تخطي إلى المحتوى

استخدام واجهة سطر الأوامر

تسمح واجهة سطر الأوامر YOLO (CLI) بأوامر بسيطة من سطر واحد دون الحاجة إلى بيئة Python . CLI لا يتطلب أي تخصيص أو رمز Python . يمكنك ببساطة تشغيل جميع المهام من المحطة الطرفية باستخدام yolo الأمر.



شاهد: إتقان Ultralytics YOLO : CLI

مثال على ذلك

Ultralytics yolo تستخدم الأوامر الصيغة التالية: 

yolo TASK MODE ARGS

Where   TASK (optional) is one of [detect, segment, classify, pose, obb]
        MODE (required) is one of [train, val, predict, export, track, benchmark]
        ARGS (optional) are any number of custom 'arg=value' pairs like 'imgsz=320' that override defaults.
اطلع على جميع ARGS في دليل التكوين أو مع yolo cfg

تدريب نموذج اكتشاف ل 10 دورات تدريبية بمعدل تعلم أولي 0.01 

yolo train data=coco8.yaml model=yolo11n.pt epochs=10 lr0=0.01

توقّع مقطع فيديو YouTube باستخدام نموذج تجزئة مُدرّب مسبقًا بحجم صورة 320: 

yolo predict model=yolo11n-seg.pt source='https://youtu.be/LNwODJXcvt4' imgsz=320

Val نموذج كشف تم تدريبه مسبقًا بحجم الدفعة 1 وحجم الصورة 640: 

yolo val model=yolo11n.pt data=coco8.yaml batch=1 imgsz=640

تصدير نموذج تصنيف YOLO11n إلى تنسيق ONNX بحجم صورة 224 في 128 (لا يتطلب الأمر TASK) 

yolo export model=yolo11n-cls.pt format=onnx imgsz=224,128

قم بتشغيل أوامر خاصة لمعرفة الإصدار، وعرض الإعدادات، وتشغيل الفحوصات والمزيد: 

yolo help
yolo checks
yolo version
yolo settings
yolo copy-cfg
yolo cfg

أين:

  • TASK (اختياري) هو واحد من [detect, segment, classify, pose, obb]. إذا لم يتم تمريرها بشكل صريح YOLO11 سيحاول تخمين TASK من نوع النموذج.
  • MODE (مطلوب) هو واحد من [train, val, predict, export, track, benchmark]
  • ARGS (اختياري) هي أي عدد من arg=value أزواج مثل imgsz=320 التي تتجاوز الإعدادات الافتراضية. للحصول على قائمة كاملة من ARGS انظر التكوين الصفحة و defaults.yaml

تحذير

يجب تمرير الحجج على شكل arg=val أزواج، مقسومة بمساواة = علامة ومحددة بمسافات بين الأزواج. لا تستخدم -- بادئات الوسيطة أو الفواصل , بين الحجج.

  • yolo predict model=yolo11n.pt imgsz=640 conf=0.25   ✅
  • yolo predict model yolo11n.pt imgsz 640 conf 0.25   ❌
  • yolo predict --model yolo11n.pt --imgsz 640 --conf 0.25   ❌

القطار

قم بتدريب YOLO11n على مجموعة بيانات COCO8 ل 100 حقبة زمنية بحجم صورة 640. للاطلاع على قائمة كاملة بالوسائط المتاحة، انظر صفحة التهيئة.

مثال على ذلك

ابدأ تدريب YOLO11n على COCO8 لمدة 100 حلقة زمنية بحجم صورة 640. 

yolo detect train data=coco8.yaml model=yolo11n.pt epochs=100 imgsz=640

استئناف التدريب المتقطع. 

yolo detect train resume model=last.pt

فال

التحقق من صحة نموذج YOLO11n المدرّب الدقة على مجموعة بيانات COCO8. لا حاجة لوسائط لأن model تحتفظ بتدريبها data والوسائط كسمات نموذجية.

