Optimiere und setze YOLOv5 Modelle mit der Deci-Plattform ein und steigere die Leistung um das bis zu 10-fache. Lege kostenlos los und nutze die automatische Modelloptimierung.
Auf Ultralytics gehen wir kommerzielle Partnerschaften mit anderen Start-ups ein, die uns dabei helfen, die Forschung und Entwicklung unserer großartigen Open-Source-Tools wie YOLOv5 zu finanzieren, damit sie für alle kostenlos bleiben. Dieser Artikel kann Affiliate-Links zu diesen Partnern enthalten.
Die Deci-Plattform enthält kostenlose Tools für die einfache Verwaltung, Optimierung und den Einsatz deiner YOLOv5 Modelle in jeder Produktionsumgebung. Deci unterstützt alle gängigen DL-Frameworks, wie TensorFlow, PyTorch, Keras und ONNX. Alles, was du brauchst, ist unsere webbasierte Plattform oder unser Python Client, um sie von deinem Code aus auszuführen.
Du kannst Deci nicht nur zum Exportieren, sondern auch zum Beschneiden und Quantisieren des Modells verwenden!
Deci bietet eine schöne Schnittstelle für den Export in ein beliebiges Format und den Leistungsvergleich zwischen dem Original und den konvertierten Modellen. Die Nutzer können ihre Modelle durch Quantisierung weiter optimieren.
Kompiliere und quantisiere deine Modelle automatischund bewerte verschiedene Produktionseinstellungen, um eine bessere Latenzzeit zu erreichen und die Modellgröße und den Speicherbedarf auf deiner Hardware zu reduzieren.
Testedie Leistung deines Modells auf verschiedenen Geräten (einschließlich Edge-Geräten) mit einem Knopfdruck. Es ist nicht mehr nötig, mehrere Hardware- und Produktionseinstellungen manuell einzurichten und zu testen.
Nutzedie auf python basierende Inferenzmaschine von Deci. Kompatibel mit verschiedenen Frameworks und Hardwaretypen.
Weitere Informationen über die Deci-Plattform findest du auf der Website von Deci.
Eröffne dein kostenloses Konto.
Um mit der Optimierung deines vortrainierten YOLOv5 Modells zu beginnen, musst du es in das ONNX Format konvertieren. Unter YOLOv5 Export Tutorial erfährst du, wie du dein Modell in das ONNX Format konvertieren kannst.
Gehe auf die Registerkarte "Labor" und klicke auf die Schaltfläche "Neues Modell" oben rechts im Bildschirm, um dein YOLOv5 ONNX Modell hochzuladen.
Folge den Schritten des Modell-Upload-Assistenten, um deine Zielhardware sowie die gewünschte Losgröße und Quantisierungsstufe für die Modellkompilierung auszuwählen.
Nachdem du die relevanten Informationen eingegeben hast, klicke auf "Start". Die Deci-Plattform führt automatisch eine Laufzeitoptimierung deines YOLOv5 Modells für die von dir ausgewählte Hardware durch und testet dein Modell auf verschiedenen Hardwaretypen. Dieser Vorgang dauert etwa 10 Minuten.
Sobald du das getan hast, erscheint eine neue Zeile auf deinem Bildschirm unterhalb des zuvor hochgeladenen Basismodells. Hier siehst du die optimierte Version deines vortrainierten YOLOv5 Modells.
Du kannst dein optimiertes Modell dann herunterladen, indem du auf die Schaltfläche "Bereitstellen" klickst.
Du wirst dann aufgefordert, dein Modell herunterzuladen und erhältst Anweisungen zur Installation und Nutzung von Infery - der Runtime Inference Engine von Deci.
Die Verwendung von Infery ist optional. Du kannst die python Rohdateien erhalten und sie mit jeder anderen Inferenzmaschine deiner Wahl verwenden.
Erkunde die Optimierungs- und Benchmark-Ergebnisse auf der Registerkarte "Einblicke".
Bevor wir zum Schluss kommen, lass uns noch einige der Vorteile von Deci besprechen:
Wie du gerade gesehen hast, kannst du die Leistung eines YOLOv5 Modells in insgesamt 15 Minuten verdoppeln. Die Deci-Plattform ist super einfach und intuitiv zu bedienen.
Hast du Fragen? Tritt unserer Community bei und hinterlasse deine Frage noch heute!
Beginne deine Reise in die Zukunft des maschinellen Lernens
