Zum Inhalt springen

Verwendung der Befehlszeilenschnittstelle

Die YOLO Befehlszeilenschnittstelle (CLI) ermöglicht einfache einzeilige Befehle, ohne dass eine Python Umgebung benötigt wird. CLI erfordert keine Anpassungen oder Python Code. Du kannst alle Aufgaben einfach vom Terminal aus mit der yolo Befehl.



Pass auf: Mastering Ultralytics YOLOv8 : CLI

Beispiel

Ultralytics yolo Befehle verwenden die folgende Syntax:

yolo TASK MODE ARGS

Where   TASK (optional) is one of [detect, segment, classify]
        MODE (required) is one of [train, val, predict, export, track]
        ARGS (optional) are any number of custom 'arg=value' pairs like 'imgsz=320' that override defaults.
Siehe alle ARGS in der vollstÀndigen Konfigurationsleitfaden oder mit yolo cfg

Trainiere ein Erkennungsmodell fĂŒr 10 Epochen mit einer anfĂ€nglichen learning_rate von 0,01

yolo train data=coco8.yaml model=yolov8n.pt epochs=10 lr0=0.01

Vorhersage eines YouTube-Videos mit einem trainierten Segmentierungsmodell bei BildgrĂ¶ĂŸe 320:

yolo predict model=yolov8n-seg.pt source='https://youtu.be/LNwODJXcvt4' imgsz=320

Val ein vortrainiertes Erkennungsmodell bei LosgrĂ¶ĂŸe 1 und BildgrĂ¶ĂŸe 640:

yolo val model=yolov8n.pt data=coco8.yaml batch=1 imgsz=640

Exportiere ein Klassifizierungsmodell von YOLOv8n in das Format ONNX mit der BildgrĂ¶ĂŸe 224 x 128 (kein TASK erforderlich)

yolo export model=yolov8n-cls.pt format=onnx imgsz=224,128

FĂŒhre spezielle Befehle aus, um die Version zu sehen, Einstellungen anzuzeigen, PrĂŒfungen durchzufĂŒhren und mehr:

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

Wo:

  • TASK (optional) ist eine der [detect, segment, classify]. Wenn sie nicht explizit ĂŒbergeben wird, versucht YOLOv8 , die TASK aus dem Modelltyp.
  • MODE (erforderlich) ist eine der [train, val, predict, export, track]
  • ARGS (optional) sind eine beliebige Anzahl von benutzerdefinierten arg=value Paare wie imgsz=320 die die Standardeinstellungen außer Kraft setzen. FĂŒr eine vollstĂ€ndige Liste der verfĂŒgbaren ARGS siehe die Konfiguration Seite und defaults.yaml GitHub Quelle.

Warnung

Argumente mĂŒssen ĂŒbergeben werden als arg=val Paare, getrennt durch ein Gleichheitszeichen = Zeichen und durch Leerzeichen abgegrenzt zwischen Paaren. Nicht verwenden -- Argument-PrĂ€fixe oder Kommas , zwischen den Argumenten.

  • yolo predict model=yolov8n.pt imgsz=640 conf=0.25   ✅
  • yolo predict model yolov8n.pt imgsz 640 conf 0.25   ❌
  • yolo predict --model yolov8n.pt --imgsz 640 --conf 0.25   ❌

Zug

Trainiere YOLOv8n mit dem COCO8-Datensatz fĂŒr 100 Epochen bei einer BildgrĂ¶ĂŸe von 640. Eine vollstĂ€ndige Liste der verfĂŒgbaren Argumente findest du auf der Seite Konfiguration.

Beispiel

Starte das Training YOLOv8n auf COCO8 fĂŒr 100 Epochen bei einer BildgrĂ¶ĂŸe von 640.

yolo detect train data=coco8.yaml model=yolov8n.pt epochs=100 imgsz=640

Nimm ein unterbrochenes Training wieder auf.

yolo detect train resume model=last.pt

Val

Validiere die Genauigkeit des trainierten YOLOv8n Modells auf dem COCO8-Datensatz. Es muss kein Argument ĂŒbergeben werden, da die model seine Ausbildung beibehĂ€lt data und Argumente als Modellattribute.

