytics YOLO11 بدلاً من نماذج أخرى للكشف عن الكائنات الأخرى؟

Ultralytics YOLO11 يوفر العديد من المزايا مقارنةً بالطرازات الأخرى مثل YOLOv5 و YOLOv7. تتضمن بعض المزايا الرئيسية ما يلي:

  1. أداء على أحدث طراز: YOLO11 يوفر سرعة ودقة استثنائيتين لاكتشاف الأجسام في الوقت الحقيقي وتجزئتها وتصنيفها.
  2. سهولة الاستخدام: تتميز بواجهة برمجة تطبيقات سهلة الاستخدام لتدريب النماذج والتحقق من صحتها والتنبؤ بها وتصديرها، مما يجعلها في متناول كل من المبتدئين والخبراء.
  3. توافق واسع النطاق: يدعم العديد من تنسيقات التصدير بما في ذلك ONNX و TensorRT و CoreML و TensorFlow ، لخيارات نشر متعددة الاستخدامات.

استكشف المزيد من التفاصيل في مقدمة YOLO11.

كيف يمكنني نشر نموذج YOLO11 على أجهزة متخصصة باستخدام TF GraphDef ؟

بمجرد تصدير نموذج YOLO11 إلى تنسيق TF GraphDef ، يمكنك نشره عبر مختلف منصات الأجهزة المتخصصة. تتضمن سيناريوهات النشر النموذجية ما يلي:

  • TensorFlow الخدمة: استخدم TensorFlow Serving لنشر النماذج القابلة للتطوير في بيئات الإنتاج. يدعم إدارة النماذج والعرض الفعال.
  • الأجهزة المحمولة: قم بتحويل نماذج TF GraphDef إلى TensorFlow Lite، المحسّنة للأجهزة المحمولة والأجهزة المدمجة، مما يتيح الاستدلال على الجهاز.
  • متصفحات الويب: نشر النماذج باستخدام TensorFlow.js للاستدلال من جانب العميل في تطبيقات الويب.
  • مسرعات الذكاء الاصطناعي: استفد من وحدات المعالجة ثلاثية الأبعاد وشرائح الذكاء الاصطناعي المخصصة للاستدلال السريع.

راجع قسم خيارات النشر للحصول على معلومات مفصلة.

أين يمكنني العثور على حلول للمشاكل الشائعة أثناء تصدير النماذج YOLO11 ؟

لاستكشاف المشكلات الشائعة المتعلقة بتصدير النماذج YOLO11 وإصلاحها، يوفر Ultralytics أدلة وموارد شاملة. إذا واجهتك مشاكل أثناء التثبيت أو تصدير النماذج، ارجع إلى:

من المفترض أن تساعدك هذه الموارد في حل معظم المشاكل المتعلقة بتصدير النموذج YOLO11 ونشره.

📅 تم إنشاؤها قبل 8 أشهر ✏️ تم التحديث منذ 2 أشهر
ألترالتيكسيستانتست غلين-جوتشر ماثيو نويس رضوان منور برهان-ق أبيرامي-فينا

التعليقات