yolov8_test/docs/pt/modes/export.md

comments	description	keywords
true	Guia passo a passo sobre como exportar seus modelos YOLOv8 para vários formatos como ONNX, TensorRT, CoreML e mais para implantação. Explore agora!	YOLO, YOLOv8, Ultralytics, Exportação de modelo, ONNX, TensorRT, CoreML, TensorFlow SavedModel, OpenVINO, PyTorch, exportar modelo

Exportação de Modelo com Ultralytics YOLO

Introdução

O objetivo final de treinar um modelo é implantá-lo para aplicações no mundo real. O modo de exportação no Ultralytics YOLOv8 oferece uma ampla gama de opções para exportar seu modelo treinado para diferentes formatos, tornando-o implantável em várias plataformas e dispositivos. Este guia abrangente visa orientá-lo através das nuances da exportação de modelos, mostrando como alcançar a máxima compatibilidade e performance.

Assista: Como Exportar Modelo Treinado Customizado do Ultralytics YOLOv8 e Executar Inferência ao Vivo na Webcam.

Por Que Escolher o Modo de Exportação do YOLOv8?

• Versatilidade: Exporte para múltiplos formatos incluindo ONNX, TensorRT, CoreML e mais.
• Performance: Ganhe até 5x aceleração em GPU com TensorRT e 3x aceleração em CPU com ONNX ou OpenVINO.
• Compatibilidade: Torne seu modelo universalmente implantável em numerosos ambientes de hardware e software.
• Facilidade de Uso: Interface de linha de comando simples e API Python para exportação rápida e direta de modelos.

Principais Recursos do Modo de Exportação

Aqui estão algumas das funcionalidades de destaque:

• Exportação com Um Clique: Comandos simples para exportação em diferentes formatos.
• Exportação em Lote: Exporte modelos capazes de inferência em lote.
• Inferência Otimizada: Modelos exportados são otimizados para tempos de inferência mais rápidos.
• Vídeos Tutoriais: Guias e tutoriais detalhados para uma experiência de exportação tranquila.

!!! Tip "Dica"

* Exporte para ONNX ou OpenVINO para até 3x aceleração em CPU.
* Exporte para TensorRT para até 5x aceleração em GPU.

Exemplos de Uso

Exporte um modelo YOLOv8n para um formato diferente como ONNX ou TensorRT. Veja a seção de Argumentos abaixo para uma lista completa dos argumentos de exportação.

!!! Example "Exemplo"

=== "Python"

    ```python
    from ultralytics import YOLO

    # Carregar um modelo
    model = YOLO('yolov8n.pt')  # carrega um modelo oficial
    model = YOLO('caminho/para/best.pt')  # carrega um modelo treinado personalizado

    # Exportar o modelo
    model.export(format='onnx')
    ```
=== "CLI"

    ```bash
    yolo export model=yolov8n.pt format=onnx  # exporta modelo oficial
    yolo export model=caminho/para/best.pt format=onnx  # exporta modelo treinado personalizado
    ```

Argumentos

Configurações de exportação para modelos YOLO referem-se às várias configurações e opções usadas para salvar ou exportar o modelo para uso em outros ambientes ou plataformas. Essas configurações podem afetar a performance, tamanho e compatibilidade do modelo com diferentes sistemas. Algumas configurações comuns de exportação de YOLO incluem o formato do arquivo de modelo exportado (por exemplo, ONNX, TensorFlow SavedModel), o dispositivo em que o modelo será executado (por exemplo, CPU, GPU) e a presença de recursos adicionais como máscaras ou múltiplos rótulos por caixa. Outros fatores que podem afetar o processo de exportação incluem a tarefa específica para a qual o modelo está sendo usado e os requisitos ou restrições do ambiente ou plataforma alvo. É importante considerar e configurar cuidadosamente essas configurações para garantir que o modelo exportado seja otimizado para o caso de uso pretendido e possa ser usado eficazmente no ambiente alvo.

Chave	Valor	Descrição
format	'torchscript'	formato para exportação
imgsz	640	tamanho da imagem como escalar ou lista (h, w), ou seja, (640, 480)
keras	False	usar Keras para exportação TF SavedModel
optimize	False	TorchScript: otimizar para mobile
half	False	quantização FP16
int8	False	quantização INT8
dynamic	False	ONNX/TensorRT: eixos dinâmicos
simplify	False	ONNX/TensorRT: simplificar modelo
opset	None	ONNX: versão do opset (opcional, padrão para a mais recente)
workspace	4	TensorRT: tamanho do espaço de trabalho (GB)
nms	False	CoreML: adicionar NMS

Formatos de Exportação

Os formatos de exportação disponíveis para YOLOv8 estão na tabela abaixo. Você pode exportar para qualquer formato usando o argumento format, ou seja, format='onnx' ou format='engine'.

Formato	Argumento format	Modelo	Metadados	Argumentos
PyTorch	-	yolov8n.pt	✅	-
TorchScript	torchscript	yolov8n.torchscript	✅	imgsz, optimize
ONNX	onnx	yolov8n.onnx	✅	imgsz, half, dynamic, simplify, opset
OpenVINO	openvino	yolov8n_openvino_model/	✅	imgsz, half
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
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