Referentie voor ultralytics/utils/benchmarks.py
Opmerking
Dit bestand is beschikbaar op https://github.com/ultralytics/ ultralytics/blob/main/ ultralytics/utils/benchmarks .py. Als je een probleem ziet, help het dan oplossen door een Pull Request ๐ ๏ธ bij te dragen. Bedankt ๐!
ultralytics.utils.benchmarks.RF100Benchmark
Broncode 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__()
Functie voor het initialiseren van RF100Benchmark.
evaluate(yaml_path, val_log_file, eval_log_file, list_ind)
Modelevaluatie op validatieresultaten.
Parameters:
Naam | Type | Beschrijving | Standaard |
---|---|---|---|
yaml_path |
str
|
YAML bestandspad. |
vereist |
val_log_file |
str
|
val_log_bestand pad. |
vereist |
eval_log_file |
str
|
eval_log_bestand pad. |
vereist |
list_ind |
int
|
Index voor huidige dataset. |
vereist |
Broncode in ultralytics/utils/benchmarks.py
fix_yaml(path)
Functie om yaml trein en val pad te repareren.
Parameters:
Naam | Type | Beschrijving | Standaard |
---|---|---|---|
path |
str
|
YAML bestandspad. |
vereist |
Broncode in ultralytics/utils/benchmarks.py
parse_dataset(ds_link_txt='datasets_links.txt')
Parseer datasetkoppelingen en download datasets.
Parameters:
Naam | Type | Beschrijving | Standaard |
---|---|---|---|
ds_link_txt |
str
|
Pad naar bestand dataset_links. |
'datasets_links.txt'
|
Broncode in ultralytics/utils/benchmarks.py
set_key(api_key)
Stel Roboflow API-sleutel in voor verwerking.
Parameters:
Naam | Type | Beschrijving | Standaard |
---|---|---|---|
api_key |
str
|
De API-sleutel. |
vereist |
ultralytics.utils.benchmarks.ProfileModels
ProfileModels klasse voor het profileren van verschillende modellen op ONNX en TensorRT.
Deze klasse maakt een profiel van de prestaties van verschillende modellen en geeft resultaten zoals modelsnelheid en FLOP's.
Kenmerken:
Naam | Type | Beschrijving |
---|---|---|
paths |
list
|
Paden van de modellen om te profileren. |
num_timed_runs |
int
|
Aantal getimede runs voor de profilering. Standaard 100. |
num_warmup_runs |
int
|
Aantal opwarm runs voor het profileren. De standaardinstelling is 10. |
min_time |
float
|
Minimum aantal seconden om te profileren. De standaardwaarde is 60. |
imgsz |
int
|
Afbeeldingsgrootte gebruikt in de modellen. Standaard is 640. |
Methoden:
Naam | Beschrijving |
---|---|
profile |
Maakt profielen van de modellen en drukt het resultaat af. |
Voorbeeld
Broncode 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)
Initialiseer de klasse ProfileModels voor profielmodellen.
Parameters:
Naam | Type | Beschrijving | Standaard |
---|---|---|---|
paths |
list
|
Lijst met paden van de modellen die geprofileerd moeten worden. |
vereist |
num_timed_runs |
int
|
Aantal getimede runs voor de profilering. Standaard 100. |
100
|
num_warmup_runs |
int
|
Aantal opwarm runs voordat het eigenlijke profileren begint. De standaardinstelling is 10. |
10
|
min_time |
float
|
Minimale tijd in seconden voor het profileren van een model. De standaardwaarde is 60. |
60
|
imgsz |
int
|
Grootte van de afbeelding die wordt gebruikt tijdens het profileren. Standaard 640. |
640
|
half |
bool
|
Vlag om aan te geven of half-precisie drijvende komma moet worden gebruikt voor profilering. |
True
|
trt |
bool
|
Vlag om aan te geven of er profielen moeten worden gemaakt met TensorRT. De standaardwaarde is True. |
True
|
device |
device
|
Apparaat dat wordt gebruikt voor profilering. Als dit geen is, wordt het automatisch bepaald. |
None
|
Broncode in ultralytics/utils/benchmarks.py
generate_results_dict(model_name, t_onnx, t_engine, model_info)
staticmethod
Genereert een woordenboek met modeldetails, inclusief naam, parameters, GFLOPS en snelheidsgegevens.
Broncode in ultralytics/utils/benchmarks.py
generate_table_row(model_name, t_onnx, t_engine, model_info)
Genereert een opgemaakte tekenreeks voor een tabelrij met de details van de modelprestaties en metriek.
Broncode in ultralytics/utils/benchmarks.py
get_files()
Geeft een lijst met paden voor alle relevante modelbestanden die door de gebruiker zijn opgegeven.
Broncode in ultralytics/utils/benchmarks.py
get_onnx_model_info(onnx_file)
Haalt de informatie op, inclusief het aantal lagen, parameters, gradiรซnten en FLOP's voor een ONNX model. bestand.
Broncode in ultralytics/utils/benchmarks.py
iterative_sigma_clipping(data, sigma=2, max_iters=3)
staticmethod
Past een iteratief sigma-knipalgoritme toe op de gegeven gegevens maal aantal iteraties.
Broncode in ultralytics/utils/benchmarks.py
print_table(table_rows)
staticmethod
Formatteert en print een vergelijkingstabel voor verschillende modellen met gegeven statistieken en prestatiegegevens.
Broncode in ultralytics/utils/benchmarks.py
profile()
Logt de benchmarkresultaten van een model, controleert de metriek aan de hand van de vloer en geeft de resultaten terug.
Broncode in ultralytics/utils/benchmarks.py
profile_onnx_model(onnx_file, eps=0.001)
Profielen van een ONNX model door het meerdere keren uit te voeren en geeft het gemiddelde en de standaardafwijking van de tijden.
Broncode in ultralytics/utils/benchmarks.py
profile_tensorrt_model(engine_file, eps=0.001)
Maakt profielen van het model TensorRT , waarbij de gemiddelde looptijd en de standaardafwijking tussen de runs worden gemeten.
Broncode 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)
Benchmark een YOLO model op verschillende formaten voor snelheid en nauwkeurigheid.
Parameters:
Naam | Type | Beschrijving | Standaard |
---|---|---|---|
model |
str | Path | optional
|
Pad naar het modelbestand of de map. Standaard is Pad(INSTELLINGEN['gewichten_dir']) / 'yolov8n.pt'. |
WEIGHTS_DIR / 'yolov8n.pt'
|
data |
str
|
Dataset om op te evalueren, geรซrfd van TASK2DATA indien niet doorgegeven. De standaardwaarde is Geen. |
None
|
imgsz |
int
|
Afbeeldingsgrootte voor de benchmark. Standaard is 160. |
160
|
half |
bool
|
Gebruik halve precisie voor het model als True. De standaardwaarde is Onwaar. |
False
|
int8 |
bool
|
Gebruik int8-precisie voor het model indien True. De standaardwaarde is False. |
False
|
device |
str
|
Apparaat om de benchmark op uit te voeren, ofwel 'cpu' of 'cuda'. De standaardinstelling is 'cpu'. |
'cpu'
|
verbose |
bool | float | optional
|
Als True of een float is, wordt bevestigd dat benchmarks slagen met de opgegeven metriek. De standaardwaarde is Vals. |
False
|
Retourneert:
Naam | Type | Beschrijving |
---|---|---|
df |
DataFrame
|
Een pandas DataFrame met benchmarkresultaten voor elk formaat, inclusief bestandsgrootte, metriek en inferentietijd. |
Voorbeeld
Broncode 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 |
|