TorchScript

설치

pip install libreyolo

torch.jit가 PyTorch와 함께 제공되므로 TorchScript에는 기본 설치 외에 필요한 것이 없습니다. 선택적 의존성과 외부 변환기가 모두 없는 유일한 내보내기 대상이므로 더 긴 도구 체인이 실패할 때 유용한 첫 확인 수단입니다.

내보내기

from libreyolo import LibreYOLO model = LibreYOLO("LibreYOLO9t.pt") # weights/LibreYOLO9t.torchscript를 작성합니다path = model.export(format="torchscript")print(path)

libreyolo export --model LibreYOLO9t.pt --format torchscript

model.export(    format="torchscript",    imgsz=640,        # int 또는 (height, width)    batch=1,    half=False,       # FP16 가중치와 활성화    device=None,      # 이 형식에서 None은 CPU로 추적합니다    output_path=None, # None이면 weights/<stem>.torchscript를 작성합니다) # dynamic은 허용되지만 아카이브는 항상 고정 형상 추적이며,# 내장 메타데이터는 어느 경우든 dynamic=False를 기록합니다.

디바이스를 지정하지 않으면 CPU에서 추적하며, output_path를 생략하면 체크포인트 이름을 사용하여 weights/에 아카이브를 작성합니다.

torch.jit.trace가 일반적으로 수행하는 재추적 검사는 비활성화됩니다. 일부 내보내기 래퍼는 첫 순전파 중에 형상 종속 앵커를 캐시하므로 기록된 고정 형상 그래프가 올바른 경우에도 두 번째 추적은 다른 Python 경로를 관찰합니다. 대신 동등성 테스트가 저장된 모듈을 직접 검증합니다.

메타데이터는 사이드카에 있지 않습니다. torch.jit.save가 libreyolo_metadata.json을 아카이브 내부에 저장하고, torch.jit.load는 _extra_files를 통해 이를 반환합니다.

아티팩트 실행

from libreyolo import LibreYOLO, SAMPLE_IMAGE model = LibreYOLO("weights/LibreYOLO9t.torchscript")result = model.predict(SAMPLE_IMAGE)print(result.boxes.xyxy[:3])

import json import torch extra_files = {"libreyolo_metadata.json": ""}module = torch.jit.load(    "weights/LibreYOLO9t.torchscript",    map_location="cpu",    _extra_files=extra_files,)module.eval() metadata = json.loads(extra_files["libreyolo_metadata.json"])print(metadata["model_family"], metadata["task"], metadata["imgsz"]) # 이 경로에서는 전처리와 후처리를 직접 담당합니다.with torch.no_grad():    out = module(torch.zeros(1, 3, 640, 640))print(out.shape if torch.is_tensor(out) else [t.shape for t in out])

LibreYOLO()는 .torchscript 접미사를 기준으로 라우팅하고 원본 체크포인트와 동일한 Results 객체를 반환합니다. device="auto"를 사용하면 가능할 때 CUDA, 그다음 MPS, 마지막으로 CPU에 모듈을 매핑합니다.

두 번째 스니펫은 LibreYOLO가 설치되지 않은 경우와 torch::jit::load로 같은 아카이브를 불러오는 libtorch C++ 배포를 위한 경로입니다. 이 경로에서는 전처리, 디코딩, NMS, 좌표 크기 조정을 직접 담당합니다. 메타데이터 추가 파일은 여전히 읽을 수 있으며 클래스 이름이 존재하는 유일한 위치입니다.

제약 조건

그래프는 하나의 입력 형상에서 생성된 추적입니다. 인터페이스 대칭성을 위해 dynamic=True를 허용하지만 아무것도 바뀌지 않으며, 백엔드가 사용할 수 없는 축을 가정하지 않도록 내장 메타데이터는 dynamic=False를 보고합니다. 다른 해상도에는 별도의 아카이브를 내보냅니다.

half=True는 모델과 추적 입력을 FP16으로 변환합니다. INT8 경로는 없습니다. int8=True는 검증 중 NotImplementedError를 일으킵니다.

직사각형 imgsz는 YOLO9 계열, HRNet, NAFNet, Real-ESRGAN에서 작동하며, 고정 정사각형 계약이 있는 계열에서는 거부됩니다.

다섯 가지 조합은 추적 전에 거부됩니다. LibreYOLO의 YOLO9은 탐지만 지원하므로 YOLO9 분할이 거부됩니다. 동적 커널 마스크 디코딩에 내보낸 런타임 계약이 없는 RTMDet-Ins 분할도 거부됩니다. 가변 길이 또는 동적 앵커 그래프의 동등성 근거가 ONNX Runtime 계약에만 있는 SSD, Faster R-CNN, RetinaNet 탐지도 거부됩니다.

전체 계열 및 작업 표는 내보내기 매트릭스를 참조합니다. 조합 하나를 확인하려면 다음을 실행합니다.

libreyolo formats --family yolo9 --task detect