--- comments: true description: Пошаговое руководство по экспорту ваших моделей YOLOv8 в различные форматы, такие как ONNX, TensorRT, CoreML и другие, для развертывания. Изучите сейчас!. keywords: YOLO, YOLOv8, Ultralytics, Экспорт модели, ONNX, TensorRT, CoreML, TensorFlow SavedModel, OpenVINO, PyTorch, экспорт модели --- # Экспорт модели с Ultralytics YOLO Экосистема и интеграции Ultralytics YOLO ## Введение Основная цель тренировки модели — её развертывание для реальных приложений. Режим экспорта в Ultralytics YOLOv8 предлагает множество вариантов для экспорта обученной модели в различные форматы, обеспечивая возможность развертывания на разных платформах и устройствах. Это исчерпывающее руководство направлено на то, чтобы провести вас через тонкости экспорта моделей, демонстрируя, как достичь максимальной совместимости и производительности.



Смотрите: Как экспортировать обученную пользовательскую модель Ultralytics YOLOv8 и запустить живое воспроизведение на веб-камере.

## Почему стоит выбрать режим экспорта YOLOv8? - **Универсальность:** Экспорт в несколько форматов, включая ONNX, TensorRT, CoreML и другие. - **Производительность:** Увеличение скорости на GPU до 5 раз с TensorRT и ускорение на CPU до 3 раз с ONNX или OpenVINO. - **Совместимость:** Сделайте вашу модель универсально развертываемой в различных аппаратных и программных средах. - **Простота использования:** Простой интерфейс командной строки и Python API для быстрого и простого экспорта моделей. ### Ключевые особенности режима экспорта Вот некоторые из ключевых функций: - **Экспорт одним кликом:** Простые команды для экспорта в разные форматы. - **Пакетный экспорт:** Экспорт моделей, способных к пакетной обработке. - **Оптимизированное предсказание:** Экспортированные модели оптимизированы для более быстрого предсказания. - **Учебные видео:** Глубокие руководства и обучающие видео для гладкого опыта экспорта. !!! Tip "Совет" * Экспортируйте в ONNX или OpenVINO для ускорения CPU до 3 раз. * Экспортируйте в TensorRT для увеличения скорости на GPU до 5 раз. ## Примеры использования Экспорт модели YOLOv8n в другой формат, например ONNX или TensorRT. Смотрите раздел Аргументы ниже для полного списка аргументов экспорта. !!! Example "Пример" === "Python" ```python from ultralytics import YOLO # Загрузите модель model = YOLO('yolov8n.pt') # загрузка официальной модели model = YOLO('path/to/best.pt') # загрузка обученной пользовательской модели # Экспорт модели model.export(format='onnx') ``` === "CLI" ```bash yolo export model=yolov8n.pt format=onnx # экспорт официальной модели yolo export model=path/to/best.pt format=onnx # экспорт обученной пользовательской модели ``` ## Аргументы Настройки экспорта моделей YOLO относятся к различным конфигурациям и опциям, используемым для сохранения или экспорта модели для использования в других средах или платформах. Эти настройки могут влиять на производительность модели, размер и совместимость с разными системами. Некоторые общие настройки экспорта YOLO включают формат экспортируемого файла модели (например, ONNX, TensorFlow SavedModel), устройство, на котором будет запущена модель (например, CPU, GPU), а также наличие дополнительных функций, таких как маски или несколько меток на коробку. Другие факторы, которые могут повлиять на процесс экспорта, включают конкретное задание, для которого используется модель, и требования или ограничения целевой среды или платформы. Важно тщательно рассмотреть и настроить эти параметры, чтобы убедиться, что экспортированная модель оптимизирована для предполагаемого использования и может быть эффективно использована в целевой среде. | Ключ | Значение | Описание | |-------------|-----------------|---------------------------------------------------------------------------| | `format` | `'torchscript'` | формат для экспорта | | `imgsz` | `640` | размер изображения в виде скаляра или списка (h, w), например, (640, 480) | | `keras` | `False` | использовать Keras для экспорта TF SavedModel | | `optimize` | `False` | TorchScript: оптимизация для мобильных устройств | | `half` | `False` | квантование FP16 | | `int8` | `False` | квантование INT8 | | `dynamic` | `False` | ONNX/TensorRT: динамические оси | | `simplify` | `False` | ONNX/TensorRT: упрощение модели | | `opset` | `None` | ONNX: версия набора операций (необязательный, по умолчанию последний) | | `workspace` | `4` | TensorRT: размер рабочей области (ГБ) | | `nms` | `False` | CoreML: добавление NMS | ## Форматы экспорта Доступные форматы экспорта YOLOv8 указаны в таблице ниже. Вы можете экспортировать в любой формат, используя аргумент `format`, например, `format='onnx'` или `format='engine'`. | Формат | Аргумент `format` | Модель | Метаданные | Аргументы | |--------------------------------------------------------------------|-------------------|---------------------------|------------|-----------------------------------------------------| | [PyTorch](https://pytorch.org/) | - | `yolov8n.pt` | ✅ | - | | [TorchScript](https://pytorch.org/docs/stable/jit.html) | `torchscript` | `yolov8n.torchscript` | ✅ | `imgsz`, `optimize` | | [ONNX](https://onnx.ai/) | `onnx` | `yolov8n.onnx` | ✅ | `imgsz`, `half`, `dynamic`, `simplify`, `opset` | | [OpenVINO](https://docs.openvino.ai/latest/index.html) | `openvino` | `yolov8n_openvino_model/` | ✅ | `imgsz`, `half` | | [TensorRT](https://developer.nvidia.com/tensorrt) | `engine` | `yolov8n.engine` | ✅ | `imgsz`, `half`, `dynamic`, `simplify`, `workspace` | | [CoreML](https://github.com/apple/coremltools) | `coreml` | `yolov8n.mlpackage` | ✅ | `imgsz`, `half`, `int8`, `nms` | | [TF SavedModel](https://www.tensorflow.org/guide/saved_model) | `saved_model` | `yolov8n_saved_model/` | ✅ | `imgsz`, `keras` | | [TF GraphDef](https://www.tensorflow.org/api_docs/python/tf/Graph) | `pb` | `yolov8n.pb` | ❌ | `imgsz` | | [TF Lite](https://www.tensorflow.org/lite) | `tflite` | `yolov8n.tflite` | ✅ | `imgsz`, `half`, `int8` | | [TF Edge TPU](https://coral.ai/docs/edgetpu/models-intro/) | `edgetpu` | `yolov8n_edgetpu.tflite` | ✅ | `imgsz` | | [TF.js](https://www.tensorflow.org/js) | `tfjs` | `yolov8n_web_model/` | ✅ | `imgsz` | | [PaddlePaddle](https://github.com/PaddlePaddle) | `paddle` | `yolov8n_paddle_model/` | ✅ | `imgsz` | | [ncnn](https://github.com/Tencent/ncnn) | `ncnn` | `yolov8n_ncnn_model/` | ✅ | `imgsz`, `half` |