YOLO-NAS
YOLO-NAS 物体検出モデルを Serverless Cloud API 経由で使用します
YOLO-NAS は Deci の物体検出モデルで、ニューラルアーキテクチャ探索によって生成されています。Roboflow は COCO で事前学習された YOLO-NAS のチェックポイントを短い別名で提供しており、あなたは 独自の重みをアップロードして 他所で学習したモデルを実行できます。
Roboflow では YOLO-NAS の学習はサポートされていません。Roboflow で学習した検出器については、次を参照してください。 RF-DETR, YOLO26、または YOLO11.
YOLO-NAS の事前学習済み別名
これらの ID のいずれかを model_id として指定すると、何も学習せずに COCO 事前学習済みチェックポイントを実行できます。完全な一覧は次の 事前学習済みモデルの別名 ページにあります。
YOLO-NAS API
API キーを取得
Roboflow アカウントを作成し、次のページでキーを確認します: Roboflow API 設定ページ そしてそれをシェルで利用可能にします:
export ROBOFLOW_API_KEY="your-key-here"依存関係をインストールする
Inference SDK と supervision をインストールして、予測のデコードと描画を行います:
pip install -U inference-sdk supervision opencv-pythonモデルを実行する
この例では事前学習済みの yolo-nas-s-640 チェックポイントを実行します。独自の重みを配信するには、あなたの {workspace}/{model-slug} ID に置き換えてください( バージョン、学習、モデル).
import os
import cv2
import supervision as sv
from inference_sdk import InferenceHTTPClient, InferenceConfiguration
image = sv.load_image_from_url("https://media.roboflow.com/inference/people-walking.jpg")
client = InferenceHTTPClient(
api_url="https://serverless.roboflow.com",
api_key=os.environ["ROBOFLOW_API_KEY"],
).configure(InferenceConfiguration(api_key_transport="header"))
results = client.infer(image, model_id="yolo-nas-s-640")
detections = sv.Detections.from_inference(results)
labels = [
f"{name} {conf:.2f}"
for name, conf in zip(detections.data["class_name"], detections.confidence)
]
annotated = sv.BoxAnnotator().annotate(image.copy(), detections)
annotated = sv.LabelAnnotator().annotate(annotated, detections, labels=labels)
cv2.imwrite("annotated.png", annotated)また、次の inference パッケージを使ってチェックポイントをプロセス内で読み込むこともできます:
from inference import get_model
model = get_model(model_id="yolo-nas-s-640")
results = model.infer("https://media.roboflow.com/inference/people-walking.jpg")カスタム重みをアップロードする
Roboflow の外部で学習した YOLO-NAS モデルを実行するには、 Roboflow CLI:
モデル ディレクトリには opt.yaml が必要で、アーキテクチャ名を指定します(例: architecture: yolo_nas_s)。次を参照してください。 カスタム重みをアップロードする Python SDK と学習版の要件について。
最終更新
役に立ちましたか?