TensorRT Xuất khẩu cho YOLOv8 Mô hình

Triển khai các mô hình thị giác máy tính trong môi trường hiệu suất cao có thể yêu cầu định dạng tối đa hóa tốc độ và hiệu quả. Điều này đặc biệt đúng khi bạn đang triển khai mô hình của mình trên GPU NVIDIA.

Bằng cách sử dụng TensorRT xuất định dạng, bạn có thể nâng cao Ultralytics YOLOv8 các mô hình để suy luận nhanh chóng và hiệu quả trên phần cứng NVIDIA. Hướng dẫn này sẽ cung cấp cho bạn các bước dễ làm theo cho quá trình chuyển đổi và giúp bạn tận dụng tối đa công nghệ tiên tiến của NVIDIA trong các dự án deep learning của mình.

TensorRT

TensorRT, được phát triển bởi NVIDIA, là một bộ công cụ phát triển phần mềm (SDK) tiên tiến được thiết kế để suy luận deep learning tốc độ cao. Nó rất phù hợp cho các ứng dụng thời gian thực như phát hiện đối tượng.

Bộ công cụ này tối ưu hóa các mô hình deep learning cho GPU NVIDIA và dẫn đến hoạt động nhanh hơn và hiệu quả hơn. TensorRT Mô hình trải qua TensorRT tối ưu hóa, bao gồm các kỹ thuật như hợp nhất lớp, hiệu chuẩn chính xác (INT8 và FP16), động tensor Quản lý bộ nhớ và tự động điều chỉnh kernel. Chuyển đổi các mô hình deep learning thành TensorRT Định dạng cho phép các nhà phát triển nhận ra tiềm năng của GPU NVIDIA một cách đầy đủ.

TensorRT được biết đến với khả năng tương thích với các định dạng mô hình khác nhau, bao gồm TensorFlow, PyTorchvà ONNX, cung cấp cho các nhà phát triển một giải pháp linh hoạt để tích hợp và tối ưu hóa các mô hình từ các framework khác nhau. Tính linh hoạt này cho phép triển khai mô hình hiệu quả trên các môi trường phần cứng và phần mềm đa dạng.

Các tính năng chính của TensorRT Mô hình

TensorRT Các mô hình cung cấp một loạt các tính năng chính góp phần vào hiệu quả và hiệu quả của chúng trong suy luận deep learning tốc độ cao:

• Hiệu chuẩn chính xác: TensorRT Hỗ trợ hiệu chuẩn chính xác, cho phép các mô hình được tinh chỉnh cho các yêu cầu độ chính xác cụ thể. Điều này bao gồm hỗ trợ giảm các định dạng chính xác như INT8 và FP16, có thể tăng thêm tốc độ suy luận trong khi vẫn duy trì mức độ chính xác chấp nhận được.

• Layer Fusion: Các TensorRT Quá trình tối ưu hóa bao gồm hợp nhất lớp, trong đó nhiều lớp của mạng thần kinh được kết hợp thành một hoạt động duy nhất. Điều này làm giảm chi phí tính toán và cải thiện tốc độ suy luận bằng cách giảm thiểu truy cập bộ nhớ và tính toán.

• Năng động Tensor Quản lý bộ nhớ: TensorRT Quản lý hiệu quả tensor Sử dụng bộ nhớ trong quá trình suy luận, giảm chi phí bộ nhớ và tối ưu hóa phân bổ bộ nhớ. Điều này dẫn đến việc sử dụng bộ nhớ GPU hiệu quả hơn.

• Điều chỉnh hạt nhân tự động: TensorRT áp dụng điều chỉnh hạt nhân tự động để chọn nhân GPU được tối ưu hóa nhất cho từng lớp của mô hình. Cách tiếp cận thích ứng này đảm bảo rằng mô hình tận dụng tối đa sức mạnh tính toán của GPU.

