Comment exporter vers le format PaddlePaddle depuis des modèles YOLO26#

Combler l'écart entre le développement et le déploiement de modèles de computer vision dans des scénarios réels aux conditions variées peut s'avérer difficile. PaddlePaddle simplifie ce processus en mettant l'accent sur la flexibilité, les performances et sa capacité de traitement parallèle dans des environnements distribués. Cela signifie que tu peux utiliser tes modèles de computer vision YOLO26 sur une grande variété d'appareils et de plateformes, des smartphones aux serveurs cloud.

La possibilité d'exporter vers le format de modèle PaddlePaddle te permet d'optimiser tes modèles Ultralytics YOLO26 pour les utiliser au sein du framework PaddlePaddle. PaddlePaddle est reconnu pour faciliter les déploiements industriels et constitue un bon choix pour déployer des applications de computer vision dans des contextes réels à travers divers domaines.

Pourquoi devrais-tu exporter vers PaddlePaddle ?#

Développé par Baidu, PaddlePaddle (PArallel Distributed Deep LEarning) est la première plateforme open-source de deep learning en Chine. Contrairement à certains frameworks conçus principalement pour la recherche, PaddlePaddle privilégie la facilité d'utilisation et une intégration fluide à travers les industries.

Il propose des outils et des ressources similaires à des frameworks populaires comme TensorFlow et PyTorch, ce qui le rend accessible aux développeurs de tous niveaux d'expérience. De l'agriculture et des usines aux entreprises de services, la vaste communauté de développeurs de PaddlePaddle, forte de plus de 4,77 millions de membres, contribue à créer et à déployer des applications d'IA.

En exportant tes modèles Ultralytics YOLO26 vers le format PaddlePaddle, tu peux tirer parti des points forts de PaddlePaddle en matière d'optimisation des performances. PaddlePaddle privilégie une exécution efficace des modèles et une réduction de l'utilisation de la mémoire. Par conséquent, tes modèles YOLO26 peuvent potentiellement atteindre de meilleures performances, offrant des résultats de premier ordre dans des scénarios pratiques.

Fonctionnalités clés des modèles PaddlePaddle#

Les modèles PaddlePaddle offrent une gamme de fonctionnalités clés qui contribuent à leur flexibilité, leurs performances et leur évolutivité dans divers scénarios de déploiement :

• Graphe dynamique vers statique : PaddlePaddle prend en charge la compilation dynamique vers statique, où les modèles peuvent être traduits en un graphe de calcul statique. Cela permet des optimisations qui réduisent la surcharge d'exécution et augmentent les performances d'inférence.

• Fusion d'opérateurs : PaddlePaddle, tout comme TensorRT, utilise la fusion d'opérateurs pour rationaliser les calculs et réduire la surcharge. Le framework minimise les transferts de mémoire et les étapes de calcul en fusionnant les opérations compatibles, ce qui donne une inférence plus rapide.

• Quantification : PaddlePaddle prend en charge les techniques de quantification, y compris la quantification post-entraînement et l'entraînement tenant compte de la quantification. Ces techniques permettent d'utiliser des représentations de données de précision inférieure, améliorant efficacement les performances et réduisant la taille du modèle.

Options de déploiement dans PaddlePaddle#

Avant de te plonger dans le code pour exporter des modèles YOLO26 vers PaddlePaddle, examinons les différents scénarios de déploiement dans lesquels les modèles PaddlePaddle excellent.

PaddlePaddle propose une gamme d'options, chacune offrant un équilibre distinct entre facilité d'utilisation, flexibilité et performance :

• Paddle Serving : Ce framework simplifie le déploiement des modèles PaddlePaddle sous forme d'API RESTful hautes performances. Paddle Serving est idéal pour les environnements de production, offrant des fonctionnalités telles que le versionnage des modèles, les tests A/B en ligne et l'évolutivité pour gérer de grands volumes de requêtes.

• API Paddle Inference : L'API Paddle Inference te donne un contrôle de bas niveau sur l'exécution des modèles. Cette option est bien adaptée aux scénarios où tu dois intégrer étroitement le modèle dans une application personnalisée ou optimiser les performances pour un matériel spécifique.

