Ultralytics-Einstellungen

Ultralytics speichert dauerhafte, maschinenbezogene Einstellungen in einer JSON-Datei im Benutzerkonfigurationsverzeichnis und stellt sie über das Objekt settings in Python sowie den Befehl yolo settings bereit. Damit legst du fest, wo Datensätze, Gewichte und Trainingsläufe gespeichert werden, welcher API-Schlüssel für die Ultralytics Platform verwendet wird und welche Experiment-Tracker aktiviert sind. Argumente für einzelne Trainingsläufe wie imgsz und epochs sind stattdessen auf der Seite Konfiguration dokumentiert.

Einstellungen anzeigen, aktualisieren und zurücksetzen

from ultralytics import settings

print(settings)  # alle Einstellungen anzeigen
value = settings["runs_dir"]  # eine Einstellung auslesen
settings.update({"runs_dir": "/path/to/runs", "tensorboard": False})  # eine oder mehrere Einstellungen aktualisieren
settings.reset()  # Standardeinstellungen wiederherstellen

Einstellungsreferenz#

Name	Beispielwert	Datentyp	Beschreibung
`settings_version`	`'0.0.8'`	`str`	Version des Einstellungsschemas, unabhängig von der Paketversion `ultralytics`
`datasets_dir`	`'/path/to/datasets'`	`str`	Verzeichnis, in dem Datensätze gespeichert werden
`weights_dir`	`'/path/to/weights'`	`str`	Download-Verzeichnis für Modellgewichte bei URL und Plattform (`ul://`) sowie Fallback-Suche nach bloßen Modellnamen
`runs_dir`	`'/path/to/runs'`	`str`	Verzeichnis, in dem Experimentläufe gespeichert werden
`uuid`	`'a1b2c3d4'`	`str`	Anonymisierte Maschinenkennung (SHA-256-Hash) für Analysen
`sync`	`True`	`bool`	Anonymisierte Analysedaten und Absturzberichte an Ultralytics senden; siehe Datenschutz
`api_key`	`''`	`str`	API-Schlüssel der Ultralytics Platform
`openai_api_key`	`''`	`str`	OpenAI-API-Schlüssel für die Funktion „Ask AI“ im Explorer, verfügbar bis zu `ultralytics==8.3.11`
`clearml`	`True`	`bool`	ClearML-Protokollierung aktivieren
`comet`	`True`	`bool`	Comet ML-Experimentverfolgung aktivieren
`dvc`	`True`	`bool`	DVC-Experimentverfolgung aktivieren
`mlflow`	`True`	`bool`	MLflow-Experimentverfolgung aktivieren
`raytune`	`True`	`bool`	Berichte zur Ray Tune-Hyperparameteroptimierung aktivieren
`tensorboard`	`False`	`bool`	TensorBoard-Protokollierung aktivieren
`wandb`	`False`	`bool`	Weights & Biases-Protokollierung aktivieren
`vscode_msg`	`True`	`bool`	Beim Erkennen eines VS-Code-Terminals eine Aufforderung zur Installation der Erweiterung Ultralytics-Snippets anzeigen
`openvino_msg`	`True`	`bool`	Auf Intel-CPUs einen Tipp zum Export mit OpenVINO für schnellere Inferenz anzeigen

Ein bloßer Modellname wie YOLO("yolo26n.pt") wird zuerst aus dem aktuellen Arbeitsverzeichnis und danach aus weights_dir geladen. Ist er in keinem der beiden Verzeichnisse vorhanden, werden die Gewichte in das aktuelle Arbeitsverzeichnis heruntergeladen. Um sie stattdessen nach weights_dir herunterzuladen, gib den vollständigen Pfad an, z. B. YOLO(Path(settings["weights_dir"]) / "yolo26n.pt").

Mitwirkende

glenn-jocher¹

Echoslayer¹

raimbekovm¹

Erstellt vor 2 MonatenAktualisiert letzte Woche

Kommentare

Stell eine Frage, teile deine Ergebnisse oder hilf jemand anderem.