我最近一直在用 1.5k 尺寸为 640x640 的图像训练 yolo v8 nano 模型，我决定使用以下代码让它生效：
from ultralytics import YOLO
from ultralytics.yolo.v8.detect.predict import DetectionPredictor
import cv2
model = YOLO("Model/best.pt")
model.predict(source="0", show=True, conf=0.4)
该模型能够准确地预测物体，但问题是速度非常慢，勉强达到 2 fps。我必须坚持很长时间。
我的电脑规格是： i9-13950H 24 核 5.6 Hz 32 GB 内存 Windows 11 主页
而且我没有 cuda 支持模型检测，但我的 cpu 和 ram 几乎没有使用。有没有办法在使用 CPU 的同时仍达到至少 30-60 fps。
欢迎留下评论和想法！
我用 opencv 尝试过，并将每一帧存储为图像，但速度慢得多，请帮忙！
使用以下代码将模型转换为 onnx 格式：
jupyter笔记本： ！ yolo 导出模型=path_to_model.pt 格式=onnx 终端： yolo 导出模型=path_to_model.pt 格式=onnx
您将在与原始模型相同的文件中拥有另一个模型，但带有 .onnx