مثال على ذلك

التحقق من صحة نموذج YOLO11n الرسمي. 

yolo detect val model=yolo11n.pt

التحقق من صحة النموذج المدرّب حسب الطلب. 

yolo detect val model=path/to/best.pt

التنبؤ

استخدم نموذج YOLO11n المدرّب لتشغيل التنبؤات على الصور.

مثال على ذلك

توقع باستخدام نموذج YOLO11n الرسمي. 

yolo detect predict model=yolo11n.pt source='https://ultralytics.com/images/bus.jpg'

التنبؤ باستخدام نموذج مخصص. 

yolo detect predict model=path/to/best.pt source='https://ultralytics.com/images/bus.jpg'

التصدير

قم بتصدير نموذج YOLO11n إلى تنسيق مختلف مثل ONNX ، CoreML ، إلخ.

مثال على ذلك

تصدير نموذج YOLO11n رسمي إلى تنسيق ONNX . 

yolo export model=yolo11n.pt format=onnx

تصدير نموذج مدرّب حسب الطلب إلى تنسيق ONNX . 

yolo export model=path/to/best.pt format=onnx

ترد تنسيقات التصدير المتاحة YOLO11 في الجدول أدناه. يمكنك التصدير إلى أي تنسيق باستخدام format الحجة، أي format='onnx' أو format='engine'.

التنسيق format الجدال الطراز البيانات الوصفية الحجج
PyTorch - yolo11n.pt ✅ -
TorchScript torchscript yolo11n.torchscript ✅ imgsz, optimize, batch
ONNX onnx yolo11n.onnx ✅ imgsz, half, dynamic, simplify, opset, batch
OpenVINO openvino yolo11n_openvino_model/ ✅ imgsz, half, int8, batch
TensorRT engine yolo11n.engine ✅ imgsz, half, dynamic, simplify, workspace, int8, batch
CoreML coreml yolo11n.mlpackage ✅ imgsz, half, int8, nms, batch
TF SavedModel saved_model yolo11n_saved_model/ ✅ imgsz, keras, int8, batch
TF GraphDef pb yolo11n.pb ❌ imgsz, batch
TF لايت tflite yolo11n.tflite ✅ imgsz, half, int8, batch
TF إيدج TPU edgetpu yolo11n_edgetpu.tflite ✅ imgsz
TF.js tfjs yolo11n_web_model/ ✅ imgsz, half, int8, batch
PaddlePaddle paddle yolo11n_paddle_model/ ✅ imgsz, batch
MNN mnn yolo11n.mnn ✅ imgsz, batch, int8, half
NCNN ncnn yolo11n_ncnn_model/ ✅ imgsz, half, batch
IMX500 imx yolov8n_imx_model/ ✅ imgsz, int8

انظر بالكامل export التفاصيل في التصدير الصفحة.

تجاوز الوسيطات الافتراضية

يمكن تجاوز الوسيطات الافتراضية ببساطة عن طريق تمريرها كوسائط في CLI في arg=value أزواج.

نصيحة

تدريب نموذج الكشف عن 10 epochs مع learning_rate من 0.01 

yolo detect train data=coco8.yaml model=yolo11n.pt epochs=10 lr0=0.01

توقّع مقطع فيديو YouTube باستخدام نموذج تجزئة مُدرّب مسبقًا بحجم صورة 320: 

yolo segment predict model=yolo11n-seg.pt source='https://youtu.be/LNwODJXcvt4' imgsz=320

تحقق من صحة نموذج الكشف الذي تم تدريبه مسبقًا بحجم الدفعة 1 وحجم الصورة 640: 

yolo detect val model=yolo11n.pt data=coco8.yaml batch=1 imgsz=640

تجاوز ملف التكوين الافتراضي

يمكنك تجاوز default.yaml ملف التكوين بالكامل من خلال تمرير ملف جديد مع cfg الحجج، أي cfg=custom.yaml.

للقيام بذلك قم أولاً بإنشاء نسخة من default.yaml في در عملك الحالي مع yolo copy-cfg الأمر.

