YOLO26 Modellerini PaddlePaddle Biçimine Aktarma#

Değişen koşullardaki gerçek dünya senaryolarında bilgisayarlı görü modelleri geliştirmekle dağıtmak arasındaki boşluğu kapatmak zor olabilir. PaddlePaddle; esnekliğe, performansa ve dağıtık ortamlardaki paralel işleme yeteneğine odaklanarak bu süreci kolaylaştırır. Böylece YOLO26 bilgisayarlı görü modellerini akıllı telefonlardan bulut tabanlı sunuculara kadar çok çeşitli cihaz ve platformlarda kullanabilirsin.

PaddlePaddle model biçimine aktarma olanağı, Ultralytics YOLO26 modellerini PaddlePaddle çerçevesinde kullanmak üzere optimize etmene imkân tanır. PaddlePaddle, endüstriyel dağıtımları kolaylaştırmasıyla bilinir ve çeşitli alanlarda bilgisayarlı görü uygulamalarını gerçek dünya ortamlarında dağıtmak için iyi bir seçenektir.

Neden PaddlePaddle biçimine aktarmalısın?#

Baidu tarafından geliştirilen PaddlePaddle (PAralel Dağıtık Derin LEğrenme), Çin'in ilk açık kaynaklı derin öğrenme platformudur. Temelde araştırma için geliştirilmiş bazı çerçevelerin aksine PaddlePaddle, kullanım kolaylığına ve sektörler genelinde sorunsuz entegrasyona öncelik verir.

TensorFlow ve PyTorch gibi popüler çerçevelere benzer araçlar ve kaynaklar sunarak her deneyim düzeyindeki geliştiricilerin kullanımına uygundur. Tarımdan fabrikalara ve hizmet işletmelerine kadar PaddlePaddle'ın 4,77 milyonu aşan geniş geliştirici topluluğu, yapay zekâ uygulamalarının oluşturulmasına ve dağıtılmasına yardımcı oluyor.

Ultralytics YOLO26 modellerini PaddlePaddle biçimine aktararak PaddlePaddle'ın performans optimizasyonundaki güçlü yönlerinden yararlanabilirsin. PaddlePaddle, modellerin verimli yürütülmesine ve bellek kullanımının azaltılmasına öncelik verir. Böylece YOLO26 modellerin pratik senaryolarda üst düzey sonuçlar sunarak daha da iyi performans gösterebilir.

PaddlePaddle Modellerinin Temel Özellikleri#

PaddlePaddle modelleri, farklı dağıtım senaryolarında esnekliklerine, performanslarına ve ölçeklenebilirliklerine katkıda bulunan bir dizi temel özellik sunar:

• Dinamikten Statiğe Grafik: PaddlePaddle, modellerin statik bir hesaplama grafiğine dönüştürülebildiği dinamikten statiğe derlemeyi destekler. Bu sayede çalışma zamanı ek yükünü azaltan ve çıkarım performansını artıran optimizasyonlar yapılabilir.

• Operatör Füzyonu: PaddlePaddle, TensorRT gibi, hesaplamaları basitleştirmek ve ek yükü azaltmak için operatör füzyonundan yararlanır. Çerçeve, uyumlu işlemleri birleştirerek bellek aktarımını ve hesaplama adımlarını en aza indirir; bunun sonucunda çıkarım hızlanır.

• Niceleme: PaddlePaddle, eğitim sonrası niceleme ve niceleme farkındalıklı eğitim dâhil niceleme tekniklerini destekler. Bu teknikler, daha düşük duyarlıklı veri gösterimlerinin kullanılmasını sağlayarak performansı artırır ve model boyutunu küçültür.

PaddlePaddle'daki Dağıtım Seçenekleri#

YOLO26 modellerini PaddlePaddle'a aktarmaya yönelik kodu incelemeden önce, PaddlePaddle modellerinin öne çıktığı farklı dağıtım senaryolarına göz atalım.

PaddlePaddle, her biri kullanım kolaylığı, esneklik ve performans arasında farklı bir denge sunan çeşitli seçenekler sağlar:

• Paddle Serving: Bu çerçeve, PaddlePaddle modellerinin yüksek performanslı RESTful API'ler olarak dağıtımını kolaylaştırır. Model sürümleme, çevrim içi A/B testi ve büyük hacimli istekleri karşılayacak ölçeklenebilirlik gibi özellikleriyle Paddle Serving, üretim ortamları için idealdir.

• Paddle Inference API: Paddle Inference API, model yürütme üzerinde düşük seviyeli denetim sağlar. Modeli özel bir uygulamaya sıkı biçimde entegre etmen veya belirli bir donanım için performansı optimize etmen gereken senaryolara uygundur.

• Paddle Lite: Paddle Lite, kaynakların sınırlı olduğu mobil ve gömülü cihazlarda dağıtım için tasarlanmıştır. Modelleri daha küçük boyutlara ve ARM CPU'larında, GPU'larında ve diğer özel donanımlarda daha hızlı çıkarıma göre optimize eder.

