Comment exporter YOLO26 vers TF GraphDef pour le déploiement#

Lorsque tu déploies des modèles de vision par ordinateur de pointe, comme YOLO26, dans différents environnements, tu peux rencontrer des problèmes de compatibilité. GraphDef de TensorFlow, de Google, ou TF GraphDef, offre une solution en fournissant une représentation sérialisée et indépendante de la plateforme de ton modèle. Grâce au format de modèle TF GraphDef, tu peux déployer ton modèle YOLO26 dans des environnements où l’écosystème TensorFlow complet n’est pas forcément disponible, comme les appareils mobiles ou le matériel spécialisé.

Dans ce guide, nous allons te montrer étape par étape comment exporter tes modèles Ultralytics YOLO26 au format de modèle TF GraphDef. En convertissant ton modèle, tu peux simplifier le déploiement et exploiter les capacités de vision par ordinateur de YOLO26 dans un plus grand nombre d’applications et de plateformes.

Pourquoi exporter vers TF GraphDef ?#

TF GraphDef est un composant puissant de l’écosystème TensorFlow développé par Google. Il peut servir à optimiser et à déployer des modèles comme YOLO26. L’export au format TF GraphDef te permet de faire passer les modèles de la recherche aux applications concrètes. Il permet aux modèles de s’exécuter dans des environnements sans le framework TensorFlow complet.

Le format GraphDef représente le modèle sous la forme d’un graphe de calcul sérialisé. Cela permet d’appliquer différentes techniques d’optimisation, comme le pliage des constantes, la quantification et les transformations de graphe. Ces optimisations garantissent une exécution efficace, une utilisation réduite de la mémoire et une inférence plus rapide.

Les modèles GraphDef peuvent exploiter des accélérateurs matériels comme les GPU, les TPU et les puces d’IA, ce qui permet d’obtenir des gains de performances importants pour le pipeline d’inférence YOLO26. Le format TF GraphDef crée un paquet autonome contenant le modèle et ses dépendances, ce qui simplifie le déploiement et l’intégration dans différents systèmes.

Principales caractéristiques des modèles TF GraphDef#

TF GraphDef offre des fonctionnalités spécifiques pour simplifier le déploiement de modèles et leur optimisation.

Voici ses principales caractéristiques :

• Sérialisation des modèles : TF GraphDef permet de sérialiser et de stocker les modèles TensorFlow dans un format indépendant de la plateforme. Cette représentation sérialisée te permet de charger et d’exécuter tes modèles sans la base de code Python d’origine, ce qui facilite le déploiement.

• Optimisation des graphes : TF GraphDef permet d’optimiser les graphes de calcul. Ces optimisations peuvent améliorer les performances en simplifiant le flux d’exécution, en réduisant les redondances et en adaptant les opérations au matériel ciblé.

• Souplesse de déploiement : les modèles exportés au format GraphDef peuvent être utilisés dans divers environnements, notamment sur des appareils aux ressources limitées, dans des navigateurs Web et sur des systèmes équipés de matériel spécialisé. Cela ouvre la voie à un déploiement plus large de tes modèles TensorFlow.

• Conçu pour la production : GraphDef est conçu pour le déploiement en production. Il prend en charge une exécution efficace, des fonctionnalités de sérialisation et des optimisations adaptées aux cas d’usage réels.

Options de déploiement avec TF GraphDef#

Avant d’aborder l’exportation de modèles YOLO26 vers TF GraphDef, examinons quelques scénarios de déploiement courants dans lesquels ce format est utilisé.

Voici comment déployer efficacement avec TF GraphDef sur différentes plateformes.

• TensorFlow Serving : ce framework est conçu pour déployer des modèles TensorFlow en production. TensorFlow Serving propose la gestion et le versionnage des modèles, ainsi que l’infrastructure nécessaire pour les servir efficacement à grande échelle. C’est un moyen simple d’intégrer tes modèles basés sur GraphDef à des services Web ou des API en production.

• Appareils mobiles et embarqués : avec des outils comme LiteRT, tu peux convertir les modèles TF GraphDef dans des formats optimisés pour les smartphones, les tablettes et divers appareils embarqués. Tu peux ensuite utiliser tes modèles pour effectuer des inférences directement sur l’appareil, souvent avec de meilleures performances et sans connexion.