Tùy chọn triển khai trong TensorRT

Trước khi chúng ta xem xét mã để xuất YOLOv8 mô hình cho TensorRT định dạng, hãy hiểu ở đâu TensorRT Mô hình thường được sử dụng.

TensorRT Cung cấp một số tùy chọn triển khai và mỗi tùy chọn cân bằng giữa tính dễ tích hợp, tối ưu hóa hiệu suất và tính linh hoạt khác nhau:

• Triển khai bên trong TensorFlow: Phương pháp này tích hợp TensorRT vào TensorFlow, cho phép các mô hình được tối ưu hóa chạy quen thuộc TensorFlow môi trường. Nó hữu ích cho các mô hình có sự kết hợp của các lớp được hỗ trợ và không được hỗ trợ, như TF-TRT có thể xử lý những điều này một cách hiệu quả.

• Độc lập TensorRT API thời gian chạy: Cung cấp khả năng kiểm soát chi tiết, lý tưởng cho các ứng dụng quan trọng về hiệu suất. Nó phức tạp hơn nhưng cho phép triển khai tùy chỉnh các toán tử không được hỗ trợ.

• NVIDIA Triton Inference Server: Một tùy chọn hỗ trợ các mô hình từ các framework khác nhau. Đặc biệt thích hợp cho suy luận đám mây hoặc biên, nó cung cấp các tính năng như thực thi mô hình đồng thời và phân tích mô hình.

Xuất khẩu YOLOv8 Mô hình để TensorRT

Bạn có thể cải thiện hiệu quả thực thi và tối ưu hóa hiệu suất bằng cách chuyển đổi YOLOv8 mô hình để TensorRT định dạng.

Cài đặt

Để cài đặt gói yêu cầu, hãy chạy:

# Install the required package for YOLOv8
pip install ultralytics

Để biết hướng dẫn chi tiết và các phương pháp hay nhất liên quan đến quá trình cài đặt, hãy kiểm tra YOLOv8 Hướng dẫn cài đặt. Trong khi cài đặt các gói cần thiết cho YOLOv8, nếu bạn gặp bất kỳ khó khăn nào, hãy tham khảo hướng dẫn Các vấn đề thường gặp của chúng tôi để biết các giải pháp và mẹo.

Sử dụng

Trước khi đi sâu vào hướng dẫn sử dụng, hãy chắc chắn kiểm tra phạm vi của YOLOv8 Mô hình được cung cấp bởi Ultralytics. Điều này sẽ giúp bạn chọn mô hình phù hợp nhất cho yêu cầu dự án của bạn.

from ultralytics import YOLO

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

# Export the model to TensorRT format
model.export(format='engine')  # creates 'yolov8n.engine'

# Load the exported TensorRT model
tensorrt_model = YOLO('yolov8n.engine')

# Run inference
results = tensorrt_model('https://ultralytics.com/images/bus.jpg')

# Export a YOLOv8n PyTorch model to TensorRT format
yolo export model=yolov8n.pt format=engine  # creates 'yolov8n.engine''

# Run inference with the exported model
yolo predict model=yolov8n.engine source='https://ultralytics.com/images/bus.jpg'

Để biết thêm chi tiết về quy trình xuất, hãy truy cập Ultralytics trang tài liệu về xuất khẩu.

Xuất khẩu TensorRT với INT8 Quantization

Xuất khẩu Ultralytics YOLO Mô hình sử dụng TensorRT với độ chính xác INT8 thực hiện lượng tử hóa sau đào tạo (PTQ). TensorRT sử dụng hiệu chuẩn cho PTQ, đo lường sự phân bố kích hoạt trong mỗi lần kích hoạt tensor như YOLO Mô hình xử lý suy luận về dữ liệu đầu vào đại diện và sau đó sử dụng phân phối đó để ước tính giá trị tỷ lệ cho mỗi tensor. Mỗi lần kích hoạt tensor Đó là, một ứng cử viên cho lượng tử hóa có một thang đo liên quan được suy ra bởi một quá trình hiệu chuẩn.

