─░├žeri─če ge├ž

TF SavedModel Format─▒ndan Nas─▒l D─▒┼ča Aktar─▒laca─č─▒n─▒ Anlay─▒n YOLOv8

Makine ├Â─črenimi modellerini da─č─▒tmak zor olabilir. Ancak verimli ve esnek bir model format─▒ kullanmak i┼činizi kolayla┼čt─▒rabilir. TF SavedModel , TensorFlow taraf─▒ndan makine ├Â─črenimi modellerini tutarl─▒ bir ┼čekilde y├╝klemek i├žin kullan─▒lan a├ž─▒k kaynakl─▒ bir makine ├Â─črenimi ├žer├ževesidir. TensorFlow modelleri i├žin bir bavul gibidir ve farkl─▒ cihazlarda ve sistemlerde ta┼č─▒nmalar─▒n─▒ ve kullan─▒lmalar─▒n─▒ kolayla┼čt─▒r─▒r.

TF SavedModel adresinden nas─▒l d─▒┼ča aktar─▒laca─č─▒n─▒ ├Â─črenme Ultralytics YOLOv8 modelleri farkl─▒ platformlara ve ortamlara kolayca da─č─▒tman─▒za yard─▒mc─▒ olabilir. Bu k─▒lavuzda, modellerinizi TF SavedModel format─▒na nas─▒l d├Ân├╝┼čt├╝rece─činizi anlatarak, modellerinizle farkl─▒ cihazlarda ├ž─▒kar─▒m yapma s├╝recini basitle┼čtirece─čiz.

Neden TF SavedModel adresine ─░hracat Yapmal─▒s─▒n─▒z?

TensorFlow SavedModel format─▒, a┼ča─č─▒da g├Âsterildi─či gibi Google taraf─▒ndan geli┼čtirilen TensorFlow ekosisteminin bir par├žas─▒d─▒r. TensorFlow modellerini sorunsuz bir ┼čekilde kaydetmek ve serile┼čtirmek i├žin tasarlanm─▒┼čt─▒r. Mimari, a─č─▒rl─▒klar ve hatta derleme bilgileri gibi modellerin t├╝m ayr─▒nt─▒lar─▒n─▒ kaps├╝ller. Bu, farkl─▒ ortamlarda payla┼čmay─▒, da─č─▒tmay─▒ ve e─čitime devam etmeyi kolayla┼čt─▒r─▒r.

TF SavedModel

TF SavedModel ├Ânemli bir avantaja sahiptir: uyumlulu─ču. TensorFlow Serving, TensorFlow Lite ve TensorFlow.js ile iyi ├žal─▒┼č─▒r. Bu uyumluluk, modellerin web ve mobil uygulamalar da dahil olmak ├╝zere ├že┼čitli platformlarda payla┼č─▒lmas─▒n─▒ ve da─č─▒t─▒lmas─▒n─▒ kolayla┼čt─▒r─▒r. TF SavedModel format─▒ hem ara┼čt─▒rma hem de ├╝retim i├žin kullan─▒┼čl─▒d─▒r. Modellerinizi y├Ânetmek i├žin birle┼čik bir yol sunarak her t├╝rl├╝ uygulama i├žin haz─▒r olmalar─▒n─▒ sa─člar.

TF SavedModels'in Temel ├ľzellikleri

─░┼čte TF SavedModel adresini yapay zeka geli┼čtiricileri i├žin harika bir se├ženek haline getiren temel ├Âzellikler:

  • Ta┼č─▒nabilirlik: TF SavedModel dilden ba─č─▒ms─▒z, kurtar─▒labilir, hermetik bir serile┼čtirme format─▒ sa─člar. ├ťst d├╝zey sistemlerin ve ara├žlar─▒n TensorFlow modellerini ├╝retmesini, t├╝ketmesini ve d├Ân├╝┼čt├╝rmesini sa─člar. SavedModels farkl─▒ platformlar ve ortamlar aras─▒nda kolayca payla┼č─▒labilir ve da─č─▒t─▒labilir.

