モデル・エクスポートUltralytics YOLO

はじめに

モデルをトレーニングする最終的な目標は、実世界のアプリケーションにモデルを導入することです。Ultralytics YOLOv8 のエクスポートモードでは、トレーニングしたモデルをさまざまなフォーマットにエクスポートするための多彩なオプションを提供し、さまざまなプラットフォームやデバイスに展開できるようにします。この包括的なガイドは、モデルのエクスポートのニュアンスを説明し、最大の互換性とパフォーマンスを達成する方法を紹介することを目的としています。

見るんだ： カスタム学習Ultralytics YOLOv8 モデルをエクスポートし、ウェブカメラ上でライブ推論を実行する方法。

なぜYOLOv8 のエクスポート・モードを選ぶのか？

• 汎用性： ONNX,TensorRT,CoreML, などを含む複数のフォーマットにエクスポート。
• パフォーマンス： TensorRT 、GPUを最大5倍高速化し、ONNX またはOpenVINO 、CPUを最大3倍高速化する。
• 互換性：多数のハードウェアおよびソフトウェア環境において、モデルを普遍的に展開できるようにします。
• 使いやすさ：シンプルなCLI 、Python APIにより、素早く簡単にモデルをエクスポートできます。

エクスポート・モードの主な特徴

ここでは、目立った機能をいくつか紹介しよう：

• ワンクリックエクスポート：簡単なコマンドで様々なフォーマットにエクスポートできます。
• バッチエクスポート：バッチ推論可能なモデルをエクスポートします。
• 最適化された推論：エクスポートされたモデルは、推論時間を短縮するために最適化されています。
• チュートリアルビデオ：スムーズな書き出しのための詳細なガイドとチュートリアル。

使用例

YOLOv8n モデルをONNX やTensorRT のような別のフォーマットにエクスポートする。 エクスポート引数の完全なリストについては、以下の引数のセクションを参照のこと。

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

論争

この表は、YOLO のモデルをさまざまなフォーマットにエクスポートする際に利用できる設定とオプションの詳細を示しています。これらの設定は、エクスポートされたモデルのパフォーマンス、サイズ、さまざまなプラットフォームや環境での互換性を最適化するために重要です。適切な設定を行うことで、モデルが最適な効率で目的のアプリケーションに展開できるようになります。

これらのパラメータを調整することで、展開環境、ハードウェアの制約、パフォーマンス目標など、特定の要件に合わせてエクスポートプロセスをカスタマイズすることができます。適切なフォーマットと設定を選択することは、モデルサイズ、スピード、精度の最適なバランスを実現するために不可欠です。

輸出フォーマット

利用可能なYOLOv8 エクスポート形式は以下の表の通りです。どのフォーマットでも format 引数、すなわち format='onnx' または format='engine'.エクスポートされたモデルを直接予測または検証することができます。 yolo predict model=yolov8n.onnx.使用例は、エクスポート完了後に表示されます。

コメント