3.6 使用Ultralytics YOLO进行模型基准测试

3.6 使用Ultralytics YOLO进行模型基准测试

Ultralytics YOLO生态系统及其集成

引言

当您的模型完成训练和验证后，下一步就是评估其在各种现实场景中的表现。Ultralytics YOLO11的基准测试模式通过提供一个强大的框架，用于评估模型在各种导出格式下的速度和准确性。

观看视频：Ultralytics模式教程：基准测试

为什么基准测试至关重要？

• 明智决策：了解速度与准确性之间的权衡。

• 资源分配：了解不同导出格式在不同硬件上的表现。

• 优化：找出哪个导出格式在特定用例中提供最佳性能。

• 成本效益：基于基准测试结果更高效地利用硬件资源。

基准测试模式中的关键指标

• mAP50-95：用于对象检测、分割和姿态估计。

• accuracy_top5：用于图像分类。

• 推断时间：每张图片的处理时间，以毫秒为单位。

支持的导出格式

• ONNX：用于最佳的CPU性能。

• TensorRT：用于最大化GPU效率。

• OpenVINO：用于英特尔硬件优化。

• CoreML、TensorFlow SavedModel等：用于多样化的部署需求。

提示：

• 导出为ONNX或OpenVINO格式，可获得高达3倍的CPU加速。

• 导出为TensorRT格式，可获得高达5倍的GPU加速。

使用示例

对所有支持的导出格式（如ONNX、TensorRT等）运行YOLO11n基准测试。请参阅下方的参数部分，了解完整的导出参数列表。

示例代码

P