Exportação de modelos com Ultralytics YOLO

Introdução

O objetivo final do treino de um modelo é implementá-lo em aplicações do mundo real. O modo de exportação em Ultralytics YOLOv8 oferece uma gama versátil de opções para exportar o teu modelo treinado para diferentes formatos, tornando-o implementável em várias plataformas e dispositivos. Este guia completo pretende guiá-lo através das nuances da exportação de modelos, mostrando como obter a máxima compatibilidade e desempenho.

Observa: Como exportar o modelo Ultralytics YOLOv8 personalizado treinado e executar a inferência ao vivo na webcam.

Porquê escolher o modo de exportação do YOLOv8?

• Versatilidade: Exporta para vários formatos, incluindo ONNX, TensorRT, CoreML, e muito mais.
• Desempenho: Obtém até 5x a velocidade da GPU com TensorRT e 3x a velocidade da CPU com ONNX ou OpenVINO.
• Compatibilidade: Torna o teu modelo universalmente implementável em vários ambientes de hardware e software.
• Facilidade de utilização: CLI simples e Python API para exportação rápida e direta de modelos.

Principais características do modo de exportação

Apresentamos-te algumas das funcionalidades mais importantes:

• Exportação com um clique: Comandos simples para exportar para diferentes formatos.
• Exportação em lote: Exporta modelos com capacidade de inferência em lote.
• Inferência optimizada: Os modelos exportados são optimizados para tempos de inferência mais rápidos.
• Vídeos tutoriais: Guias e tutoriais detalhados para uma experiência de exportação sem problemas.

Exemplos de utilização

Exporta um modelo YOLOv8n para um formato diferente, como ONNX ou TensorRT. Consulte a secção Argumentos abaixo para obter uma lista completa dos argumentos de exportação.

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

Argumentos

Esta tabela detalha as configurações e opções disponíveis para exportar modelos do YOLO para diferentes formatos. Essas configurações são essenciais para otimizar o desempenho, o tamanho e a compatibilidade do modelo exportado em várias plataformas e ambientes. A configuração adequada garante que o modelo esteja pronto para ser implantado na aplicação pretendida com eficiência ideal.

O ajuste desses parâmetros permite a personalização do processo de exportação para atender a requisitos específicos, como ambiente de implantação, restrições de hardware e metas de desempenho. A seleção do formato e das definições adequadas é essencial para obter o melhor equilíbrio entre o tamanho do modelo, a velocidade e a precisão.

Formatos de exportação

Os formatos de exportação disponíveis em YOLOv8 encontram-se na tabela abaixo. Podes exportar para qualquer formato utilizando o botão format argumento, ou seja format='onnx' ou format='engine'. Podes prever ou validar diretamente nos modelos exportados, ou seja yolo predict model=yolov8n.onnx. São apresentados exemplos de utilização para o teu modelo após a conclusão da exportação.

Comentários