Khi xử lý các mạng lượng tử hóa ngầm TensorRT sử dụng INT8 cơ hội để tối ưu hóa thời gian thực thi lớp. Nếu một lớp chạy nhanh hơn trong INT8 và đã gán thang đo lượng tử hóa trên đầu vào và đầu ra dữ liệu của nó, thì một hạt nhân có độ chính xác INT8 được gán cho lớp đó, nếu không TensorRT chọn độ chính xác của FP32 hoặc FP16 cho hạt nhân dựa trên bất kỳ kết quả nào dẫn đến thời gian thực thi nhanh hơn cho lớp đó.

Cấu hình INT8 Export

Các đối số được cung cấp khi sử dụng xuất khẩu cho một Ultralytics YOLO Mô hình sẽ Rất nhiều ảnh hưởng đến hiệu suất của mô hình xuất khẩu. Chúng cũng sẽ cần được chọn dựa trên tài nguyên thiết bị có sẵn, tuy nhiên các đối số mặc định nên Làm việc cho hầu hết GPU rời NVIDIA Ampere (hoặc mới hơn). Thuật toán hiệu chuẩn được sử dụng là "ENTROPY_CALIBRATION_2" Và bạn có thể đọc thêm chi tiết về các tùy chọn có sẵn trong TensorRT Hướng dẫn dành cho nhà phát triển. Ultralytics Các xét nghiệm cho thấy "ENTROPY_CALIBRATION_2" là sự lựa chọn tốt nhất và xuất khẩu được cố định để sử dụng thuật toán này.

• workspace : Kiểm soát kích thước (tính bằng GiB) của phân bổ bộ nhớ thiết bị trong khi chuyển đổi trọng số mô hình.

  • Nhằm mục đích sử dụng tối thiểu workspace giá trị cần thiết vì điều này ngăn chặn các thuật toán thử nghiệm đòi hỏi nhiều hơn workspace từ việc được xem xét bởi TensorRT chủ thầu. Đặt giá trị cao hơn cho workspace có thể mất lâu hơn đáng kể để hiệu chỉnh và xuất khẩu.

  • Mặc định là workspace=4 (GiB), giá trị này có thể cần phải được tăng lên nếu hiệu chuẩn gặp sự cố (thoát mà không có cảnh báo).

  • TensorRT sẽ báo cáo UNSUPPORTED_STATE trong quá trình xuất nếu giá trị cho workspace lớn hơn bộ nhớ có sẵn cho thiết bị, có nghĩa là giá trị cho workspace nên hạ xuống.

  • Nếu workspace được đặt thành giá trị tối đa và hiệu chuẩn không thành công/sự cố, hãy xem xét giảm các giá trị cho imgsz và batch để giảm yêu cầu bộ nhớ.

  • Hãy nhớ rằng hiệu chuẩn cho INT8 dành riêng cho từng thiết bị, việc mượn GPU "cao cấp" để hiệu chuẩn, có thể dẫn đến hiệu suất kém khi suy luận được chạy trên một thiết bị khác.

• batch : Kích thước lô tối đa sẽ được sử dụng để suy luận. Trong quá trình suy luận, các lô nhỏ hơn có thể được sử dụng, nhưng suy luận sẽ không chấp nhận các lô lớn hơn những gì được chỉ định.

  Ghi

  Trong quá trình hiệu chuẩn, hai lần batch Kích thước cung cấp sẽ được sử dụng. Sử dụng các lô nhỏ có thể dẫn đến tỷ lệ không chính xác trong quá trình hiệu chuẩn. Điều này là do quá trình điều chỉnh dựa trên dữ liệu mà nó nhìn thấy. Các lô nhỏ có thể không nắm bắt được đầy đủ các giá trị, dẫn đến các vấn đề với hiệu chuẩn cuối cùng, do đó, batch Kích thước được nhân đôi tự động. Nếu không có kích thước lô nào được chỉ định batch=1, hiệu chuẩn sẽ được chạy tại batch=1 * 2 để giảm lỗi thay đổi quy mô hiệu chuẩn.

