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。

要在 Hub 中上传模型：

打开 Hub 并导航到左侧边栏中的 Models 部分。

点击页面右上角的 Add Model 按钮。

选择上传模型类型：
- YOLO，如果您正在上传 YOLO 模型的 PyTorch (.pt) 权重（请确保您的模型是支持的 PyTorch YOLO 模型之一）。
- Custom，如果您正在上传 ONNX (.onnx)、OpenVINO IR (.xml 和 .bin) 或 TensorFlow Lite (.tflite) 或任何 RVC 编译格式的模型可执行文件。

如果选择了 YOLO 选项，模型将在转换过程中转换为相应的 RVC 编译格式。将打开一个弹出窗口，您可以在其中选择模型应转换为的 RVC 平台。

接下来，将打开一个弹出窗口。在模型描述符的空白字段中填入信息。根据所选的模型类型和平台，系统会要求您填写以下部分参数：
- Model Name (必需) - 用于通过 Hub 引用模型的名称。
- Model Version - 模型的版本（例如，如果这是第一个版本，则为 1.0.0）。
- License - 选择用于管理模型使用/分发的许可证（例如 MIT）。
- Public - 选择模型是否应公开（对其他 Hub 用户可见）。默认选项是私有（团队所有）。
- Short Description - 在模型缩略图下显示的模型的简短描述。
- Model Image - 上传说明模型性能的图片。
- Tasks - 列出模型要解决的机器学习任务（例如分类、对象检测等）。
- YOLO 特定参数：
  - Model Instance Name - 转换后模型的名称（例如 <model>:<platform>）。
  - Version - 上传模型的 YOLO 版本（例如 YOLOv5）。
  - Class Names - 通过点击 Add 按钮逐一添加类名。
  - Shape - 模型的输入形状。
  - Quantization Data - 转换为 RVC3 和 RVC4 平台转换的模型可以量化以降低计算和内存成本。此过程需要将示例输入数据传递给模型。从提供的选项中选择最合适的数据集（与模型训练数据最相似的那个），或者选择 None 如果您不想量化模型。
  - POT Target Device - POT 的目标设备（仅限 RVC3）。
完成后，上传模型文件（点击上传或拖放到 Model File 部分）并点击 Add 按钮（或 YOLO 的 Export 按钮）将模型上传到 Hub。

Hub 允许上传模型的多个版本（例如，如果模型使用不同的输入形状导出，在不同的数据集上训练等）。可以通过点击页面右下角的 Add Version 按钮来添加新模型版本。对于公共模型，建议遵循统一的版本命名。版本名称不应包含模型名称，而应仅包含用于区分不同变体的相关描述符（例如训练数据集的名称、输入形状等）。描述符应以单个空格分隔。确保输入形状（input_height x input_width）始终作为最后一个描述符。