• Paddle Lite : Paddle Lite est conçu pour le déploiement sur des appareils mobiles et embarqués où les ressources sont limitées. Il optimise les modèles pour des tailles réduites et une inférence plus rapide sur les CPU ARM, les GPU et autres matériels spécialisés.

• Paddle.js : Paddle.js te permet de déployer des modèles PaddlePaddle directement dans les navigateurs web. Paddle.js peut soit charger un modèle pré-entraîné, soit transformer un modèle provenant de paddle-hub à l'aide d'outils de transformation de modèles fournis par Paddle.js. Il peut s'exécuter dans les navigateurs qui prennent en charge WebGL, WebGPU ou WebAssembly.

Tâches prises en charge#

L'export PaddlePaddle prend en charge les sept tâches d'Ultralytics. La segmentation sémantique et l'estimation de la profondeur ne sont disponibles qu'avec YOLO26, la seule famille qui intègre ces têtes.

Exporter vers PaddlePaddle : Conversion de ton modèle YOLO26#

La conversion des modèles YOLO26 au format PaddlePaddle peut améliorer la flexibilité d'exécution et optimiser les performances pour divers scénarios de déploiement.

Installation#

Pour installer le package requis, exécute :

# Install the required package for YOLO26
pip install ultralytics

Pour des instructions détaillées et les meilleures pratiques relatives au processus d'installation, consultez notre guide d'installation Ultralytics. Si vous rencontrez des difficultés lors de l'installation des paquets requis pour YOLO26, consultez notre guide des problèmes courants pour trouver des solutions et des conseils.

Utilisation#

Tous les modèles Ultralytics YOLO26 prennent en charge l'exportation, et tu peux parcourir la liste complète des formats et options d'exportation pour trouver la solution la mieux adaptée à tes besoins de déploiement.

Le format PaddlePaddle prend en charge les modes Export, Predict et Validate. Exporte ton modèle, puis charge le modèle exporté pour exécuter l'inférence ou valider sa précision.

from ultralytics import YOLO

# Load a YOLO26 model
model = YOLO("yolo26n.pt")

# Export the model to PaddlePaddle format
model.export(format="paddle")  # creates '/yolo26n_paddle_model'

from ultralytics import YOLO

# Load the exported PaddlePaddle model
model = YOLO("./yolo26n_paddle_model")

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

from ultralytics import YOLO

# Load the exported PaddlePaddle model
model = YOLO("./yolo26n_paddle_model")

# Validate accuracy on the COCO8 dataset
metrics = model.val(data="coco8.yaml")

Arguments d'exportation#

Pour plus de détails sur le processus d'exportation, visite la page de documentation d'Ultralytics sur l'exportation.

Déploiement des modèles YOLO26 PaddlePaddle exportés#

Après avoir réussi à exporter tes modèles Ultralytics YOLO26 vers le format PaddlePaddle, tu peux maintenant les déployer. La première étape principale et recommandée pour exécuter un modèle PaddlePaddle est d'utiliser la méthode YOLO("yolo26n_paddle_model/"), comme indiqué dans l'extrait de code d'utilisation précédent.

Cependant, pour des instructions détaillées sur le déploiement de tes modèles PaddlePaddle dans divers autres environnements, consulte les ressources suivantes :

• Paddle Serving : Apprends à déployer tes modèles PaddlePaddle en tant que services performants à l'aide de Paddle Serving.

• Paddle Lite : Découvre comment optimiser et déployer des modèles sur des appareils mobiles et embarqués à l'aide de Paddle Lite.

• Paddle.js : Découvre comment exécuter des modèles PaddlePaddle dans les navigateurs web pour de l'IA côté client à l'aide de Paddle.js.

Résumé#

Dans ce guide, nous avons exploré le processus d'exportation des modèles Ultralytics YOLO26 vers le format PaddlePaddle. En suivant ces étapes, tu peux tirer parti des points forts de PaddlePaddle dans divers scénarios de déploiement, en optimisant tes modèles pour différents environnements matériels et logiciels.

Pour plus de détails sur l'utilisation, consulte la documentation officielle de PaddlePaddle.

Tu souhaites explorer d'autres façons d'intégrer tes modèles Ultralytics YOLO26 ? Notre page de guide d'intégration explore diverses options, te fournissant des ressources et des informations précieuses.

FAQ#