Thử nghiệm của NVIDIA đã khiến họ khuyên bạn nên sử dụng ít nhất 500 hình ảnh hiệu chuẩn đại diện cho dữ liệu cho mô hình của bạn, với hiệu chuẩn lượng tử hóa INT8. Đây là một hướng dẫn và không phải là một cứng yêu cầu, và Bạn sẽ cần phải thử nghiệm với những gì được yêu cầu để thực hiện tốt cho tập dữ liệu của bạn. Vì dữ liệu hiệu chuẩn là cần thiết để hiệu chuẩn INT8 với TensorRT, hãy chắc chắn sử dụng data Lập luận khi int8=True cho TensorRT và sử dụng data="my_dataset.yaml", sẽ sử dụng hình ảnh từ Xác nhận để hiệu chỉnh với. Khi không có giá trị nào được truyền cho data với xuất khẩu sang TensorRT với lượng tử hóa INT8, mặc định sẽ là sử dụng một trong các Bộ dữ liệu ví dụ "nhỏ" dựa trên tác vụ mô hình thay vì ném lỗi.

from ultralytics import YOLO

model = YOLO("yolov8n.pt")
model.export(
    format="engine",
    dynamic=True, #(1)!
    batch=8, #(2)!
    workspace=4, #(3)!
    int8=True,
    data="coco.yaml", #(4)!
)

# Load the exported TensorRT INT8 model
model = YOLO("yolov8n.engine", task="detect")
# Run inference
result = model.predict("https://ultralytics.com/images/bus.jpg")

# Export a YOLOv8n PyTorch model to TensorRT format with INT8 quantization
yolo export model=yolov8n.pt format=engine batch=8 workspace=4 int8=True data=coco.yaml  # creates 'yolov8n.engine''

# Run inference with the exported TensorRT quantized model
yolo predict model=yolov8n.engine source='https://ultralytics.com/images/bus.jpg'

Ưu điểm của việc sử dụng YOLO với TensorRT INT8

• Giảm kích thước mô hình: Lượng tử hóa từ FP32 đến INT8 có thể làm giảm kích thước mô hình xuống 4x (trên đĩa hoặc trong bộ nhớ), dẫn đến thời gian tải xuống nhanh hơn. yêu cầu lưu trữ thấp hơn và giảm dung lượng bộ nhớ khi triển khai mô hình.

• Tiêu thụ điện năng thấp hơn: Giảm hoạt động chính xác cho xuất INT8 YOLO các mô hình có thể tiêu thụ ít năng lượng hơn so với các mẫu FP32, đặc biệt là đối với các thiết bị chạy bằng pin.

• Cải thiện tốc độ suy luận: TensorRT tối ưu hóa mô hình cho phần cứng mục tiêu, có khả năng dẫn đến tốc độ suy luận nhanh hơn trên GPU, thiết bị nhúng và bộ tăng tốc.

Hạn chế của việc sử dụng YOLO với TensorRT INT8

• Giảm số liệu đánh giá: Sử dụng độ chính xác thấp hơn sẽ có nghĩa là mAP, Precision, Recall hoặc bất kỳ Các chỉ số khác được sử dụng để đánh giá hiệu suất mô hình có khả năng sẽ có phần tồi tệ hơn. Xem Phần kết quả hoạt động để so sánh sự khác biệt trong mAP50 và mAP50-95 khi xuất với INT8 trên mẫu nhỏ của các thiết bị khác nhau.

• Tăng thời gian phát triển: Việc tìm kiếm các cài đặt "tối ưu" để hiệu chuẩn INT8 cho tập dữ liệu và thiết bị có thể mất một lượng thử nghiệm đáng kể.

