Exportación de modelos con Ultralytics YOLO

Introducción

El objetivo último de entrenar un modelo es desplegarlo para aplicaciones del mundo real. El modo Exportar de Ultralytics YOLOv8 ofrece una gama versátil de opciones para exportar tu modelo entrenado a diferentes formatos, haciéndolo desplegable en varias plataformas y dispositivos. Esta completa guía pretende guiarte a través de los matices de la exportación de modelos, mostrándote cómo conseguir la máxima compatibilidad y rendimiento.

Observa: Cómo exportar el modelo entrenado personalizado Ultralytics YOLOv8 y ejecutar la inferencia en directo en la cámara web.

¿Por qué elegir el modo de exportación de YOLOv8?

• Versatilidad: Exporta a múltiples formatos, como ONNX, TensorRT, CoreML, y más.
• Rendimiento: Consigue hasta 5 veces más velocidad de la GPU con TensorRT y 3 veces más velocidad de la CPU con ONNX o OpenVINO.
• Compatibilidad: Haz que tu modelo sea universalmente desplegable en numerosos entornos de hardware y software.
• Facilidad de uso: API sencilla CLI y Python para exportar modelos de forma rápida y directa.

Características principales del modo Exportar

Estas son algunas de las funcionalidades más destacadas:

• Exportación con un clic: Comandos sencillos para exportar a distintos formatos.
• Exportación por lotes: Exporta modelos capaces de realizar inferencias por lotes.
• Inferencia optimizada: Los modelos exportados están optimizados para agilizar los tiempos de inferencia.
• Vídeos tutoriales: Guías y tutoriales en profundidad para una experiencia de exportación sin problemas.

Ejemplos de uso

Exporta un modelo de YOLOv8n a un formato diferente como ONNX o TensorRT. Consulta la sección Argumentos más abajo para ver una lista completa de argumentos de exportación.

from ultralytics import YOLO

# Load a model
model = YOLO('yolov8n.pt')  # load an official model
model = YOLO('path/to/best.pt')  # load a custom trained model

# Export the model
model.export(format='onnx')

yolo export model=yolov8n.pt format=onnx  # export official model
yolo export model=path/to/best.pt format=onnx  # export custom trained model

Argumentos

Esta tabla detalla las configuraciones y opciones disponibles para exportar modelos de YOLO a distintos formatos. Estas configuraciones son fundamentales para optimizar el rendimiento, el tamaño y la compatibilidad del modelo exportado en distintas plataformas y entornos. Una configuración adecuada garantiza que el modelo esté listo para su despliegue en la aplicación prevista con una eficacia óptima.

Ajustar estos parámetros permite personalizar el proceso de exportación para adaptarlo a requisitos específicos, como el entorno de despliegue, las limitaciones de hardware y los objetivos de rendimiento. Seleccionar el formato y los ajustes adecuados es esencial para lograr el mejor equilibrio entre tamaño del modelo, velocidad y precisión.

Formatos de exportación

Los formatos de exportación disponibles de YOLOv8 están en la tabla siguiente. Puedes exportar a cualquier formato utilizando el botón format argumento, es decir format='onnx' o format='engine'. Puedes predecir o validar directamente los modelos exportados, es decir. yolo predict model=yolov8n.onnx. Se muestran ejemplos de uso de tu modelo una vez finalizada la exportación.

Comentarios