─░├žeri─če ge├ž

Bir YOLOv8 Model Format─▒ndan TF.js Model Format─▒na Aktarma

Deploying machine learning models directly in the browser or on Node.js can be tricky. You'll need to make sure your model format is optimized for faster performance so that the model can be used to run interactive applications locally on the user's device. The TensorFlow.js, or TF.js, model format is designed to use minimal power while delivering fast performance.

The 'export to TF.js model format' feature allows you to optimize your Ultralytics YOLOv8 models for high-speed and locally-run object detection inference. In this guide, we'll walk you through converting your models to the TF.js format, making it easier for your models to perform well on various local browsers and Node.js applications.

Neden TF.js'ye Aktarmal─▒s─▒n─▒z?

Makine ├Â─črenimi modellerinizi daha geni┼č TensorFlow ekosisteminin bir par├žas─▒ olarak TensorFlow ekibi taraf─▒ndan geli┼čtirilen TensorFlow.js'ye aktarmak, makine ├Â─črenimi uygulamalar─▒n─▒ da─č─▒tmak i├žin ├žok say─▒da avantaj sunar. Hassas verileri cihazda tutarak kullan─▒c─▒ gizlili─čini ve g├╝venli─čini art─▒rmaya yard─▒mc─▒ olur. A┼ča─č─▒daki resim TensorFlow.js mimarisini ve makine ├Â─črenimi modellerinin hem web taray─▒c─▒lar─▒nda hem de Node.js'de nas─▒l d├Ân├╝┼čt├╝r├╝ld├╝─č├╝n├╝ ve da─č─▒t─▒ld─▒─č─▒n─▒ g├Âstermektedir.

TF.js Mimarisi

Modellerin yerel olarak ├žal─▒┼čt─▒r─▒lmas─▒ da gecikme s├╝resini azalt─▒r ve daha duyarl─▒ bir kullan─▒c─▒ deneyimi sa─člar. TensorFlow.js ayr─▒ca kullan─▒c─▒lar─▒n internet ba─člant─▒s─▒ olmadan da uygulaman─▒z─▒ kullanabilmelerini sa─člayan ├ževrimd─▒┼č─▒ ├Âzelliklere sahiptir. TF.js, GPU h─▒zland─▒rma deste─či ile ├Âl├žeklenebilirlik i├žin tasarland─▒─č─▒ndan, s─▒n─▒rl─▒ kaynaklara sahip cihazlarda karma┼č─▒k modellerin verimli bir ┼čekilde y├╝r├╝t├╝lmesi i├žin tasarlanm─▒┼čt─▒r.

TF.js'nin Temel ├ľzellikleri

─░┼čte TF.js'yi geli┼čtiriciler i├žin g├╝├žl├╝ bir ara├ž haline getiren temel ├Âzellikler:

  • Platformlar Aras─▒ Destek: TensorFlow.js hem taray─▒c─▒ hem de Node.js ortamlar─▒nda kullan─▒labilir ve farkl─▒ platformlarda da─č─▒t─▒mda esneklik sa─člar. Geli┼čtiricilerin uygulamalar─▒ daha kolay olu┼čturmas─▒n─▒ ve da─č─▒tmas─▒n─▒ sa─člar.

  • ├çoklu Arka U├ž Deste─či: TensorFlow.js, CPU, GPU h─▒zland─▒rma i├žin WebGL, neredeyse yerel y├╝r├╝tme h─▒z─▒ i├žin WebAssembly (WASM) ve geli┼čmi┼č taray─▒c─▒ tabanl─▒ makine ├Â─črenimi yetenekleri i├žin WebGPU dahil olmak ├╝zere hesaplama i├žin ├že┼čitli arka u├žlar─▒ destekler.

