PP-YOLOE
PP-YOLOE is an anchor-free object detector with detection training and class-head resizing.
- Tâches
- detection
- Tailles
- s, m, l, x at 640 px
- Installer
pip install libreyolo- Niveau de support
- Pris en charge, depuis v1.6.0. Modèles entraînables complémentaires : maintenus au vert dans la CI, avec des fonctionnalités ajoutées selon les occasions.
- Licences
- Code MIT, poids No separate artifact grant recorded. Usage commercial
Install
pip install "libreyolo"Predict
from libreyolo import LibreYOLO, SAMPLE_IMAGE model = LibreYOLO("LibrePPYOLOEs.pt", device="cpu")result = model(SAMPLE_IMAGE)print(result.boxes)Released weights download from the source CDN with a pinned SHA-256 check. The constructor also accepts a local upstream checkpoint. The four sizes are s, m, l and x.
Train
Training uses ATSS assignment before switching to task-aligned assignment. static_assigner_epochs defaults to 30% of the requested epochs. A new class count rebuilds the class-prediction layers. AMP defaults to False.
Dataset setup describes the required training data.
from libreyolo import LibreYOLO model = LibreYOLO("LibrePPYOLOEs.pt", device="cpu")# coco8 is a small YOLO-format detection dataset that downloads automatically.model.train(data="coco8.yaml", epochs=1, device="cpu", workers=0)Validate
from libreyolo import LibreYOLO model = LibreYOLO("LibrePPYOLOEs.pt", device="cpu")metrics = model.val(data="coco8.yaml", workers=0)print(metrics)Use the dataset format for this task. Validation explains the dataset requirements and returned metrics.
Export
| Tâche | ONNX | TorchScript | ExecuTorch | TensorRT | OpenVINO | Paddle | MNN | RKNN | ncnn | TFLite | CoreML | Core AI |
|---|---|---|---|---|---|---|---|---|---|---|---|---|
| Detection | Detection to ONNX : pris en charge | Detection to TorchScript : pris en charge | Detection to ExecuTorch : pris en charge | Detection to TensorRT : pris en charge | Detection to OpenVINO : pris en charge | Detection to Paddle : non pris en charge | Detection to MNN : non pris en charge | Detection to RKNN : non pris en charge | Detection to ncnn : pris en charge | Detection to TFLite : non pris en charge | Detection to CoreML : non pris en charge | Detection to Core AI : non pris en charge |
from libreyolo import LibreYOLO model = LibreYOLO("LibrePPYOLOEs.pt", device="cpu")model.export(format="onnx")Export setup lists format dependencies and loading exported artifacts.
Licensing
Vérifiez la licence dans le dépôt Hugging Face des poids précis que vous téléchargez. Chaque checkpoint de l<link>organisation LibreYOLO</link> en possède une, et elles ne sont pas toujours identiques au sein dune même famille. Ce dépôt fait autorité ; le résumé ci-dessous décrit les conditions applicables lors de la dernière vérification de cette page.
Ceci décrit les licences concernées et ne constitue pas un conseil juridique. Si la réponse a une importance commerciale, lisez vous-même les licences et consultez votre propre avocat.
- Travail d'origine
- PP-YOLOE, PaddlePaddle
- Licence du projet d'origine
- Apache-2.0
- Source du projet d'origine
- github.com/PaddlePaddle/PaddleDetection
- Code de LibreYOLO
- MIT
- Poids
- No separate artifact grant recorded, distribués par leurs auteurs. LibreYOLO ne les héberge pas et n'en fournit pas de miroir.
- Interprétation
- The upstream source is Apache-2.0. Pretrained artifacts download from the source CDN; a separate checkpoint license grant has not been recorded.
