模型上传/下载

概述

模型准备就绪后，您可以轻松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

这里假设您已经准备好了模型文件和模型卡。如果还没有，请参考模型准备指南。

对于自定义模型转换，建议尽可能上传ONNX NN归档文件而不是原始ONNX文件。归档文件会将预处理、张量元数据和可选的heads元数据带入转换流程，大大减少手动设置，通常会产生可直接在DepthAI中使用的转换后归档文件。

分步说明：

打开模型并点击添加模型

打开Hub，导航至模型部分，点击添加模型。

选择上传类型

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

为YOLO选择目标平台

如果您选择了YOLO，请为转换选择目标RVC平台。

填写模型详情并上传文件

填写必需的描述项，上传模型文件，然后通过添加或导出确认操作。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，请点击添加版本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，使用要引用的版本旁边的复制按钮，以从DepthAI或其他工具中引用该版本。

上传类型参考

上传类型	使用时机
`YOLO`	上传Hub可直接转换的受支持PyTorch YOLO权重（`.pt`）
`Custom`	上传`ONNX` NN归档文件、原始`ONNX`、OpenVINO IR、TensorFlow Lite或已编译的`RVC`模型工件

常见元数据字段

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`	管理模型使用和分发的许可证
`Public`	控制模型是否对团队外的其他Hub用户可见
`Short Description`	显示在模型缩略图下方的简短摘要
`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，例如当模型以不同输入形状导出或在不同数据集上训练时。

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，且仅包含区分变体所需的描述项。用单个空格分隔描述项，并将输入形状（input_height x input_width）作为最后一个描述项。

找不到您需要的模型，或者在上传模型时遇到问题？请随时填写模型请求表单。我们将尽力支持最受欢迎的模型。

下载指南

要从Hub下载模型，首先打开所需公共或私有模型，然后选择要查看的版本。

打开模型版本

打开Hub，导航至模型，打开模型，滚动到模型版本，然后点击所需版本。

基础模型

选择基础模型

要下载未经转换的模型，请打开右上角的菜单，然后选择基础模型。

开始下载

在弹出的窗口中，点击模型名称以开始下载。

转换后的模型

打开转换后的实例

要下载转换后的模型，请从所选模型版本中点击转换后的实例名称。

下载转换后的归档文件

在弹出的窗口中，点击.tar.xz文件以开始下载。

本页目录