模型上传/下载

概述

准备好模型后，您可以轻松地将其上传到模型注册表或下载您有权访问的任何模型。本节提供了这两个过程的简单分步指南。

上传指南

此处假定您已准备好模型文件和模型卡。如果不是这种情况，请参阅模型准备指南。

对于自定义模型转换，请尽可能上传ONNX NN Archive而不是原始 ONNX 文件。

该存档会将预处理、张量元数据和可选的 heads 元数据带入转换流程，这大大减少了手动设置，并且通常会生成一个可以直接在 DepthAI 中使用的转换后的存档。

分步说明：

打开 Models 并点击 Add Model

打开 Hub，导航到 Models 部分，然后点击 Add Model。

选择上传类型

选择您要上传的模型类型。对于支持的 PyTorch YOLO 权重，请使用 YOLO；对于 ONNX NN Archives、原始 ONNX、OpenVINO IR、TensorFlow Lite 或已编译的 RVC 模型工件，请使用 Custom。

为 YOLO 选择目标平台

如果您选择了 YOLO，请选择转换的目标 RVC 平台。

填写模型详细信息并上传文件

填写必需的描述符，上传模型文件，然后通过 Add 或 Export 确认操作。使用下面的参考部分了解常见元数据字段和 YOLO 特定参数的确切含义。

如有需要，添加另一个版本

如果您想存储同一模型的另一个版本，请点击 Add Version 并将其作为单独的版本条目上传。

复制模型版本引用

上传完成后，使用您想从 DepthAI 或其他工具引用的版本旁边的 Copy 按钮。

上传类型参考

上传类型	何时使用
`YOLO`	上传 Hub 可以直接转换的支持的 PyTorch YOLO 权重 (`.pt`)
`Custom`	上传 `ONNX` NN Archives、原始 `ONNX`、OpenVINO IR、TensorFlow Lite 或已编译的 `RVC` 模型工件

通用元数据字段

参数	含义
`Model Name`	用于通过 Hub 引用模型的名称
`Model Version`	版本标识符，例如 `1.0.0`
`License`	规定模型使用和分发的许可证
`Public`	控制模型是否对您团队以外的其他 Hub 用户可见
`Short Description`	显示在模型缩略图下的简短摘要
`Model Image`	说明模型的预览图像
`Tasks`	模型处理的机器学习任务

YOLO 特定参数

参数	含义
`Model Instance Name`	转换后的模型实例的名称
`Version`	上传模型的 YOLO 版本
`Class Names`	输出类名称列表
`Shape`	模型的输入形状
`Quantization Data`	用于校准 `RVC3` 和 `RVC4` 量化转换的数据集
`POT Target Device`	`RVC3` 的 POT 目标设备

Hub 允许上传同一模型的多个版本，例如当模型使用不同的输入形状导出或在不同的数据集上训练时。

对于公共模型，请遵循一致的版本命名方案。

版本名称不应包含模型名称，而应仅包含区分变体所需的描述符。

用单个空格分隔描述符，并将输入形状（input_height x input_width）作为最后一个描述符。

找不到您正在寻找的模型或在上传模型时遇到问题？请随时填写模型请求表单。我们将尽最大努力支持最受欢迎的模型。

下载指南

要从 Hub 下载模型，请先打开所需的公共或私有模型并选择您要检查的版本。

打开模型版本

打开 Hub，导航到 Models，打开模型，滚动到 Model Versions，然后点击所需的版本。

基础模型

选择基础模型

要下载未转换的模型，请打开右上角的菜单并选择 Base Model。

开始下载

在弹出窗口中，单击模型名称开始下载。

转换后的模型

打开转换后的实例

要下载转换后的模型，请单击所选模型版本中转换后的实例的名称。

下载转换后的存档

在弹出窗口中，单击 .tar.xz 文件开始下载。

本页目录