  • ├çevrimd─▒┼č─▒ Yetenekler: TensorFlow .js ile modeller internet ba─člant─▒s─▒na ihtiya├ž duymadan taray─▒c─▒da ├žal─▒┼čabilir, bu da ├ževrimd─▒┼č─▒ ├žal─▒┼čan uygulamalar geli┼čtirmeyi m├╝mk├╝n k─▒lar.

TensorFlow.js ile Da─č─▒t─▒m Se├ženekleri

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

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

  • Taray─▒c─▒ ─░├ži Makine ├ľ─črenimi Uygulamalar─▒: Makine ├Â─črenimi modellerini do─črudan taray─▒c─▒da ├žal─▒┼čt─▒ran web uygulamalar─▒ olu┼čturabilirsiniz. Sunucu taraf─▒ hesaplama ihtiyac─▒ ortadan kalkar ve sunucu y├╝k├╝ azal─▒r.

  • Node.js Uygulamalar─▒:: TensorFlow.js ayr─▒ca Node.js ortamlar─▒nda da─č─▒t─▒m─▒ destekleyerek sunucu taraf─▒ makine ├Â─črenimi uygulamalar─▒n─▒n geli┼čtirilmesini sa─člar. ├ľzellikle bir sunucunun i┼člem g├╝c├╝ne veya sunucu taraf─▒ verilere eri┼čime ihtiya├ž duyan uygulamalar i├žin kullan─▒┼čl─▒d─▒r

  • Chrome Uzant─▒lar─▒: ─░lgin├ž bir da─č─▒t─▒m senaryosu da TensorFlow.js ile Chrome uzant─▒lar─▒n─▒n olu┼čturulmas─▒d─▒r. ├ľrne─čin, kullan─▒c─▒lar─▒n ├Ânceden e─čitilmi┼č bir makine ├Â─črenimi modeli kullanarak s─▒n─▒fland─▒rmak i├žin herhangi bir web sayfas─▒ndaki bir g├Âr├╝nt├╝ye sa─č t─▒klamas─▒na olanak tan─▒yan bir uzant─▒ geli┼čtirebilirsiniz. TensorFlow.js, makine ├Â─črenimine dayal─▒ olarak an─▒nda i├žg├Âr├╝ler veya art─▒rmalar sa─člamak i├žin g├╝nl├╝k web tarama deneyimlerine entegre edilebilir.

YOLOv8 Modellerini TensorFlow.js'ye Aktarma

YOLOv8 modellerini TF.js'ye d├Ân├╝┼čt├╝rerek model uyumlulu─čunu ve da─č─▒t─▒m esnekli─čini art─▒rabilirsiniz.

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.js format
model.export(format="tfjs")  # creates '/yolov8n_web_model'

# Load the exported TF.js model
tfjs_model = YOLO("./yolov8n_web_model")

# Run inference
results = tfjs_model("https://ultralytics.com/images/bus.jpg")
# Export a YOLOv8n PyTorch model to TF.js format
yolo export model=yolov8n.pt format=tfjs  # creates '/yolov8n_web_model'

# Run inference with the exported model
yolo predict model='./yolov8n_web_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 TensorFlow .js Modellerini Da─č─▒tma

Art─▒k YOLOv8 modelinizi TF.js format─▒na aktard─▒─č─▒n─▒za g├Âre, bir sonraki ad─▒m onu da─č─▒tmakt─▒r. Bir TF.js ├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_web_model") y├Ântemini kullanmakt─▒r.

Bununla birlikte, TF.js modellerinizi da─č─▒tmaya ili┼čkin ayr─▒nt─▒l─▒ talimatlar i├žin a┼ča─č─▒daki kaynaklara g├Âz at─▒n:

├ľzet

Bu k─▒lavuzda, Ultralytics YOLOv8 modellerini TensorFlow.js format─▒na nas─▒l aktaraca─č─▒m─▒z─▒ ├Â─črendik. TF .js 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 TensorFlow.js 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 2024-04-03, Updated 2024-06-10
Authors: glenn-jocher (5), abirami-vina (1)

Yorumlar