  • Da─č─▒t─▒m Kolayl─▒─č─▒: TF SavedModel hesaplama grafi─čini, e─čitilmi┼č parametreleri ve gerekli meta verileri tek bir pakette toplar. Modeli olu┼čturan orijinal koda ihtiya├ž duymadan kolayca y├╝klenebilir ve ├ž─▒kar─▒m i├žin kullan─▒labilirler. Bu, TensorFlow modellerinin ├že┼čitli ├╝retim ortamlar─▒nda da─č─▒t─▒m─▒n─▒ basit ve verimli hale getirir.

  • Varl─▒k Y├Ânetimi: TF SavedModel s├Âzl├╝kler, yerle┼čtirmeler veya arama tablolar─▒ gibi harici varl─▒klar─▒n dahil edilmesini destekler. Bu varl─▒klar, grafik tan─▒m─▒ ve de─či┼čkenlerle birlikte depolanarak model y├╝klendi─činde kullan─▒labilir olmalar─▒ sa─član─▒r. Bu ├Âzellik, harici kaynaklara dayanan modellerin y├Ânetimini ve da─č─▒t─▒m─▒n─▒ basitle┼čtirir.

ile Da─č─▒t─▒m Se├ženekleri TF SavedModel

YOLOv8 modellerini TF SavedModel format─▒na aktarma s├╝recine ge├žmeden ├Ânce, bu format─▒n kullan─▒ld─▒─č─▒ baz─▒ tipik da─č─▒t─▒m senaryolar─▒n─▒ inceleyelim.

TF SavedModel makine ├Â─črenimi modellerinizi da─č─▒tmak i├žin bir dizi se├ženek sunar:

  • TensorFlow Servis: TensorFlow Serving, ├╝retim ortamlar─▒ i├žin tasarlanm─▒┼č esnek, y├╝ksek performansl─▒ bir servis sistemidir. Yerel olarak TF SavedModels'i destekleyerek modellerinizi bulut platformlar─▒na, ┼čirket i├ži sunuculara veya u├ž cihazlara da─č─▒tmay─▒ ve sunmay─▒ kolayla┼čt─▒r─▒r.

  • Bulut Platformlar─▒: Google Cloud Platform (GCP), Amazon Web Services (AWS) ve Microsoft Azure gibi b├╝y├╝k bulut sa─člay─▒c─▒lar─▒, TF SavedModels dahil olmak ├╝zere TensorFlow modellerini da─č─▒tmak ve ├žal─▒┼čt─▒rmak i├žin hizmetler sunar. Bu hizmetler ├Âl├žeklenebilir ve y├Ânetilen altyap─▒ sa─člayarak modellerinizi kolayca da─č─▒tman─▒za ve ├Âl├žeklendirmenize olanak tan─▒r.

  • Mobil ve G├Âm├╝l├╝ Cihazlar: TensorFlow Mobil, g├Âm├╝l├╝ ve IoT cihazlar─▒nda makine ├Â─črenimi modellerini ├žal─▒┼čt─▒rmak i├žin hafif bir ├ž├Âz├╝m olan Lite, TF SavedModels'in TensorFlow Lite format─▒na d├Ân├╝┼čt├╝r├╝lmesini destekler. Bu, modellerinizi ak─▒ll─▒ telefonlar ve tabletlerden mikro denetleyicilere ve u├ž cihazlara kadar ├žok ├že┼čitli cihazlara da─č─▒tman─▒za olanak tan─▒r.

  • TensorFlow Runtime: TensorFlow Runtime (tfrt) is a high-performance runtime for executing TensorFlow graphs. It provides lower-level APIs for loading and running TF SavedModels in C++ environments. TensorFlow Runtime offers better performance compared to the standard TensorFlow runtime. It is suitable for deployment scenarios that require low-latency inference and tight integration with existing C++ codebases.

YOLOv8 Modellerini D─▒┼ča Aktarma TF SavedModel

YOLOv8 modellerini TF SavedModel format─▒na aktararak, ├že┼čitli platformlarda uyarlanabilirliklerini ve da─č─▒t─▒m kolayl─▒klar─▒n─▒ art─▒r─▒rs─▒n─▒z.

