Link to this sectionInterfaz de línea de comandos#

La interfaz de línea de comandos (CLI) de Ultralytics proporciona una forma sencilla de utilizar los modelos Ultralytics YOLO sin necesidad de un entorno Python. La CLI permite ejecutar varias tareas directamente desde el terminal utilizando el comando yolo, sin requerir personalización ni código Python.

yolo TASK MODE ARGS

Donde:

• TASK (opcional) es uno de [detect, segment, semantic, classify, pose, obb]. Si no se indica explícitamente, YOLO intentará inferir la TASK a partir del tipo de modelo.
• MODE (requerido) es uno de [train, val, predict, export, track, benchmark]
• ARGS (opcional) son cualquier número de pares personalizados arg=value como imgsz=320 que sobrescriben los valores predeterminados. Para obtener una lista completa de los ARGS disponibles, consulta la página de Configuración y default.yaml.

Link to this sectionEntrenar#

Entrena YOLO en el conjunto de datos COCO8 durante 100 épocas con un tamaño de imagen de 640. Para obtener una lista completa de los argumentos disponibles, consulta la página de Configuración.

yolo detect train data=coco8.yaml model=yolo26n.pt epochs=100 imgsz=640

Link to this sectionValidar#

Valida la precisión del modelo entrenado en el conjunto de datos COCO8. No se necesitan argumentos, ya que el model conserva sus data de entrenamiento y sus argumentos como atributos del modelo.

yolo detect val model=yolo26n.pt

Link to this sectionPredecir#

Utiliza un modelo entrenado para realizar predicciones en imágenes.

yolo detect predict model=yolo26n.pt source='https://ultralytics.com/images/bus.jpg'

Link to this sectionExportar#

Exporta un modelo a un formato diferente como ONNX o CoreML.

yolo export model=yolo26n.pt format=onnx

Los formatos de exportación de Ultralytics disponibles se encuentran en la tabla a continuación. Puedes exportar a cualquier formato usando el argumento format, por ejemplo, format='onnx' o format='engine'.

Consulta todos los detalles de export en la página Export.

Link to this sectionSobrescritura de argumentos predeterminados#

Sobrescribe los argumentos predeterminados pasándolos en la CLI como pares arg=value.

yolo detect train data=coco8.yaml model=yolo26n.pt epochs=10 lr0=0.01

Link to this sectionSobrescritura del archivo de configuración predeterminado#

Sobrescribe el archivo de configuración default.yaml por completo pasando un archivo nuevo con el argumento cfg, como cfg=custom.yaml.

Para hacerlo, crea primero una copia de default.yaml en tu directorio de trabajo actual con el comando yolo copy-cfg, que creará un archivo default_copy.yaml.

A continuación, puedes pasar este archivo como cfg=default_copy.yaml junto con cualquier argumento adicional, como imgsz=320 en este ejemplo:

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

Link to this sectionComandos de soluciones#

Ultralytics proporciona soluciones listas para usar para aplicaciones comunes de visión artificial a través de la CLI. El comando yolo solutions expone recuento de objetos, recorte, desenfoque, monitorización de ejercicios, mapas de calor, segmentación de instancias, VisionEye, estimación de velocidad, gestión de colas, analítica, inferencia con Streamlit y seguimiento basado en zonas; consulta la página Solutions para ver el catálogo completo. Ejecuta yolo solutions help para listar todas las soluciones compatibles y sus argumentos.

yolo solutions count show=True
yolo solutions count source="path/to/video.mp4" # specify video file path

Para más información sobre las soluciones de Ultralytics, visita la página Solutions.

Link to this sectionPreguntas frecuentes#

Link to this section¿Cómo uso la interfaz de línea de comandos (CLI) de Ultralytics YOLO para el entrenamiento de modelos?#

Para entrenar un modelo usando la CLI, ejecuta un comando de una sola línea en el terminal. Por ejemplo, para entrenar un modelo de detección durante 10 épocas con una learning rate de 0,01, ejecuta:

yolo train data=coco8.yaml model=yolo26n.pt epochs=10 lr0=0.01

Este comando usa el modo train con argumentos específicos. Para obtener una lista completa de los argumentos disponibles, consulta la Configuration Guide.

Link to this section¿Qué tareas puedo realizar con la CLI de Ultralytics YOLO?#

La CLI de Ultralytics YOLO admite varias tareas, incluyendo detection, segmentation, semantic segmentation, classification, pose estimation y oriented bounding box detection. También puedes realizar operaciones como:

• Entrenar un modelo: Ejecuta yolo train data=<data.yaml> model=<model.pt> epochs=<num>.
• Ejecutar predicciones: Usa yolo predict model=<model.pt> source=<data_source> imgsz=<image_size>.
• Exportar un modelo: Ejecuta yolo export model=<model.pt> format=<export_format>.
• Usar soluciones: Ejecuta yolo solutions <solution_name> para aplicaciones preparadas.

Personaliza cada tarea con varios argumentos. Para obtener sintaxis detallada y ejemplos, consulta las secciones respectivas como Train, Predict y Export.

Link to this section¿Cómo puedo validar la precisión de un modelo YOLO entrenado usando la CLI?#

Para validar la accuracy de un modelo, usa el modo val. Por ejemplo, para validar un modelo de detección preentrenado con un batch size de 1 y un tamaño de imagen de 640, ejecuta:

yolo val model=yolo26n.pt data=coco8.yaml batch=1 imgsz=640

Este comando evalúa el modelo en el conjunto de datos especificado y proporciona métricas de rendimiento como mAP, precision y recall. Para más detalles, consulta la sección Val.

Link to this section¿A qué formatos puedo exportar mis modelos YOLO usando la CLI?#

Puedes exportar modelos YOLO a varios formatos, incluyendo ONNX, TensorRT, CoreML, TensorFlow y más. Por ejemplo, para exportar un modelo al formato ONNX, ejecuta:

yolo export model=yolo26n.pt format=onnx

El comando de exportación admite numerosas opciones para optimizar tu modelo para entornos de despliegue específicos. Para detalles completos sobre todos los formatos de exportación disponibles y sus parámetros específicos, visita la página Export.

Link to this section¿Cómo uso las soluciones preconstruidas en la CLI de Ultralytics?#

Ultralytics proporciona soluciones listas para usar a través del comando solutions. Por ejemplo, para contar objetos en un vídeo:

yolo solutions count source="path/to/video.mp4"

Estas soluciones requieren una configuración mínima y proporcionan funcionalidad inmediata para tareas comunes de visión artificial. Para ver todas las soluciones disponibles, ejecuta yolo solutions help. Cada solución tiene parámetros específicos que se pueden personalizar para ajustarse a tus necesidades.