सामग्री पर जाएं

CoreML के लिए निर्यात करें YOLOv8 मॉडल

iPhones और Mac जैसे Apple उपकरणों पर कंप्यूटर विज़न मॉडल को परिनियोजित करने के लिए एक ऐसे प्रारूप की आवश्यकता होती है जो सहज प्रदर्शन सुनिश्चित करता हो।

वही CoreML निर्यात प्रारूप आपको अपने अनुकूलन की अनुमति देता है Ultralytics YOLOv8 IOS और macOS अनुप्रयोगों में कुशल ऑब्जेक्ट डिटेक्शन के लिए मॉडल। इस गाइड में, हम आपको अपने मॉडल को CoreML प्रारूप, आपके मॉडल के लिए Apple उपकरणों पर अच्छा प्रदर्शन करना आसान बनाता है।

CoreML

CoreML विहंगावलोकन

CoreML Apple का मूलभूत मशीन लर्निंग फ्रेमवर्क है जो एक्सेलरेट, BNNS और मेटल परफॉर्मेंस शेडर्स पर आधारित है। यह एक मशीन-लर्निंग मॉडल प्रारूप प्रदान करता है जो मूल रूप से आईओएस अनुप्रयोगों में एकीकृत होता है और छवि विश्लेषण, प्राकृतिक भाषा प्रसंस्करण, ऑडियो-टू-टेक्स्ट रूपांतरण और ध्वनि विश्लेषण जैसे कार्यों का समर्थन करता है।

एप्लिकेशन नेटवर्क कनेक्शन या एपीआई कॉल की आवश्यकता के बिना कोर एमएल का लाभ उठा सकते हैं क्योंकि कोर एमएल फ्रेमवर्क ऑन-डिवाइस कंप्यूटिंग का उपयोग करके काम करता है। इसका मतलब है कि उपयोगकर्ता के डिवाइस पर स्थानीय रूप से मॉडल अनुमान लगाया जा सकता है।

की मुख्य विशेषताएं CoreML मॉडल

सेब का CoreML फ्रेमवर्क ऑन-डिवाइस मशीन लर्निंग के लिए मजबूत सुविधाएँ प्रदान करता है। यहाँ प्रमुख विशेषताएं हैं जो बनाती हैं CoreML डेवलपर्स के लिए एक शक्तिशाली उपकरण:

  • व्यापक मॉडल समर्थन: लोकप्रिय ढांचे से मॉडल को परिवर्तित और चलाता है जैसे TensorFlow, PyTorch, स्किकिट-लर्न, XGBoost, और LibSVM।

CoreML समर्थित मॉडल

  • ऑन-डिवाइस मशीन लर्निंग: नेटवर्क कनेक्टिविटी की आवश्यकता को समाप्त करते हुए, उपयोगकर्ता के डिवाइस पर सीधे मॉडल निष्पादित करके डेटा गोपनीयता और तेज प्रसंस्करण सुनिश्चित करता है।

  • प्रदर्शन और अनुकूलन: न्यूनतम शक्ति और मेमोरी उपयोग के साथ इष्टतम प्रदर्शन के लिए डिवाइस के सीपीयू, जीपीयू और न्यूरल इंजन का उपयोग करता है। सटीकता बनाए रखते हुए मॉडल संपीड़न और अनुकूलन के लिए उपकरण प्रदान करता है।

  • एकीकरण में आसानी: विभिन्न मॉडल प्रकारों के लिए एक एकीकृत प्रारूप और ऐप्स में सहज एकीकरण के लिए एक उपयोगकर्ता के अनुकूल एपीआई प्रदान करता है। विजन और प्राकृतिक भाषा जैसे ढांचे के माध्यम से डोमेन-विशिष्ट कार्यों का समर्थन करता है।

  • उन्नत सुविधाएँ: व्यक्तिगत अनुभवों के लिए ऑन-डिवाइस प्रशिक्षण क्षमताएं, इंटरैक्टिव एमएल अनुभवों के लिए अतुल्यकालिक भविष्यवाणियां और मॉडल निरीक्षण और सत्यापन उपकरण शामिल हैं।

CoreML परिनियोजन विकल्प

इससे पहले कि हम निर्यात के लिए कोड देखें YOLOv8 करने के लिए मॉडल CoreML प्रारूप, आइए समझते हैं कि कहां CoreML मॉडल आमतौर पर उपयोग किए जाते हैं।

CoreML मशीन लर्निंग मॉडल के लिए विभिन्न परिनियोजन विकल्प प्रदान करता है, जिनमें शामिल हैं:

  • ऑन-डिवाइस परिनियोजन: यह विधि सीधे एकीकृत होती है CoreML आपके iOS ऐप में मॉडल। यह कम विलंबता, बढ़ी हुई गोपनीयता (चूंकि डेटा डिवाइस पर रहता है), और ऑफ़लाइन कार्यक्षमता सुनिश्चित करने के लिए विशेष रूप से फायदेमंद है। हालाँकि, यह दृष्टिकोण डिवाइस की हार्डवेयर क्षमताओं द्वारा सीमित हो सकता है, विशेष रूप से बड़े और अधिक जटिल मॉडल के लिए। ऑन-डिवाइस परिनियोजन को निम्नलिखित दो तरीकों से निष्पादित किया जा सकता है।

    • एम्बेड किए गए मॉडल: ये मॉडल ऐप बंडल में शामिल हैं और तुरंत एक्सेस किए जा सकते हैं। वे छोटे मॉडल के लिए आदर्श हैं जिन्हें लगातार अपडेट की आवश्यकता नहीं होती है।

