# 模型准备

## 概述

在将自定义模型上传到模型注册表之前，您需要准备两个组件：模型文件和附带的模型卡。
本部分将引导您正确准备它们。

## 模型文件准备

 * 训练一个选定的模型，或获取一个现有的感兴趣模型。

 * 如果模型是 ONNX（.onnx）、OpenVINO IR（.xml 和 .bin）或 TensorFlow Lite（.tflite）格式，您可以跳过此步骤。如果模型是[支持的 PyTorch YOLO
   模型](#Supported%20PyTorch%20YOLO%20Models)之一，您也可以跳过此步骤。否则，请将其转换为上述格式之一。更多信息，请参阅
   [模型转换](https://docs.luxonis.com/software-v3/ai-inference/conversion.md) 页面上的模型源准备部分中的指南。

 * 对于自定义模型，在将模型文件上传到 Hub 之前，请将其打包成[ONNX NN 归档](https://docs.luxonis.com/software-v3/ai-inference/nn-archive.md)。
   这是推荐的起点，因为它会将源模型的张量元数据、预处理和可选的输出元数据与模型一起存储，并让 Hub 在转换过程中重用这些信息。

> 从原始的
> `ONNX`
> 文件开始仍然受支持，但这是更手动的方式。
> 当 ONNX NN 归档不适合您的工作流程，或者您有意自行提供转换参数时，请使用此方式。
> 在这种情况下，请确保在转换期间正确输入所有源模型的值。

### 支持的 PyTorch YOLO 模型

Hub 支持一个明确定义的 PyTorch YOLO 模型子集，用于直接上传和转换。
当前支持的系列包括 YOLOv5、YOLOv6、YOLOv7、YOLOv8、YOLOv9、YOLOv10、YOLO11、YOLO12、YOLO26、YOLOE 和 Gold-YOLO。
关于受支持的 YOLO 系列的精确集合、变体以及当前限制，请参考上游的[支持的模型表](https://github.com/luxonis/tools?tab=readme-ov-file#-supported-models)。

## 模型卡准备

对于私有（团队拥有）模型，模型卡可以是任意的。
但对于公共模型，它应遵循主页面模型卡部分描述的结构并包含相关信息。
建议查阅模型发布论文、GitHub 仓库和其他相关资源以获取所需信息。
为了更好地理解模型卡的结构以及应包含哪些信息，我们建议查看我们的[模型卡模板](https://docs.luxonis.com/cloud/hubai/model-registry/modelcard-template.md)或查看 Hub
中现有条目的模型卡。