Kurulum

Gerekli paketi y├╝klemek i├žin ├žal─▒┼čt─▒r─▒n:

Kurulum

# Install the required package for YOLOv8
pip install ultralytics

Kurulum s├╝reciyle ilgili ayr─▒nt─▒l─▒ talimatlar ve en iyi uygulamalar i├žin Ultralytics Kurulum k─▒lavuzumuza g├Âz at─▒n. YOLOv8 i├žin gerekli paketleri y├╝klerken herhangi bir zorlukla kar┼č─▒la┼č─▒rsan─▒z, ├ž├Âz├╝mler ve ipu├žlar─▒ i├žin Ortak Sorunlar k─▒lavuz umuza ba┼čvurun.

Kullan─▒m

Kullan─▒m talimatlar─▒na ge├žmeden ├Ânce, t├╝m Ultralytics YOLOv8 modellerinin d─▒┼ča aktar─▒labildi─čini, ancak se├žti─činiz modelin d─▒┼ča aktarma i┼člevini destekledi─činden burada emin olabilece─činizi belirtmek ├Ânemlidir.

Kullan─▒m

from ultralytics import YOLO

# Load the YOLOv8 model
model = YOLO("yolov8n.pt")

# Export the model to TF SavedModel format
model.export(format="saved_model")  # creates '/yolov8n_saved_model'

# Load the exported TF SavedModel model
tf_savedmodel_model = YOLO("./yolov8n_saved_model")

# Run inference
results = tf_savedmodel_model("https://ultralytics.com/images/bus.jpg")
# Export a YOLOv8n PyTorch model to TF SavedModel format
yolo export model=yolov8n.pt format=saved_model  # creates '/yolov8n_saved_model'

# Run inference with the exported model
yolo predict model='./yolov8n_saved_model' source='https://ultralytics.com/images/bus.jpg'

Desteklenen d─▒┼ča aktarma se├ženekleri hakk─▒nda daha fazla bilgi i├žin da─č─▒t─▒m se├ženekleriyle ilgiliUltralytics belge sayfas─▒n─▒ ziyaret edin.

D─▒┼ča Aktar─▒lan YOLOv8 TF SavedModel Modellerini Da─č─▒tma

Art─▒k YOLOv8 modelinizi TF SavedModel bi├žiminde d─▒┼ča aktard─▒─č─▒n─▒za g├Âre, bir sonraki ad─▒m onu da─č─▒tmakt─▒r. Bir TF GraphDef modelini ├žal─▒┼čt─▒rmak i├žin birincil ve ├Ânerilen ilk ad─▒m, daha ├Ânce kullan─▒m kodu par├žac─▒─č─▒nda g├Âsterildi─či gibi YOLO("./yolov8n_saved_model") y├Ântemini kullanmakt─▒r.

Bununla birlikte, TF SavedModel modellerinizin da─č─▒t─▒m─▒na ili┼čkin ayr─▒nt─▒l─▒ talimatlar i├žin a┼ča─č─▒daki kaynaklara g├Âz at─▒n:

├ľzet

Bu k─▒lavuzda, Ultralytics YOLOv8 modellerinin TF SavedModel format─▒na nas─▒l aktar─▒laca─č─▒n─▒ inceledik. TF SavedModel bi├žiminde d─▒┼ča aktararak, YOLOv8 modellerinizi ├žok ├že┼čitli platformlarda optimize etme, da─č─▒tma ve ├Âl├žeklendirme esnekli─či kazan─▒rs─▒n─▒z.

Kullan─▒m hakk─▒nda daha fazla bilgi i├žin TF SavedModel resmi belgelerini ziyaret edin.

Ultralytics YOLOv8 adresini di─čer platformlar ve ├žer├ževelerle entegre etme hakk─▒nda daha fazla bilgi i├žin entegrasyon k─▒lavuzu sayfam─▒za g├Âz atmay─▒ unutmay─▒n. Projelerinizde YOLOv8 'dan en iyi ┼čekilde yararlanman─▒za yard─▒mc─▒ olacak harika kaynaklarla doludur.



Created 2024-03-23, Updated 2024-06-10
Authors: glenn-jocher (4), Burhan-Q (1), abirami-vina (1)

Yorumlar