Riferimento per ultralytics/utils/benchmarks.py
Nota
Questo file è disponibile all'indirizzo https://github.com/ultralytics/ ultralytics/blob/main/ ultralytics/utils/benchmarks .py. Se noti un problema, contribuisci a risolverlo inviando una Pull Request 🛠️. Grazie 🙏!
ultralytics.utils.benchmarks.RF100Benchmark
Codice sorgente in ultralytics/utils/benchmarks.py
161 162 163 164 165 166 167 168 169 170 171 172 173 174 175 176 177 178 179 180 181 182 183 184 185 186 187 188 189 190 191 192 193 194 195 196 197 198 199 200 201 202 203 204 205 206 207 208 209 210 211 212 213 214 215 216 217 218 219 220 221 222 223 224 225 226 227 228 229 230 231 232 233 234 235 236 237 238 239 240 241 242 243 244 245 246 247 248 249 250 251 252 253 254 255 256 257 258 259 260 261 262 263 264 265 266 267 268 269 270 271 272 273 274 275 276 277 278 279 280 281 282 283 284 285 |
|
__init__()
Funzione per l'inizializzazione di RF100Benchmark.
evaluate(yaml_path, val_log_file, eval_log_file, list_ind)
Valutazione del modello sui risultati della convalida.
Parametri:
Nome | Tipo | Descrizione | Predefinito |
---|---|---|---|
yaml_path |
str
|
Percorso del file YAML. |
richiesto |
val_log_file |
str
|
percorso del file_val_log. |
richiesto |
eval_log_file |
str
|
percorso eval_log_file. |
richiesto |
list_ind |
int
|
Indice del set di dati corrente. |
richiesto |
Codice sorgente in ultralytics/utils/benchmarks.py
fix_yaml(path)
Funzione per correggere il treno yaml e il percorso val.
Parametri:
Nome | Tipo | Descrizione | Predefinito |
---|---|---|---|
path |
str
|
Percorso del file YAML. |
richiesto |
Codice sorgente in ultralytics/utils/benchmarks.py
parse_dataset(ds_link_txt='datasets_links.txt')
Analizza i link ai dataset e scarica i dataset.
Parametri:
Nome | Tipo | Descrizione | Predefinito |
---|---|---|---|
ds_link_txt |
str
|
Percorso del file dataset_links. |
'datasets_links.txt'
|
Codice sorgente in ultralytics/utils/benchmarks.py
set_key(api_key)
Imposta la chiave API di Roboflow per l'elaborazione.
Parametri:
Nome | Tipo | Descrizione | Predefinito |
---|---|---|---|
api_key |
str
|
La chiave API. |
richiesto |
Codice sorgente in ultralytics/utils/benchmarks.py
ultralytics.utils.benchmarks.ProfileModels
La classe ProfileModels consente di profilare diversi modelli su ONNX e TensorRT.
Questa classe analizza le prestazioni di diversi modelli, restituendo risultati come la velocità del modello e i FLOP.
Attributi:
Nome | Tipo | Descrizione |
---|---|---|
paths |
list
|
Percorsi dei modelli da profilare. |
num_timed_runs |
int
|
Numero di esecuzioni temporizzate per la profilazione. Il valore predefinito è 100. |
num_warmup_runs |
int
|
Numero di corse di riscaldamento prima della profilazione. Il valore predefinito è 10. |
min_time |
float
|
Numero minimo di secondi per il profilo. Il valore predefinito è 60. |
imgsz |
int
|
Dimensione dell'immagine utilizzata nei modelli. L'impostazione predefinita è 640. |
Metodi:
Nome | Descrizione |
---|---|
profile |
Profila i modelli e stampa il risultato. |
Esempio
Codice sorgente in ultralytics/utils/benchmarks.py
288 289 290 291 292 293 294 295 296 297 298 299 300 301 302 303 304 305 306 307 308 309 310 311 312 313 314 315 316 317 318 319 320 321 322 323 324 325 326 327 328 329 330 331 332 333 334 335 336 337 338 339 340 341 342 343 344 345 346 347 348 349 350 351 352 353 354 355 356 357 358 359 360 361 362 363 364 365 366 367 368 369 370 371 372 373 374 375 376 377 378 379 380 381 382 383 384 385 386 387 388 389 390 391 392 393 394 395 396 397 398 399 400 401 402 403 404 405 406 407 408 409 410 411 412 413 414 415 416 417 418 419 420 421 422 423 424 425 426 427 428 429 430 431 432 433 434 435 436 437 438 439 440 441 442 443 444 445 446 447 448 449 450 451 452 453 454 455 456 457 458 459 460 461 462 463 464 465 466 467 468 469 470 471 472 473 474 475 476 477 478 479 480 481 482 483 484 485 486 487 488 489 490 491 492 493 494 495 496 497 498 499 500 501 502 503 504 505 506 507 508 509 510 511 512 513 514 515 516 517 518 519 520 521 522 523 524 525 526 527 528 529 530 531 532 533 534 535 536 |
|
__init__(paths, num_timed_runs=100, num_warmup_runs=10, min_time=60, imgsz=640, half=True, trt=True, device=None)
Inizializza la classe ProfileModels per i modelli di profilazione.
