Model exporteren met Ultralytics YOLO

Inleiding

Het uiteindelijke doel van het trainen van een model is om het in te zetten voor echte toepassingen. De exportmodus in Ultralytics YOLOv8 biedt een veelzijdige reeks opties voor het exporteren van je getrainde model naar verschillende formaten, zodat het kan worden ingezet op verschillende platforms en apparaten. Deze uitgebreide gids leidt je door de nuances van het exporteren van modellen en laat zien hoe je maximale compatibiliteit en prestaties kunt bereiken.

Kijken: Hoe exporteer je een op maat gemaakt Ultralytics YOLOv8 model en voer je live-inferentie uit op een webcam.

Waarom kiezen voor YOLOv8's Exportmodus?

• Veelzijdigheid: Exporteer naar meerdere formaten, waaronder ONNX, TensorRT, CoreML, en meer.
• Prestaties: Krijg tot 5x GPU-snelheidstoename met TensorRT en 3x CPU-snelheidstoename met ONNX of OpenVINO.
• Compatibiliteit: Maak je model universeel inzetbaar in verschillende hardware- en softwareomgevingen.
• Gebruiksgemak: Eenvoudige CLI en Python API voor het snel en eenvoudig exporteren van modellen.

Belangrijkste functies van de Exportmodus

Hier zijn enkele van de opvallende functionaliteiten:

• Exporteren met één klik: Eenvoudige commando's voor exporteren naar verschillende formaten.
• Batch export: Modellen exporteren die geschikt zijn voor batchgewijze inferentie.
• Geoptimaliseerde inferentie: Geëxporteerde modellen zijn geoptimaliseerd voor snellere inferentietijden.
• Instructievideo's: Diepgaande gidsen en tutorials voor een soepele exportervaring.

Voorbeelden

Exporteer een YOLOv8n model naar een ander formaat zoals ONNX of TensorRT. Zie het gedeelte Argumenten hieronder voor een volledige lijst van exportargumenten.

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

Argumenten

Deze tabel beschrijft de beschikbare configuraties en opties voor het exporteren van YOLO modellen naar verschillende formaten. Deze instellingen zijn cruciaal voor het optimaliseren van de prestaties, grootte en compatibiliteit van het geëxporteerde model voor verschillende platforms en omgevingen. De juiste configuratie zorgt ervoor dat het model klaar is voor gebruik in de beoogde toepassing met optimale efficiëntie.

Door deze parameters aan te passen kan het exportproces worden aangepast aan specifieke eisen, zoals de inzetomgeving, hardwarebeperkingen en prestatiedoelen. Het kiezen van het juiste formaat en de juiste instellingen is essentieel voor het bereiken van de beste balans tussen modelgrootte, snelheid en nauwkeurigheid.

Exportformaten

Beschikbare YOLOv8 exportformaten staan in de tabel hieronder. Je kunt naar elk formaat exporteren met de format argument, d.w.z. format='onnx' of format='engine'. Je kunt direct voorspellen of valideren op geëxporteerde modellen, d.w.z. yolo predict model=yolov8n.onnx. Gebruiksvoorbeelden worden getoond voor je model nadat het exporteren is voltooid.

Reacties