本机编译 CoreML 模型 (coreml.compile_model)

声明

编译好的模型路径, 错误信息 = coreml.compile_model(模型文件路径)

参数

• 模型文件路径
  文本型，需要编译的模型路径，iOS 15 以上支持 .mlpackage 格式的模型，iOS 12、13 和 14 仅支持旧版 .mlmodel 模型

  YOLO11 转 CoreML 相关文档

  macOS 下 YOLO11 格式转换命令参考

  # 这里假设你已经有 Python 3.10 环境，没有请自行创建（仅在 Python 3.10 下测试通过，更高版本未验证）
  # 先安装 ultralytics，如果已安装则跳过这一步
  pip install ultralytics
  
  # 在 iOS 13 或 iOS 14 上可以指定 format 为 mlmodel 转换为旧版 mlmodel
  yolo export format=mlmodel nms=True model=best.pt
  
  # iOS 15 及以上可以指定 format 为 coreml 转换为 mlpackage 模型
  yolo export format=coreml nms=True model=best.pt
  
  # nms=True 不是必选项
  # 如果你希望把 NMS 内联进导出模型，可以开启它
  # 如果准备在 XXTouch 侧使用 coreml.nms / coreml.rotated_nms 自己做后处理，也可以不带 nms=True

返回值

• 编译好的模型路径
  文本型 | nil，编译成功返回编译好的模型路径，编译失败返回 nil

• 错误信息
  文本型 | nil，编译成功返回 nil，失败时返回错误信息

说明

• 软件版本在 1.3.8 或以上方可使用

• 不支持 iOS 12 以下版本系统

• 这个函数用于将 .mlpackage 或 .mlmodel 格式的模型编译成设备可直接加载的 .mlmodelc 格式

• 不同型号或系统版本的设备上编译的 .mlmodelc 不一定可以通用

  NVIDIA 显卡电脑上的 YOLO11 模型训练命令

  # 先在电脑上安装 Visual Studio 的 C++ 桌面开发套件，如果已安装则跳过这一步，以下是链接
  # https://visualstudio.microsoft.com/
  # 在电脑上下载安装 CUDA 11.8 Toolkit，如果已安装则跳过这一步，以下是链接
  # https://developer.nvidia.com/cuda-11-8-0-download-archive
  
  # 这里假设你已经有 Python 3.10 环境，没有请自行创建（仅在 Python 3.10 下测试通过，更高版本未验证）
  # 先安装 ultralytics，如果已安装则跳过这一步
  pip install ultralytics
  
  # 重新安装支持 NVIDIA CUDA 11.8 Toolkit 的 torch 库
  # 如果确认安装过了支持 CUDA 的 torch 库则跳过这一步
  pip uninstall torch torchvision torchaudio  # 卸载电脑上已安装的 CPU 版 torch
  pip install torch torchvision torchaudio --extra-index-url https://download.pytorch.org/whl/cu118
  
  yolo train model=yolo11m.pt data=COCO.yml epochs=300 imgsz=640 device=0  # 使用 GPU0 进行训练

  macOS 上的 YOLO11 模型训练命令

  # 这里假设你已经有 Python 3.10 环境，没有请自行创建（仅在 Python 3.10 下测试通过，更高版本未验证）
  # 先安装 ultralytics，如果已安装则跳过这一步
  pip install ultralytics
  
  # 如果已安装 torch 则跳过这一步
  pip install torch torchvision torchaudio
  
  yolo train model=yolo11m.pt data=COCO.yml epochs=300 imgsz=640 device=mps  # 使用 Metal 着色器加速训练

示例

compiled_model_path = XXT_HOME_PATH..'/models/yolo11m.mlmodelc' -- 编译好的模型存放位置

file.remove(compiled_model_path) -- 测试阶段每次重新编译，模型稳定后可注释掉此行

if not file.exists(compiled_model_path) then -- 如果还没有编译好的模型，则编译一份
    local tmp_path, err = coreml.compile_model(XXT_HOME_PATH..'/models/yolo11m.mlpackage') -- 编译模型
    if not tmp_path then
        error(err)
    end
    file.move(tmp_path, compiled_model_path, 'mo') -- 将编译好的模型移动到指定位置
end