Deci のプラットフォームでYOLOv5 モデルを最適化して展開し、パフォーマンスを最大 10 倍まで向上させます。無料で始めて、モデルの自動最適化を活用しましょう。
Ultralytics YOLOv5 のような素晴らしいオープンソースツールの研究開発資金を提供するために、私たちは他の新興企業と商業的に提携しています。この記事には、それらのパートナーへのアフィリエイトリンクが含まれている場合があります。
Deliプラットフォームには、あなたのモデルを簡単に管理、最適化、およびデプロイするための無料のツールが含まれています。 YOLOv5モデルの管理、最適化、デプロイを簡単に行うための無料ツールが含まれています。Deliは、TensorFlow 、PyTorch 、Keras、ONNX などの一般的なDLフレームワークをすべてサポートしています。必要なのは、私たちのウェブベースのプラットフォームか、あなたのコードから実行するためのPython クライアントだけです。
Deciはエクスポートだけでなく、モデルの枝刈りや量子化にも使用できます！
Deliは、あらゆるフォーマットでのエクスポートや、オリジナルモデルと変換後のモデルの性能比較のための素晴らしいインターフェイスを提供します。ユーザーは量子化によってモデルをさらに最適化することもできます。
モデルを自動的にコンパイルしてクオンタイズし、さまざまなプロダクション設定を評価することで、より優れたレイテンシー、全体的なレイテンシー、ハードウェア上のモデルサイズとメモリフットプリントの削減を実現します。
様々なハードウェア（エッジを含む）デバイス上で、ボタン一つでモデルのパフォーマンスをベンチマークします。複数のハードウェアと生産設定を手動で設定し、テストする必要性を排除します。
Deciのpython-ベースの推論エンジンを活用。複数のフレームワークとハードウェアタイプに対応。
デキ・プラットフォームの詳細については、デキのウェブサイトをご覧ください。
無料アカウントを開設してください。
事前に訓練されたYOLOv5 モデルの最適化を開始するには、ONNX フォーマットに変換する必要があります。モデルをONNX 形式に変換する方法については、YOLOv5 Export Tutorialを参照してください。
Lab "タブに移動し、画面右上の "New Model "ボタンをクリックしてモデルをアップロードする。 YOLOv5ONNX モデルをアップロードします。
モデル・アップロード・ウィザードの手順に従って、ターゲット・ハードウェアを選択し、モデル・コンパイルに必要なバッチ・サイズと量子化レベルを選択します。
関連情報を入力後、"Start "をクリックしてください。Deliプラットフォームは、選択したハードウェアに対して、YOLOv5 モデルのランタイム最適化を自動的に実行し、様々なハードウェアタイプでモデルのベンチマークを行います。このプロセスには約10分かかります。
そうすると、以前にアップロードしたベースラインモデルの下に新しい行が表示されます。ここでは、事前に訓練されたYOLOv5 モデルの最適化バージョンを見ることができます。
その後、"Deploy "ボタンをクリックして、最適化されたモデルをダウンロードすることができます。
その後、モデルをダウンロードするよう促され、Deliのランタイム推論エンジンであるInferyのインストール方法と使用方法についての説明が表示されます。
Inferyの使用は任意である。python rawファイルを入手し、他の推論エンジンで使用することができます。
インサイト」タブで最適化とベンチマークの結果をご覧ください。
最後に、デキが提供する利点について説明しよう：
今ご覧いただいたように、YOLOv5 、15分間でパフォーマンスを2倍にすることができます。Deliプラットフォームは、超簡単で直感的に使える。
ご質問は？今すぐコミュニティに参加して質問をお寄せください！