Parametri:
Nome | Tipo | Descrizione | Predefinito |
---|---|---|---|
paths |
list
|
Elenco dei percorsi dei modelli da profilare. |
richiesto |
num_timed_runs |
int
|
Numero di esecuzioni temporizzate per la profilazione. Il valore predefinito è 100. |
100
|
num_warmup_runs |
int
|
Numero di corse di riscaldamento prima dell'inizio della profilazione vera e propria. Il valore predefinito è 10. |
10
|
min_time |
float
|
Tempo minimo in secondi per la profilazione di un modello. Il valore predefinito è 60. |
60
|
imgsz |
int
|
Dimensione dell'immagine utilizzata durante la profilazione. Il valore predefinito è 640. |
640
|
half |
bool
|
Flag per indicare se utilizzare la virgola mobile a mezza precisione per la profilazione. |
True
|
trt |
bool
|
Flag per indicare se profilare utilizzando TensorRT. Il valore predefinito è Vero. |
True
|
device |
device
|
Dispositivo utilizzato per la profilazione. Se nessuno, viene determinato automaticamente. |
None
|
Codice sorgente in ultralytics/utils/benchmarks.py
generate_results_dict(model_name, t_onnx, t_engine, model_info)
staticmethod
Genera un dizionario di dettagli del modello che include nome, parametri, GFLOPS e metriche di velocità.
Codice sorgente in ultralytics/utils/benchmarks.py
generate_table_row(model_name, t_onnx, t_engine, model_info)
Genera una stringa formattata per una riga della tabella che include le prestazioni del modello e i dettagli delle metriche.
Codice sorgente in ultralytics/utils/benchmarks.py
get_files()
Restituisce un elenco di percorsi per tutti i file di modello rilevanti forniti dall'utente.
Codice sorgente in ultralytics/utils/benchmarks.py
get_onnx_model_info(onnx_file)
Recupera le informazioni che includono il numero di strati, i parametri, i gradienti e le FLOP per un modello ONNX . file.
Codice sorgente in ultralytics/utils/benchmarks.py
iterative_sigma_clipping(data, sigma=2, max_iters=3)
staticmethod
Applica un algoritmo di sigma clipping iterativo ai dati indicati per il numero di iterazioni.
Codice sorgente in ultralytics/utils/benchmarks.py
print_table(table_rows)
staticmethod
Formatta e stampa una tabella di confronto tra i diversi modelli con le statistiche e le prestazioni fornite.
Codice sorgente in ultralytics/utils/benchmarks.py
profile()
Registra i risultati del benchmarking di un modello, controlla le metriche rispetto al piano e restituisce i risultati.
Codice sorgente in ultralytics/utils/benchmarks.py
profile_onnx_model(onnx_file, eps=0.001)
Profila un modello ONNX eseguendolo più volte e restituisce la media e la deviazione standard dei tempi di esecuzione. tempi di esecuzione.
Codice sorgente in ultralytics/utils/benchmarks.py
profile_tensorrt_model(engine_file, eps=0.001)
Esegue i profili del modello TensorRT , misurando il tempo medio di esecuzione e la deviazione standard tra le esecuzioni.
Codice sorgente in ultralytics/utils/benchmarks.py
ultralytics.utils.benchmarks.benchmark(model=WEIGHTS_DIR / 'yolov8n.pt', data=None, imgsz=160, half=False, int8=False, device='cpu', verbose=False)
Esegui il benchmark di un modello YOLO in diversi formati per verificarne la velocità e l'accuratezza.
Parametri:
Nome | Tipo | Descrizione | Predefinito |
---|---|---|---|
model |
str | Path | optional
|
Percorso del file o della directory del modello. Il valore predefinito è Path(SETTINGS['weights_dir']) / 'yolov8n.pt'. |
WEIGHTS_DIR / 'yolov8n.pt'
|
data |
str
|
Set di dati da valutare, ereditato da TASK2DATA se non viene passato. Il valore predefinito è Nessuno. |
None
|
imgsz |
int
|
Dimensione dell'immagine per il benchmark. L'impostazione predefinita è 160. |
160
|
half |
bool
|
Usa la mezza precisione per il modello, se Vero. L'impostazione predefinita è False. |
False
|
int8 |
bool
|
Usa la precisione int8 per il modello, se Vero. L'impostazione predefinita è False. |
False
|
device |
str
|
Dispositivo su cui eseguire il benchmark, 'cpu' o 'cuda'. L'impostazione predefinita è 'cpu'. |
'cpu'
|
verbose |
bool | float | optional
|
Se True o un float, asserisce che i benchmark passano con la metrica data. Il valore predefinito è Falso. |
False
|
Restituzione:
Nome | Tipo | Descrizione |
---|---|---|
df |
DataFrame
|
Un DataFrame di pandas con i risultati dei benchmark per ogni formato, comprese le dimensioni del file, metrica e tempo di inferenza. |
Codice sorgente in ultralytics/utils/benchmarks.py
49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143 144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 |
|