【目标检测】YOLOV8实战入门(六)模型导出


export模式用于将YOLOv8模型导出为可用于部署的格式。在此模式下,模型转换为可供其他软件应用程序或硬件设备使用的格式。此模式在将模型部署到生产环境时很有用。

model = YOLO('yolov8n.pt')  
model = YOLO('path/to/best.pt')  

# 导出模型
model.export(format='onnx')

YOLOv8模型的导出设置是指用于保存或导出模型以在其他环境或平台中使用的各种配置和选项。这些设置会影响模型的性能、大小以及与不同系统的兼容性。一些常见导出设置包括导出模型文件的格式(例如ONNX、TensorFlow SavedModel)、模型将在其上运行的设备(例如CPU、GPU)以及每个框存在掩码或多个标签等附加功能。其他可能影响导出过程的因素包括模型正在用于的特定任务以及目标环境或平台的要求或约束。仔细考虑和配置这些设置以确保导出的模型针对预期用例进行了优化并可以在目标环境中有效使用,这一点很重要。

相关参数如下

Key Value Description
format 'torchscript' format to export to
imgsz 640 image size as scalar or (h, w) list, i.e. (640, 480)
keras False use Keras for TF SavedModel export
optimize False TorchScript: optimize for mobile
half False FP16 quantization
int8 False INT8 quantization
dynamic False ONNX/TF/TensorRT: dynamic axes
simplify False ONNX: simplify model
opset None ONNX: opset version (optional, defaults to latest)
workspace 4 TensorRT: workspace size (GB)
nms False CoreML: add NMS

支持的导出格式如下

Format format Argument Model Metadata
PyTorch - yolov8n.pt
TorchScript torchscript yolov8n.torchscript
ONNX onnx yolov8n.onnx
OpenVINO openvino yolov8n_openvino_model/
TensorRT engine yolov8n.engine
CoreML coreml yolov8n.mlmodel
TF SavedModel saved_model yolov8n_saved_model/
TF GraphDef pb yolov8n.pb
TF Lite tflite yolov8n.tflite
TF Edge TPU edgetpu yolov8n_edgetpu.tflite
TF.js tfjs yolov8n_web_model/
PaddlePaddle paddle yolov8n_paddle_model/

你可能感兴趣的:(深度学习,#,目标检测,目标检测,YOLO,深度学习,人工智能,python)