Compilar un modelo CoreML localmente (coreml.compile_model)

Declaración

ruta_del_modelo_compilado, información_del_error = coreml.compile_model(ruta_del_archivo_del_modelo)

Parámetros

• ruta_del_archivo_del_modelo
  Ruta del modelo que se compilará, de tipo texto. iOS 15 y posteriores admiten el formato .mlpackage; iOS 13 y 14 solo admiten el formato antiguo .mlmodel.

  Documentación de conversión de YOLO11 a CoreML

  Referencia de comandos para convertir YOLO11 en macOS

  # Se supone que ya tienes un entorno Python 3.10; créalo si no lo tienes (solo se ha probado con Python 3.10; las versiones superiores no están verificadas)
  # Instalar ultralytics; omite este paso si ya está instalado
  pip install ultralytics
  
  # En iOS 13 o iOS 14, puedes especificar format=mlmodel para convertir al formato antiguo mlmodel
  yolo export format=mlmodel nms=True model=best.pt
  
  # En iOS 15 y posteriores, puedes especificar format=coreml para convertir al modelo mlpackage
  yolo export format=coreml nms=True model=best.pt
  
  # nms=True no es obligatorio
  # Actívalo si quieres incluir NMS en el modelo exportado
  # Si quieres usar coreml.nms / coreml.rotated_nms en XXTouch para hacer el posprocesamiento, también puedes omitir nms=True

Valor de retorno

• ruta_del_modelo_compilado
  Texto | nil. Si la compilación tiene éxito, devuelve la ruta del modelo compilado; si falla, devuelve nil.

• información_del_error
  Texto | nil. Si la compilación tiene éxito, devuelve nil; si falla, devuelve la información del error.

Descripción

• Disponible desde la versión 1.3.8

• No admite sistemas iOS anteriores a iOS 12.

• Esta función convierte modelos .mlpackage o .mlmodel al formato .mlmodelc, que el dispositivo puede cargar directamente.

• Un .mlmodelc compilado en un modelo de dispositivo o versión del sistema no necesariamente es compatible con otros.

  Comandos para entrenar un modelo YOLO11 en un ordenador con GPU NVIDIA

  # Instala primero el paquete de desarrollo de escritorio C++ de Visual Studio; omite este paso si ya está instalado. Enlace:
  # https://visualstudio.microsoft.com/
  # Descarga e instala CUDA 11.8 Toolkit; omite este paso si ya está instalado. Enlace:
  # https://developer.nvidia.com/cuda-11-8-0-download-archive
  
  # Se supone que ya tienes un entorno Python 3.10; créalo si no lo tienes (solo se ha probado con Python 3.10; las versiones superiores no están verificadas)
  # Instalar ultralytics; omite este paso si ya está instalado
  pip install ultralytics
  
  # Reinstalar torch compatible con NVIDIA CUDA 11.8 Toolkit
  # Omite este paso si ya has instalado torch compatible con CUDA
  pip uninstall torch torchvision torchaudio  # Desinstalar la versión de torch para CPU instalada en el ordenador
  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  # Entrenar con la GPU 0

  Comandos para entrenar un modelo YOLO11 en macOS

  # Se supone que ya tienes un entorno Python 3.10; créalo si no lo tienes (solo se ha probado con Python 3.10; las versiones superiores no están verificadas)
  # Instalar ultralytics; omite este paso si ya está instalado
  pip install ultralytics
  
  # Omite este paso si torch ya está instalado
  pip install torch torchvision torchaudio
  
  yolo train model=yolo11m.pt data=COCO.yml epochs=300 imgsz=640 device=mps  # Entrenar con aceleración de sombreadores Metal

Ejemplo

compiled_model_path = XXT_HOME_PATH..'/models/yolo11m.mlmodelc' -- Ubicación del modelo compilado

file.remove(compiled_model_path) -- Durante las pruebas, recompilar cada vez; comenta esta línea cuando el modelo sea estable

if not file.exists(compiled_model_path) then -- Si todavía no existe un modelo compilado, compilar uno
    local tmp_path, err = coreml.compile_model(XXT_HOME_PATH..'/models/yolo11m.mlpackage') -- Compilar el modelo
    if not tmp_path then
        error(err)
    end
    file.move(tmp_path, compiled_model_path, 'mo') -- Mover el modelo compilado a la ubicación indicada
end