• Phụ thuộc phần cứng: Hiệu chuẩn và tăng hiệu suất có thể phụ thuộc nhiều vào phần cứng và trọng lượng mô hình ít có thể chuyển giao hơn.

Ultralytics YOLO TensorRT Hiệu suất xuất khẩu

NVIDIA A100

GPU tiêu dùng

Thiết bị nhúng

Phương pháp đánh giá

Mở rộng các phần bên dưới để biết thông tin về cách các mô hình này được xuất và thử nghiệm.

from ultralytics import YOLO

model = YOLO("yolov8n.pt")

# TensorRT FP32
out = model.export(
    format="engine",
    imgsz:640,
    dynamic:True,
    verbose:False,
    batch:8,
    workspace:2
)

# TensorRT FP16
out = model.export(
    format="engine",
    imgsz:640,
    dynamic:True,
    verbose:False,
    batch:8,
    workspace:2,
    half=True
)

# TensorRT INT8
out = model.export(
    format="engine",
    imgsz:640,
    dynamic:True,
    verbose:False,
    batch:8,
    workspace:2,
    int8=True,
    data:"data.yaml"  # COCO, ImageNet, or DOTAv1 for appropriate model task
)

import cv2
from ultralytics import YOLO

model = YOLO("yolov8n.engine")
img = cv2.imread("path/to/image.jpg")

for _ in range(100):
    result = model.predict(
        [img] * 8,  # batch=8 of the same image
        verbose=False,
        device="cuda"
    )

from ultralytics import YOLO

model = YOLO("yolov8n.engine")
results = model.val(
    data="data.yaml",  # COCO, ImageNet, or DOTAv1 for appropriate model task
    batch=1,
    imgsz=640,
    verbose=False,
    device="cuda"
)

Triển khai xuất khẩu YOLOv8 TensorRT Mô hình

Đã xuất thành công Ultralytics YOLOv8 mô hình để TensorRT , bây giờ bạn đã sẵn sàng để triển khai chúng. Để được hướng dẫn chuyên sâu về cách triển khai TensorRT Các mô hình trong các cài đặt khác nhau, hãy xem các tài nguyên sau:

• Triển khai Ultralytics với một Triton Máy chủ: Hướng dẫn của chúng tôi về cách sử dụng NVIDIA Triton Suy luận (trước đây TensorRT Suy luận) Máy chủ đặc biệt để sử dụng với Ultralytics YOLO Mô hình.

• Triển khai mạng nơ-ron sâu với NVIDIA TensorRT: Bài viết này giải thích cách sử dụng NVIDIA TensorRT để triển khai mạng nơ-ron sâu trên các nền tảng triển khai dựa trên GPU một cách hiệu quả.

• AI đầu cuối cho PC dựa trên NVIDIA: NVIDIA TensorRT Triển khai: Bài đăng trên blog này giải thích việc sử dụng NVIDIA TensorRT để tối ưu hóa và triển khai các mô hình AI trên PC dựa trên NVIDIA.

• Kho lưu trữ GitHub cho NVIDIA TensorRT:: Đây là kho lưu trữ GitHub chính thức chứa mã nguồn và tài liệu cho NVIDIA TensorRT.

Tóm tắt

Trong hướng dẫn này, chúng tôi tập trung vào việc chuyển đổi Ultralytics YOLOv8 mô hình cho NVIDIA TensorRT định dạng mô hình. Bước chuyển đổi này rất quan trọng để cải thiện hiệu quả và tốc độ của YOLOv8 mô hình, làm cho chúng hiệu quả hơn và phù hợp với môi trường triển khai đa dạng.

Để biết thêm thông tin về chi tiết sử dụng, hãy xem TensorRT Tài liệu chính thức.

Nếu bạn tò mò về bổ sung Ultralytics YOLOv8 Tích hợp, trang hướng dẫn tích hợp của chúng tôi cung cấp nhiều lựa chọn tài nguyên thông tin và thông tin chi tiết.

Ý kiến