• Navigateurs Web : TensorFlow.js permet de déployer des modèles TF GraphDef directement dans les navigateurs Web. Cette solution ouvre la voie à des applications de détection d’objets en temps réel côté client, qui exploitent les capacités de YOLO26 avec JavaScript.

• Matériel spécialisé : la nature indépendante de la plateforme de TF GraphDef permet de cibler du matériel personnalisé, comme des accélérateurs et des TPU (unités de traitement tensoriel). Ces appareils peuvent améliorer les performances des modèles à forte intensité de calcul.

Tâches prises en charge#

L’exportation TF GraphDef prend en charge six des sept tâches Ultralytics. La segmentation sémantique et l’estimation de profondeur ne sont disponibles qu’avec YOLO26, la seule famille qui intègre ces têtes. Les modèles de pose peuvent être exportés, mais l’inférence GraphDef d’Ultralytics n’est actuellement pas prise en charge pour ces modèles.

Exporter des modèles YOLO26 vers TF GraphDef#

Tu peux convertir ton modèle YOLO26 au format TF GraphDef, compatible avec différents systèmes, afin d’améliorer ses performances sur plusieurs plateformes.

Installation#

Pour installer le package requis, exécute :

# Install the required package for YOLO26
pip install ultralytics

Pour obtenir des instructions détaillées et connaître les bonnes pratiques liées à l’installation, consulte notre guide d’installation Ultralytics. Si tu rencontres des difficultés lors de l’installation des packages requis pour YOLO26, consulte notre guide des problèmes courants, qui propose des solutions et des conseils.

Utilisation#

Tous les modèles Ultralytics YOLO26 sont conçus pour prendre en charge l’exportation dès leur installation, ce qui facilite leur intégration à ton flux de déploiement préféré. Tu peux consulter la liste complète des formats d’exportation pris en charge et des options de configuration pour choisir la configuration la mieux adaptée à ton application.

Le format TF GraphDef prend en charge les modes Export, Predict et Validate, à l’exception des modèles de pose, qui ne prennent actuellement en charge que l’exportation. Exporte ton modèle, puis charge le modèle exporté pour effectuer des inférences ou valider sa précision.

from ultralytics import YOLO

# Charger un modèle YOLO26
model = YOLO("yolo26n.pt")

# Exporter le modèle au format TF GraphDef
model.export(format="pb")  # crée 'yolo26n.pb'

from ultralytics import YOLO

# Charger le modèle TF GraphDef exporté
model = YOLO("yolo26n.pb")

# Exécuter l’inférence
results = model("https://ultralytics.com/images/bus.jpg")

from ultralytics import YOLO

# Charger le modèle TF GraphDef exporté
model = YOLO("yolo26n.pb")

# Valider la précision sur le jeu de données COCO8
metrics = model.val(data="coco8.yaml")

Arguments d’exportation#

Pour en savoir plus sur le processus d’export, consulte la page de la documentation Ultralytics consacrée à l’export.

Déployer des modèles YOLO26 TF GraphDef exportés#

Une fois ton modèle YOLO26 exporté au format TF GraphDef, l’étape suivante consiste à le déployer. La première étape recommandée pour exécuter un modèle TF GraphDef consiste à utiliser la méthode YOLO("model.pb"), comme indiqué précédemment dans l’extrait de code d’utilisation.

Pour en savoir plus sur le déploiement de tes modèles TF GraphDef, consulte les ressources suivantes :

• TensorFlow Serving : un guide sur TensorFlow Serving qui explique comment déployer et servir efficacement des modèles de machine learning en production.

• TensorFlow Lite : cette page explique comment convertir des modèles de machine learning dans un format optimisé pour l’inférence sur appareil avec TensorFlow Lite.

• TensorFlow.js : un guide de conversion de modèles qui explique comment convertir des modèles TensorFlow ou Keras au format TensorFlow.js pour les utiliser dans des applications Web.

Résumé#

Dans ce guide, nous avons vu comment exporter des modèles Ultralytics YOLO26 au format TF GraphDef. Tu peux ainsi déployer tes modèles YOLO26 optimisés avec souplesse dans différents environnements.

Pour plus de détails sur son utilisation, consulte la documentation officielle de TF GraphDef.

Pour en savoir plus sur l’intégration d’Ultralytics YOLO26 à d’autres plateformes et frameworks, consulte notre page sur les intégrations.

FAQ#