سيؤدي ذلك إلى إنشاء default_copy.yaml، والتي يمكنك بعد ذلك تمريرها على أنها cfg=default_copy.yaml مع أي وسيطات إضافية، مثل imgsz=320 في هذا المثال:

مثال على ذلك

yolo copy-cfg
yolo cfg=default_copy.yaml imgsz=320

الأسئلة الشائعة

كيف يمكنني استخدام واجهة سطر الأوامر Ultralytics YOLO11 (CLI) لتدريب النموذج؟

لتدريب نموذج YOLO11 باستخدام CLI ، يمكنك تنفيذ أمر بسيط من سطر واحد في المحطة الطرفية. على سبيل المثال، لتدريب نموذج اكتشاف لـ 10 حلقات بمعدل تعلم 0.01، يمكنك تشغيل

yolo train data=coco8.yaml model=yolo11n.pt epochs=10 lr0=0.01

يستخدم هذا الأمر train بوسائط محددة. ارجع إلى القائمة الكاملة للوسائط المتوفرة في دليل التكوين.

ما المهام التي يمكنني القيام بها باستخدام Ultralytics YOLO11 CLI ؟

يدعم الموقع الإلكتروني Ultralytics YOLO11 CLI مجموعة متنوعة من المهام بما في ذلك الكشف والتجزئة والتصنيف والتحقق والتنبؤ والتصدير والتتبع. على سبيل المثال

  • تدريب نموذج: تشغيل yolo train data=<data.yaml> model=<model.pt> epochs=<num>.
  • تنبؤات الجري: الاستخدام yolo predict model=<model.pt> source=<data_source> imgsz=<image_size>.
  • تصدير نموذج: تنفيذ yolo export model=<model.pt> format=<export_format>.

يمكن تخصيص كل مهمة بوسائط مختلفة. للاطلاع على بناء الجملة التفصيلي والأمثلة، راجع الأقسام ذات الصلة مثل التدريب والتنبؤ والتصدير.

كيف يمكنني التحقق من دقة نموذج YOLO11 المدرب باستخدام CLI ؟

للتحقق من صحة دقة نموذج YOLO11 ، استخدم أداة val الوضع. على سبيل المثال، للتحقق من صحة نموذج الكشف الذي تم تدريبه مسبقًا باستخدام حجم الدُفعة من 1 وحجم الصورة 640، قم بالتشغيل:

yolo val model=yolo11n.pt data=coco8.yaml batch=1 imgsz=640

يقيّم هذا الأمر النموذج على مجموعة البيانات المحددة ويوفر مقاييس الأداء. لمزيد من التفاصيل، راجع قسم Val.

ما هي التنسيقات التي يمكنني تصدير نماذج YOLO11 الخاصة بي إليها باستخدام CLI ؟

YOLO11 يمكن تصدير النماذج إلى تنسيقات مختلفة مثل ONNX و CoreML و TensorRT وغيرها. على سبيل المثال، لتصدير نموذج إلى تنسيق ONNX ، قم بتشغيل:

yolo export model=yolo11n.pt format=onnx

للحصول على التفاصيل الكاملة، قم بزيارة صفحة التصدير.

كيف يمكنني تخصيص أوامر YOLO11 CLI لتجاوز الوسيطات الافتراضية؟

لتجاوز الوسيطات الافتراضية في الأوامر YOLO11 CLI ، قم بتمريرها على أنها arg=value أزواج. على سبيل المثال، لتدريب نموذج باستخدام وسيطات مخصصة، استخدم:

yolo train data=coco8.yaml model=yolo11n.pt epochs=10 lr0=0.01

للحصول على قائمة كاملة بالوسائط المتاحة وأوصافها، راجع دليل التكوين. تأكد من تنسيق الوسيطات بشكل صحيح، كما هو موضح في قسم تجاوز الوسيطات الافتراضية.

📅 تم إنشاؤها منذ 1 سنة مضت ✏️ تم التحديث منذ 2 شهر
ألترالتيكسيستانتست غلين-جوتشر ج ك 4 هـ ماثيو نويس طموح-أخطبوط برهان-ق رضوان منور أيوش إكسيل الضحك-ف نيهوي

التعليقات