模型准备
概述
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 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。
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
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。
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
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。
模型卡准备
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或查看 Hub 中现有条目的模型卡。