    • डाउनलोड किए गए मॉडल: इन मॉडलों को आवश्यकतानुसार सर्वर से प्राप्त किया जाता है। यह दृष्टिकोण बड़े मॉडल या नियमित अपडेट की आवश्यकता वाले लोगों के लिए उपयुक्त है। यह ऐप बंडल आकार को छोटा रखने में मदद करता है।

  • क्लाउड-आधारित परिनियोजन: CoreML मॉडल सर्वर पर होस्ट किए जाते हैं और एपीआई अनुरोधों के माध्यम से आईओएस ऐप द्वारा एक्सेस किए जाते हैं। यह स्केलेबल और लचीला विकल्प ऐप संशोधन के बिना आसान मॉडल अपडेट को सक्षम बनाता है। यह जटिल मॉडल या बड़े पैमाने पर ऐप्स के लिए आदर्श है जिन्हें नियमित अपडेट की आवश्यकता होती है। हालाँकि, इसके लिए इंटरनेट कनेक्शन की आवश्यकता होती है और यह विलंबता और सुरक्षा समस्याएँ पैदा कर सकता है।

निर्यात YOLOv8 करने के लिए मॉडल CoreML

निर्यात YOLOv8 तक CoreML ऐप्पल के पारिस्थितिकी तंत्र के भीतर अनुकूलित, ऑन-डिवाइस मशीन लर्निंग प्रदर्शन को सक्षम बनाता है, आईओएस, मैकओएस, वॉचओएस और टीवीओएस प्लेटफार्मों के साथ दक्षता, सुरक्षा और सहज एकीकरण के मामले में लाभ प्रदान करता है।

संस्थापन

आवश्यक पैकेज स्थापित करने के लिए, चलाएं:

संस्थापन

# Install the required package for YOLOv8
pip install ultralytics

स्थापना प्रक्रिया से संबंधित विस्तृत निर्देशों और सर्वोत्तम प्रथाओं के लिए, हमारी जाँच करें YOLOv8 इंस्टालेशन गाइड। के लिए आवश्यक पैकेज स्थापित करते समय YOLOv8, अगर आपको कोई कठिनाई आती है, तो समाधान और सुझावों के लिए हमारी सामान्य समस्याएं मार्गदर्शिका देखें.

उपयोग

उपयोग निर्देशों में गोता लगाने से पहले, की सीमा की जांच करना सुनिश्चित करें YOLOv8 द्वारा पेश किए गए मॉडल Ultralytics. इससे आपको अपनी परियोजना आवश्यकताओं के लिए सबसे उपयुक्त मॉडल चुनने में मदद मिलेगी।

उपयोग

from ultralytics import YOLO

# Load the YOLOv8 model
model = YOLO('yolov8n.pt')

# Export the model to CoreML format
model.export(format='coreml')  # creates 'yolov8n.mlpackage'

# Load the exported CoreML model
coreml_model = YOLO('yolov8n.mlpackage')

# Run inference
results = coreml_model('https://ultralytics.com/images/bus.jpg')
# Export a YOLOv8n PyTorch model to CoreML format
yolo export model=yolov8n.pt format=coreml  # creates 'yolov8n.mlpackage''

# Run inference with the exported model
yolo predict model=yolov8n.mlpackage source='https://ultralytics.com/images/bus.jpg'

निर्यात प्रक्रिया के बारे में अधिक जानकारी के लिए, पर जाएँ Ultralytics निर्यात पर प्रलेखन पृष्ठ

निर्यात की गई तैनाती YOLOv8 CoreML मॉडल

सफलतापूर्वक अपने निर्यात करने के बाद Ultralytics YOLOv8 करने के लिए मॉडल CoreML, अगला महत्वपूर्ण चरण इन मॉडलों को प्रभावी ढंग से तैनात कर रहा है। तैनाती पर विस्तृत मार्गदर्शन के लिए CoreML विभिन्न वातावरणों में मॉडल, इन संसाधनों की जाँच करें:

  • CoreML उपकरण: इस गाइड में मॉडल को बदलने के निर्देश और उदाहरण शामिल हैं TensorFlow, PyTorch, और कोर एमएल के लिए अन्य पुस्तकालय।

  • एमएल और विजन: व्यापक वीडियो का एक संग्रह जो उपयोग और कार्यान्वयन के विभिन्न पहलुओं को कवर करता है CoreML मॉडल।

  • अपने ऐप में एक कोर एमएल मॉडल को एकीकृत करना: एक एकीकृत करने पर एक व्यापक गाइड CoreML एक आईओएस एप्लिकेशन में मॉडल, विभिन्न कार्यात्मकताओं के लिए ऐप में इसे लागू करने के लिए मॉडल तैयार करने से चरणों का विवरण देता है।

सारांश

इस गाइड में, हमने निर्यात करने के तरीके के बारे में बताया Ultralytics YOLOv8 करने के लिए मॉडल CoreML प्रारूप। इस गाइड में उल्लिखित चरणों का पालन करके, आप निर्यात करते समय अधिकतम संगतता और प्रदर्शन सुनिश्चित कर सकते हैं YOLOv8 करने के लिए मॉडल CoreML.

उपयोग के बारे में अधिक जानकारी के लिए, पर जाएँ CoreML आधिकारिक दस्तावेज।

इसके अलावा, यदि आप अन्य के बारे में अधिक जानना चाहते हैं Ultralytics YOLOv8 एकीकरण, हमारे एकीकरण गाइड पृष्ठ पर जाएं। आपको वहां बहुत सारे मूल्यवान संसाधन और अंतर्दृष्टि मिलेगी।



2024-02-07 बनाया गया, अपडेट किया गया 2024-02-07
लेखक: chr043416@gmail.com (1), अबिरामी-वीना (1)

टिप्पणियाँ