Modèle d'exportation avec Ultralytics YOLO

Introduction

Le but ultime de la formation d'un modèle est de le déployer pour des applications réelles. Le mode d'exportation dans Ultralytics YOLOv8 offre une gamme polyvalente d'options pour exporter ton modèle formé vers différents formats, ce qui le rend déployable sur diverses plateformes et appareils. Ce guide complet a pour but de te guider à travers les nuances de l'exportation de modèles, en te montrant comment obtenir une compatibilité et des performances maximales.

Regarde : Comment exporter un modèle Ultralytics YOLOv8 personnalisé et exécuter une inférence en direct sur une webcam.

Pourquoi choisir le mode d'exportation de YOLOv8?

• Polyvalence : Exporte vers plusieurs formats, y compris ONNX, TensorRT, CoreML, et plus encore.
• Performance : Gagne jusqu'à 5 fois la vitesse du GPU avec TensorRT et 3 fois la vitesse du CPU avec ONNX ou OpenVINO.
• Compatibilité : Rends ton modèle universellement déployable dans de nombreux environnements matériels et logiciels.
• Facilité d'utilisation : CLI et Python API simples pour une exportation rapide et directe des modèles.

Principales caractéristiques du mode d'exportation

Voici quelques-unes des fonctionnalités les plus remarquables :

• Exportation en un clic : Des commandes simples pour exporter vers différents formats.
• Exportation par lots : Exporte des modèles capables d'effectuer des inférences par lots.
• Inférence optimisée : Les modèles exportés sont optimisés pour une inférence plus rapide.
• Tutoriels vidéo : Des guides et des tutoriels approfondis pour une expérience d'exportation en douceur.

Exemples d'utilisation

Exporte un modèle YOLOv8n vers un format différent comme ONNX ou TensorRT. Voir la section Arguments ci-dessous pour une liste complète des arguments d'exportation.

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

Arguments

Ce tableau détaille les configurations et les options disponibles pour exporter les modèles YOLO vers différents formats. Ces paramètres sont essentiels pour optimiser les performances, la taille et la compatibilité du modèle exporté sur différentes plateformes et dans différents environnements. Une configuration adéquate garantit que le modèle est prêt à être déployé dans l'application prévue avec une efficacité optimale.

L'ajustement de ces paramètres permet de personnaliser le processus d'exportation en fonction d'exigences spécifiques, telles que l'environnement de déploiement, les contraintes matérielles et les objectifs de performance. La sélection du format et des paramètres appropriés est essentielle pour atteindre le meilleur équilibre entre la taille du modèle, la vitesse et la précision.

Formats d'exportation

Les formats d'exportation disponibles sur YOLOv8 sont présentés dans le tableau ci-dessous. Tu peux exporter vers n'importe quel format à l'aide de la fonction format argument, c'est-à-dire format='onnx' ou format='engine'. Tu peux prédire ou valider directement sur les modèles exportés, c'est-à-dire . yolo predict model=yolov8n.onnx. Des exemples d'utilisation sont montrés pour ton modèle une fois l'exportation terminée.

Commentaires