ultralytics/docs/ar/modes/export.md

comments	description	keywords
true	دليل خطوة بخطوة حول تصدير نماذج YOLOv8 الخاصة بك إلى تنسيقات مختلفة مثل ONNX و TensorRT و CoreML وغيرها للنشر. استكشف الآن!.	YOLO، YOLOv8، Ultralytics، تصدير النموذج، ONNX، TensorRT، CoreML، TensorFlow SavedModel، OpenVINO، PyTorch، تصدير النموذج

تصدير النموذج باستخدام يولو من Ultralytics

مقدمة

الهدف النهائي لتدريب نموذج هو نشره لتطبيقات العالم الحقيقي. يوفر وضع التصدير في يولو من Ultralytics مجموعة متنوعة من الخيارات لتصدير النموذج المدرب إلى تنسيقات مختلفة، مما يجعله يمكن استخدامه في مختلف الأنظمة والأجهزة. يهدف هذا الدليل الشامل إلى مساعدتك في فهم تفاصيل تصدير النموذج، ويعرض كيفية تحقيق أقصى توافق وأداء.

شاهد: كيفية تصدير نموذج Ultralytics YOLOv8 التدريب المخصص وتشغيل الاستدلال المباشر على كاميرا الويب.

لماذا اختيار وضع تصدير YOLOv8؟

• التنوع: تصدير إلى تنسيقات متعددة بما في ذلك ONNX و TensorRT و CoreML ، وغيرها.
• الأداء: الحصول على سرعة تسريع تصل إلى 5 أضعاف باستخدام TensorRT وسرعة تسريع معالج الكمبيوتر المركزي بنسبة 3 أضعاف باستخدام ONNX أو OpenVINO.
• التوافقية: جعل النموذج قابلاً للنشر على الأجهزة والبرامج المختلفة.
• سهولة الاستخدام: واجهة سطر الأوامر البسيطة وواجهة برمجة Python لتصدير النموذج بسرعة وسهولة.

الميزات الرئيسية لوضع التصدير

إليك بعض من الميزات المميزة:

• تصدير بنقرة واحدة: أوامر بسيطة لتصدير إلى تنسيقات مختلفة.
• تصدير الدُفعات: تصدير نماذج قادرة على العمل مع الدُفعات.
• تنفيذ محسَّن: يتم تحسين النماذج المصدرة لتوفير وقت تنفيذ أسرع.
• فيديوهات تعليمية: مرشدين وفيديوهات تعليمية لتجربة تصدير سلسة.

!!! Tip "نصيحة"

* صدّر إلى ONNX أو OpenVINO للحصول على تسريع معالج الكمبيوتر المركزي بنسبة 3 أضعاف.
* صدّر إلى TensorRT للحصول على تسريع وحدة المعالجة الرسومية بنسبة 5 أضعاف.

أمثلة للاستخدام

قم بتصدير نموذج YOLOv8n إلى تنسيق مختلف مثل ONNX أو TensorRT. انظر الجدول أدناه للحصول على قائمة كاملة من وسائط التصدير.

!!! Example "مثال"

=== "بايثون"

    ```python
    from ultralytics import YOLO

    # قم بتحميل نموذج
    model = YOLO('yolov8n.pt')  # تحميل نموذج رسمي
    model = YOLO('path/to/best.pt')  # تحميل نموذج مدرب مخصص

    # قم بتصدير النموذج
    model.export(format='onnx')
    ```
=== "واجهة سطر الأوامر"

    ```bash
    yolo export model=yolov8n.pt format=onnx  # تصدير نموذج رسمي
    yolo export model=path/to/best.pt format=onnx  # تصدير نموذج مدرب مخصص
    ```

الوسائط

تشير إعدادات تصدير YOLO إلى التكوينات والخيارات المختلفة المستخدمة لحفظ أو تصدير النموذج للاستخدام في بيئات أو منصات أخرى. يمكن أن تؤثر هذه الإعدادات على أداء النموذج وحجمه وتوافقه مع الأنظمة المختلفة. تشمل بعض إعدادات تصدير YOLO الشائعة تنسيق ملف النموذج المصدر (مثل ONNX وتنسيق TensorFlow SavedModel) والجهاز الذي سيتم تشغيل النموذج عليه (مثل المعالج المركزي أو وحدة المعالجة الرسومية) ووجود ميزات إضافية مثل الأقنعة أو التسميات المتعددة لكل مربع. قد تؤثر عوامل أخرى قد تؤثر عملية التصدير تشمل المهمة النموذجة المحددة التي يتم استخدام النموذج لها ومتطلبات أو قيود البيئة أو المنصة المستهدفة. من المهم أن ننظر بعناية ونقوم بتكوين هذه الإعدادات لضمان أن النموذج المصدر هو محسَّن للحالة الاستخدام المقصودة ويمكن استخدامه بشكل فعال في البيئة المستهدفة.

المفتاح	القيمة	الوصف
format	'torchscript'	التنسيق المراد تصديره
imgsz	640	حجم الصورة كمقدار علمي أو قائمة (h ، w) ، على سبيل المثال (640 ، 480)
keras	False	استخدام Keras لتصدير TF SavedModel
optimize	False	TorchScript: الأمثل للجوال
half	False	تكميم FP16
int8	False	تكميم INT8
dynamic	False	ONNX/TensorRT: المحاور الديناميكية
simplify	False	ONNX/TensorRT: تبسيط النموذج
opset	None	ONNX: إصدار opset (اختياري ، الافتراضي هو الأحدث)
workspace	4	TensorRT: حجم مساحة العمل (GB)
nms	False	CoreML: إضافة NMS

تنسيقات التصدير

صيغ تصدير YOLOv8 المتاحة في الجدول أدناه. يمكنك التصدير إلى أي تنسيق باستخدام الوسيطة format ، مثل format='onnx' أو format='engine'.

التنسيق	وسيطة format	النموذج	البيانات الوصفية	الوسائط
بايثورش	-	yolov8n.pt	✅	-
TorchScript	تورتشسيريبت	yolov8n.torchscript	✅	imgsz, optimize
ONNX	onnx	yolov8n.onnx	✅	imgsz, half, dynamic, simplify, opset
OpenVINO	openvino	yolov8n_openvino_model/	✅	imgsz, half, int8
TensorRT	engine	yolov8n.engine	✅	imgsz, half, dynamic, simplify, workspace
CoreML	coreml	yolov8n.mlpackage	✅	imgsz, half, int8, nms
TF SavedModel	saved_model	yolov8n_saved_model/	✅	imgsz, keras, int8
TF GraphDef	pb	yolov8n.pb	❌	imgsz
TF Lite	tflite	yolov8n.tflite	✅	imgsz, half, int8
TF Edge TPU	edgetpu	yolov8n_edgetpu.tflite	✅	imgsz
TF.js	tfjs	yolov8n_web_model/	✅	imgsz
PaddlePaddle	paddle	yolov8n_paddle_model/	✅	imgsz
ncnn	ncnn	yolov8n_ncnn_model/	✅	imgsz, half