• Paddle.js: Paddle.js, PaddlePaddle modellerini doğrudan web tarayıcılarında dağıtmana imkân tanır. Paddle.js, önceden eğitilmiş bir modeli yükleyebilir veya Paddle.js tarafından sağlanan model dönüştürme araçlarıyla paddle-hub üzerindeki bir modeli dönüştürebilir. WebGL/WebGPU/WebAssembly'yi destekleyen tarayıcılarda çalışabilir.

Desteklenen Görevler#

PaddlePaddle'a aktarım, Ultralytics'in yedi görevinin tümünü destekler. Semantik segmentasyon ve derinlik tahmini yalnızca bu başlıkları içeren tek aile olan YOLO26 ile kullanılabilir.

PaddlePaddle'a Aktarma: YOLO26 Modelini Dönüştürme#

YOLO26 modellerini PaddlePaddle biçimine dönüştürmek, yürütme esnekliğini artırabilir ve çeşitli dağıtım senaryolarında performansı optimize edebilir.

Kurulum#

Gerekli paketi yüklemek için şu komutu çalıştır:

# Install the required package for YOLO26
pip install ultralytics

Kurulum süreciyle ilgili ayrıntılı talimatlar ve en iyi uygulamalar için Ultralytics Kurulum kılavuzumuza göz at. YOLO26 için gerekli paketleri yüklerken zorluk yaşarsan çözüm ve ipuçları için Yaygın Sorunlar kılavuzumuza başvur.

Kullanım#

Tüm Ultralytics YOLO26 modelleri dışa aktarmayı destekler. Dağıtım ihtiyaçlarına en uygun seçeneği bulmak için dışa aktarma biçimlerinin ve seçeneklerinin tam listesine göz atabilirsin.

PaddlePaddle biçimi Dışa Aktar, Tahmin ve Doğrula modlarını destekler. Modelini dışa aktar, ardından çıkarım çalıştırmak veya doğruluğunu doğrulamak için dışa aktarılan modeli yükle.

from ultralytics import YOLO

# YOLO26 modelini yükle
model = YOLO("yolo26n.pt")

# Modeli PaddlePaddle biçimine aktar
model.export(format="paddle")  # creates 'yolo26n_paddle_model'

from ultralytics import YOLO

# Dışa aktarılan PaddlePaddle modelini yükle
model = YOLO("./yolo26n_paddle_model")

# Çıkarımı çalıştır
results = model("https://ultralytics.com/images/bus.jpg")

from ultralytics import YOLO

# Dışa aktarılan PaddlePaddle modelini yükle
model = YOLO("./yolo26n_paddle_model")

# COCO8 veri kümesinde doğruluğu doğrula
metrics = model.val(data="coco8.yaml")

Dışa Aktarma Bağımsız Değişkenleri#

Dışa aktarma süreci hakkında daha fazla bilgi için Ultralytics dışa aktarma belgeleri sayfasını ziyaret et.

Dışa Aktarılan YOLO26 PaddlePaddle Modellerini Dağıtma#

Ultralytics YOLO26 modellerini PaddlePaddle biçimine başarıyla aktardıktan sonra artık modelleri dağıtabilirsin. PaddlePaddle modelini çalıştırmak için önerilen ilk adım, önceki kullanım kodu parçasında gösterildiği gibi YOLO("yolo26n_paddle_model/") yöntemini kullanmaktır.

Ancak PaddlePaddle modellerini çeşitli başka ortamlarda dağıtmaya ilişkin ayrıntılı yönergeler için aşağıdaki kaynaklara göz at:

• Paddle Serving: Paddle Serving kullanarak PaddlePaddle modellerini yüksek performanslı hizmetler olarak dağıtmayı öğren.

• Paddle Lite: Paddle Lite kullanarak modelleri mobil ve gömülü cihazlarda nasıl optimize edip dağıtabileceğini keşfet.

• Paddle.js: İstemci tarafında yapay zekâ için Paddle.js ile PaddlePaddle modellerini web tarayıcılarında çalıştırmayı öğren.

Özet#

Bu kılavuzda Ultralytics YOLO26 modellerini PaddlePaddle biçimine aktarma sürecini inceledik. Bu adımları izleyerek PaddlePaddle'ın farklı dağıtım senaryolarındaki güçlü yönlerinden yararlanabilir, modellerini çeşitli donanım ve yazılım ortamları için optimize edebilirsin.

Kullanımla ilgili daha fazla ayrıntı için PaddlePaddle resmî belgelerini ziyaret et.

Ultralytics YOLO26 modellerini entegre etmenin başka yollarını keşfetmek ister misin? Entegrasyon kılavuzu sayfamız, çeşitli seçenekleri inceler ve sana değerli kaynaklar ile bilgiler sunar.

Sık Sorulan Sorular#