Beispiel

Validiere ein offizielles YOLOv8n Modell.

yolo detect val model=yolov8n.pt

Validiere ein selbst trainiertes Modell.

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

Vorhersage

Verwende ein trainiertes YOLOv8n Modell, um Vorhersagen fĂŒr Bilder zu treffen.

Beispiel

Sage mit einem offiziellen YOLOv8n Modell voraus.

yolo detect predict model=yolov8n.pt source='https://ultralytics.com/images/bus.jpg'

Sage mit einem eigenen Modell voraus.

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

exportieren

Exportiere ein YOLOv8n Modell in ein anderes Format wie ONNX, CoreML, usw.

Beispiel

Exportiere ein offizielles YOLOv8n Modell in das Format ONNX .

yolo export model=yolov8n.pt format=onnx

Exportiere ein individuell trainiertes Modell in das Format ONNX .

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

Die verfĂŒgbaren YOLOv8 Exportformate findest du in der Tabelle unten. Du kannst in jedes beliebige Format exportieren, indem du die format Argument, d.h. format='onnx' oder format='engine'.

Format format Argument Modell Metadaten Argumente
PyTorch - yolov8n.pt ✅ -
TorchScript torchscript yolov8n.torchscript ✅ imgsz, optimize, batch
ONNX onnx yolov8n.onnx ✅ imgsz, half, dynamic, simplify, opset, batch
OpenVINO openvino yolov8n_openvino_model/ ✅ imgsz, half, int8, batch
TensorRT engine yolov8n.engine ✅ imgsz, half, dynamic, simplify, workspace, int8, batch
CoreML coreml yolov8n.mlpackage ✅ imgsz, half, int8, nms, batch
TF SavedModel saved_model yolov8n_saved_model/ ✅ imgsz, keras, int8, batch
TF GraphDef pb yolov8n.pb ❌ imgsz, batch
TF Lite tflite yolov8n.tflite ✅ imgsz, half, int8, batch
TF Kante TPU edgetpu yolov8n_edgetpu.tflite ✅ imgsz
TF.js tfjs yolov8n_web_model/ ✅ imgsz, half, int8, batch
PaddlePaddle paddle yolov8n_paddle_model/ ✅ imgsz, batch
NCNN ncnn yolov8n_ncnn_model/ ✅ imgsz, half, batch

Siehe voll export Details in der exportieren Seite.

Standardargumente außer Kraft setzen

Die Standardargumente können außer Kraft gesetzt werden, indem sie einfach als Argumente in der CLI in arg=value Paare.

Trainiere ein Erkennungsmodell fĂŒr 10 epochs mit learning_rate von 0.01

yolo detect train data=coco8.yaml model=yolov8n.pt epochs=10 lr0=0.01

Vorhersage eines YouTube-Videos mit einem trainierten Segmentierungsmodell bei BildgrĂ¶ĂŸe 320:

yolo segment predict model=yolov8n-seg.pt source='https://youtu.be/LNwODJXcvt4' imgsz=320

Validiere ein trainiertes Erkennungsmodell bei LosgrĂ¶ĂŸe 1 und BildgrĂ¶ĂŸe 640:

yolo detect val model=yolov8n.pt data=coco8.yaml batch=1 imgsz=640

Überschreiben der Standardkonfigurationsdatei

Du kannst die default.yaml Konfigurationsdatei komplett zu löschen, indem du eine neue Datei mit der cfg Argumente, d.h. cfg=custom.yaml.

Dazu erstellen Sie zunÀchst eine Kopie von default.yaml in deinem aktuellen Arbeitsverzeichnis mit dem yolo copy-cfg Befehl.

Dies wird die default_copy.yaml, die du dann als cfg=default_copy.yaml zusammen mit allen zusÀtzlichen Args, wie imgsz=320 in diesem Beispiel:

Beispiel

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


Created 2023-11-12, Updated 2024-06-10
Authors: glenn-jocher (18), Burhan-Q (3), RizwanMunawar (1), AyushExel (1), Laughing-q (1), shuizhuyuanluo@126.com (1)

Kommentare