Chọn kích thước model Ultralytics YOLO
So sánh YOLO26 n, s, m, l và x, benchmark chúng trên phần cứng mục tiêu, rồi chọn kích thước nhỏ nhất đáp ứng ngân sách độ trễ.
Chọn model quá lớn sẽ khiến ứng dụng camera 30 FPS chỉ chạy ở 12 FPS; chọn model quá nhỏ sẽ làm mất độ chính xác mà model lớn hơn có thể mang lại miễn phí trên GPU. Vì kích thước model được huấn luyện cũng chính là kích thước bạn triển khai, hãy đưa ra lựa chọn này trước lần chạy huấn luyện kéo dài.
YOLO26 có năm kích thước — n, s, m, l và x — cho cả bảy tác vụ: detect, segment, phân đoạn ngữ nghĩa, classify, pose, OBB và ước tính độ sâu. Trong bài học này, bạn sẽ chuyển đổi tốc độ khung hình thành ngân sách mili giây, đo hiệu năng của hai kích thước trên máy của mình bằng chế độ Benchmark, rồi đưa ra lựa chọn.
Thực hành
Tìm hiểu các kích thước model#
Đây là các chỉ số phát hiện COCO chính thức từ tài liệu YOLO26, tất cả đều ở kích thước 640 pixel:
| Model | Tham số (M) | FLOPs (B) | mAP50-95 | CPU ONNX (ms) | T4 TensorRT10 (ms) |
|---|---|---|---|---|---|
yolo26n | 2.4 | 5.5 | 40.9 | 38.9 | 1.7 |
yolo26s | 9.5 | 20.9 | 48.6 | 87.2 | 2.5 |
yolo26m | 20.4 | 68.4 | 53.1 | 220.0 | 4.7 |
yolo26l | 24.8 | 86.8 | 55.0 | 286.2 | 6.2 |
yolo26x | 55.7 | 194.4 | 57.5 | 525.8 | 11.8 |
Mỗi tác vụ đều có đủ mọi kích thước — chỉ cần đổi hậu tố, như trong yolo26s-seg.pt, yolo26s-sem.pt, yolo26s-depth.pt, yolo26s-cls.pt, yolo26s-pose.pt hoặc yolo26s-obb.pt. Đang chuyển đổi một dự án cũ? So sánh YOLO11 với YOLO26 cho biết những điểm thay đổi.
Hãy đọc bảng theo câu hỏi “kích thước tiếp theo tốn kém bao nhiêu?”:
| Bước chuyển | mAP tăng thêm | FLOPs tăng thêm | Hệ số nhân độ trễ CPU |
|---|---|---|---|
| n → s | +7.7 | ×3.8 | ×2.2 |
| s → m | +4.5 | ×3.3 | ×2.5 |
| m → l | +1.9 | ×1.3 | ×1.3 |
| l → x | +2.5 | ×2.2 | ×1.8 |
Bước đầu tiên đáng giá nhất; sau m, mỗi điểm chính xác COCO đều tốn kém hơn. COCO với 80 class đa dạng khó hơn hầu hết dự án thực tế: với tác vụ chuyên biệt, chẳng hạn phát hiện một sản phẩm trên băng chuyền, n và s thường chỉ kém m một điểm.
Bắt đầu từ ngân sách#
Ngân sách độ trễ inference là 1000 ms ÷ FPS mục tiêu, và model phải chia sẻ ngân sách đó với việc giải mã, vẽ và logic riêng của bạn. Một số điểm khởi đầu thường gặp:
| Mục tiêu | Bắt đầu với |
|---|---|
| Điện thoại, Raspberry Pi, trình duyệt hoặc thiết bị AI biên nhỏ khác | n |
| CPU máy tính xách tay hoặc máy tính để bàn, 10–30 FPS | n, sau đó dùng s nếu còn dư ngân sách |
| Một GPU, video thời gian thực | s hoặc m |
| Xử lý hàng loạt ngoại tuyến, ưu tiên độ chính xác | l hoặc x |
Ví dụ thực tế: Đo hai kích thước#
Chế độ benchmark xuất model, đánh giá model trên coco8 và đo thời gian suy luận trên máy của bạn. format=onnx giới hạn lần chạy ở một định dạng để hoàn tất trong vài giây; bỏ tùy chọn này để so sánh mọi định dạng xuất.
yolo benchmark model=yolo26n.pt imgsz=640 format=onnx
yolo benchmark model=yolo26s.pt imgsz=640 format=onnxKết quả thực tế trên CPU của laptop Apple M5 Pro:
| Format Status❔ Size (MB) metrics/mAP50-95(B) Inference time (ms/im) FPS |
| 1 ONNX ✅ 9.5 0.6693 13.87 72.08 | <- yolo26n
| 1 ONNX ✅ 36.5 0.6654 30.87 32.39 | <- yolo26sĐối chiếu với ngân sách 30 FPS (33 ms):
yolo26n, 13.87 ms: vừa khít, còn dư 19 ms để giải mã và vẽ.yolo26s, 30.87 ms: vừa đủ về mặt kỹ thuật, không còn thời gian cho việc nào khác. Cùng benchmark này mất 60 ms khi có các tác vụ khác đang chạy trên máy.Size (MB): kích thước tệp ONNX, yếu tố quan trọng đối với lượt tải ứng dụng và bộ nhớ di động.metrics/mAP50-95(B): ở đây hãy bỏ qua chỉ số này.coco8có bốn ảnh đánh giá: đủ để xác nhận quá trình xuất hoạt động, nhưng quá ít để xếp hạng độ chính xác.
Quyết định: trước tiên huấn luyện yolo26n, đồng thời giữ yolo26s ở imgsz thấp hơn để làm phương án dự phòng.
Tránh những lỗi này#
Triệu chứng: model chạy ở tốc độ 70 FPS trên laptop của bạn nhưng chỉ đạt 8 FPS trên thiết bị biên. Cách khắc phục: benchmark trên thiết bị sẽ chạy model, với tải thực tế — các tiến trình khác, giải mã camera, định dạng runtime thực tế.
Triệu chứng: ghi chú của bạn ghi "s nhanh hơn n". Nguyên nhân: một lần chạy dùng imgsz=480 hoặc định dạng khác. Cách khắc phục: so sánh các kích thước với cùng imgsz, định dạng và batch, đồng thời mỗi lần chỉ thay đổi một biến.
Đừng huấn luyện x rồi dự định thu nhỏ thành n sau này bằng cắt tỉa model hoặc lượng tử hóa: kiến trúc nhỏ hơn đồng nghĩa với việc phải huấn luyện lại. Hãy chọn kích thước trước; xem lượng tử hóa là phần tăng tốc bổ sung trên kích thước phù hợp, không phải phương án thay thế.
Các công việc tối ưu độ trễ chuyên sâu hơn — batching, lượng tử hóa và lựa chọn runtime — thuộc nội dung Tối ưu chi phí và độ trễ trong khóa học Production; hướng dẫn về các chỉ số hiệu năng giải thích từng chỉ số độ chính xác.
Hiển thị lời giải
Budget: 30 FPS on a laptop CPU -> 33 ms per frame, shared with decode and drawing
Measured: ONNX at 640 -> yolo26n 13.9 ms (19 ms headroom), yolo26s 30.9 ms (none; 60 ms under load)
Decision: train yolo26n first. If accuracy on our val set falls short,
try yolo26s at imgsz=480 and re-benchmark before committing.