libreyolo export

Converte un checkpoint in un formato di deployment e scrive l'artefatto sotto weights/. Il formato decide quali degli argomenti qui sotto si applicano.

Comando: libreyolo export
Obbligatorio: model
Output: weights/<checkpoint-stem>[_fp16|_int8]<format-suffix>

Sinossi

bash

libreyolo export model=<name|path> [format=<format>] [key=value ...]

Gli argomenti sono coppie key=value, e funziona anche la forma POSIX, quindi format=onnx e --format onnx sono lo stesso argomento.

Argomenti

Argomento	Default	Significato
`model`		Pesi del modello `.pt`. Obbligatorio
`format`	`onnx`	Formato di esportazione: `onnx`, `torchscript`, `executorch`, `tensorrt`, `openvino`, `paddle`, `mnn`, `rknn`, `ncnn`, `tflite`, `coreml`, `coreai`
`name`		Piattaforma di destinazione RKNN, per ora solo `rk3588`. Rifiutato con qualsiasi altro formato
`imgsz`		Dimensione dell'immagine di input: `640` oppure `480x640` (altezza x larghezza). Si accetta anche `480,640`. La dimensione propria del modello se non impostato
`batch`	`1`	Dimensione del batch dell'esportazione
`half`	`false`	Precisione FP16
`int8`	`false`	Quantizzazione INT8
`dynamic`	`false`	Forme di input dinamiche (ONNX)
`simplify`	`true`	Semplificazione del grafo ONNX
`nms`	`false`	Incorpora l'NMS nel modello. Solo ONNX e CoreML
`conf`	`0.25`	Soglia di confidenza per l'NMS incorporato
`iou`	`0.45`	Soglia di IoU per l'NMS incorporato
`max_det`	`300`	Numero massimo di rilevamenti per l'NMS incorporato di ONNX
`opset`		Versione dell'opset ONNX. Scelta automaticamente se non impostata
`data`		Dati di calibrazione per INT8
`fraction`	`1.0`	Frazione dei dati di calibrazione da usare
`device`	`auto`	Dispositivo per il tracing
`allow_download_scripts`	`false`	Consente Python incorporato nei blocchi di download del YAML del dataset
`json`	`false`	Output JSON su stdout
`quiet`	`false`	Silenzia stderr
`verbose`	`false`	Log dettagliato dell'esportazione
`verify`	`false`	Esegue il simulatore PC di RKNN Toolkit2 e lo confronta con ONNX Runtime. Solo RKNN
`help_json`	`false`	Stampa lo schema del comando come JSON ed esce

engine è un alias di tensorrt e litert un alias di tflite. Entrambi vengono risolti nel nome canonico prima che venga scritto qualsiasi cosa, quindi l'output JSON e la riga di log riportano sempre tensorrt o tflite.

Esempi

Base

# Scrive weights/LibreYOLO9s.onnxlibreyolo export model=LibreYOLO9s.pt format=onnx imgsz=640

NMS dentro il grafo

libreyolo export model=LibreYOLO9s.pt format=onnx \  nms=true conf=0.25 iou=0.45 max_det=300

Eseguire l'artefatto

libreyolo export model=LibreYOLO9s.pt format=onnx imgsz=640 # La factory si basa sul suffisso del file, quindi l'esportazione si carica come un checkpoint.libreyolo predict model=weights/LibreYOLO9s.onnx \  source=https://raw.githubusercontent.com/LibreYOLO/libreyolo/release/libreyolo/assets/parkour.jpg

Note

Dove finisce il file

Il comando non accetta un percorso di output. L'artefatto viene scritto in weights/, con il nome base del checkpoint di origine più il suffisso del formato, e con _fp16 o _int8 inserito quando è stata richiesta una di quelle precisioni. LibreYOLO9s.pt esportato in ONNX a FP16 diventa weights/LibreYOLO9s_fp16.onnx. Il risultato JSON porta l'output_path risolto, la dimensione del file in MB e la forma dell'input come [batch, 3, height, width].

Combinazioni che vengono rifiutate

nms=true è accettato per ONNX e CoreML e rifiutato per ogni altro formato con nms_unsupported_format. Su ONNX forza dynamic a off, dato che il grafo incorporato è fissato a batch 1, e lo segnala su stderr. Su CoreML accetta conf e iou ma non max_det, quindi un max_det diverso da quello predefinito insieme a format=coreml nms=true esce con config_unsupported.

half=true insieme a int8=true non è un errore. Vince INT8, half viene scartato e un avviso va su stderr.

name e verify oggi sono opzioni di RKNN. Passarne una qualsiasi con un altro formato esce con config_unsupported invece di essere ignorata.

Quali formati supporta una famiglia

Il supporto è per famiglia e per task, non globale. libreyolo formats family=<family> task=<task> stampa il livello di ogni formato per quella combinazione, con il motivo e l'eventuale vincolo associato. Vedi libreyolo formats per gli argomenti.

Alcuni formati richiedono un'installazione opzionale e altri richiedono un toolchain. Una dipendenza Python mancante esce con export_dep_missing; una precisione che il formato non può produrre esce con format_precision_unsupported.

Eseguire ciò che hai esportato

Gli artefatti esportati si caricano attraverso la stessa factory di modelli dei checkpoint, in base al suffisso del file, quindi libreyolo predict model=weights/LibreYOLO9s.onnx funziona senza nessuna ulteriore conversione. Tre opzioni di predizione fanno eccezione e vengono rifiutate sui backend di runtime: tiling, overlap_ratio e output_file_format.

Due destinazioni di deployment hanno una pagina propria: NVIDIA DeepStream e NVIDIA Jetson.

Output e codici di uscita

stdout porta il risultato; l'avanzamento va su stderr. Il codice di uscita è 0 in caso di successo, 2 per un errore d'uso o di configurazione, 4 quando il modello non può essere caricato, 5 per un formato sconosciuto, una dipendenza di esportazione mancante, una precisione non supportata o una richiesta di NMS incorporato rifiutata, e 1 per altri errori a runtime.

Correlato: libreyolo quantize, che resta in PyTorch e scrive un checkpoint invece di un artefatto di deployment.