Ir al contenido

Uso de la interfaz de línea de comandos

La interfaz de línea de comandos YOLO (CLI) permite ejecutar comandos sencillos de una sola línea sin necesidad de un entorno Python . CLI no requiere personalización ni código Python . Basta con ejecutar todas las tareas desde el terminal con el comando yolo mando.



Observa: Dominio de Ultralytics YOLO : CLI

Ejemplo

Ultralytics yolo utilizan la siguiente sintaxis: 

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.
Ver todos los ARGS al completo Guía de configuración o con yolo cfg

Entrenar un modelo de detección durante 10 epochs con un learning_rate inicial de 0.01 

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

Predecir un vídeo de YouTube utilizando un modelo de segmentación preentrenado a tamaño de imagen 320: 

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

Val un modelo de detección preentrenado a tamaño de lote 1 y tamaño de imagen 640: 

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

Exportación de un modelo de clasificación YOLO11n al formato ONNX con un tamaño de imagen de 224 por 128 (no requiere TASK) 

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

Ejecute comandos especiales para ver la versión, ver la configuración, ejecutar comprobaciones y mucho más: 

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

Dónde:

  • TASK (opcional) es una de [detect, segment, classify, pose, obb]. Si no se pasa explícitamente YOLO11 intentará adivinar el TASK del tipo de modelo.
  • MODE (obligatorio) es uno de [train, val, predict, export, track, benchmark]
  • ARGS (opcional) son cualquier número de arg=value pares como imgsz=320 que anulan los valores predeterminados. Para obtener una lista completa de los ARGS ver el Configuración página y defaults.yaml

Advertencia

Los argumentos deben pasarse como arg=val pares, divididos por una igualdad = y delimitado por espacios entre pares. No utilice -- prefijos argumentales o comas , entre argumentos.

  • 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   ❌

Tren

Entrena YOLO11n 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, consulte la página Configuración.

Ejemplo

Comienza el entrenamiento de YOLO11n en COCO8 durante 100 épocas con un tamaño de imagen de 640. 

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

Reanudar un entrenamiento interrumpido. 

yolo detect train resume model=last.pt

Val

Validación del modelo YOLO11n entrenado precisión en el conjunto de datos COCO8. No se necesitan argumentos, ya que el model conserva su formación data y argumentos como atributos del modelo.

Ejemplo

Validar un modelo oficial YOLO11n. 

yolo detect val model=yolo11n.pt

Validar un modelo entrenado a medida. 

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

Predecir

Utilizar un modelo YOLO11n entrenado para realizar predicciones sobre las imágenes.

Ejemplo

Predecir con un modelo oficial YOLO11n. 

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

Predecir con un modelo personalizado. 

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

Exportar

Exporta un modelo YOLO11n a un formato diferente como ONNX, CoreML, etc.

Ejemplo

Exporta un modelo oficial de YOLO11n al formato ONNX . 

yolo export model=yolo11n.pt format=onnx

Exporte un modelo entrenado a medida al formato ONNX . 

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

Los formatos de exportación disponibles en YOLO11 figuran en la tabla siguiente. Puede exportar a cualquier formato utilizando el botón format es decir format='onnx' o format='engine'.

Formato format Argumento Modelo Metadatos Argumentos
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 Lite tflite yolo11n.tflite ✅ imgsz, half, int8, batch
TF Borde 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

Ver todos export detalles en el Exportar página.

Anulación de los argumentos por defecto

Los argumentos por defecto pueden anularse simplemente pasándolos como argumentos en CLI en arg=value pares.

Consejo

Entrenar un modelo de detección para 10 epochs con learning_rate de 0.01 

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

Predecir un vídeo de YouTube utilizando un modelo de segmentación preentrenado a tamaño de imagen 320: 

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

Validar un modelo de detección preentrenado con tamaño de lote 1 y tamaño de imagen 640: 

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

Anulación del archivo de configuración por defecto

Puede anular el default.yaml pasando un nuevo archivo con la extensión cfg argumentos, es decir cfg=custom.yaml.

Para ello, cree primero una copia de default.yaml en su directorio de trabajo actual con yolo copy-cfg mando.

Esto creará default_copy.yamlque puede pasar como cfg=default_copy.yaml junto con cualquier argumento adicional, como imgsz=320 en este ejemplo:

Ejemplo

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

PREGUNTAS FRECUENTES

¿Cómo se utiliza la interfaz de línea de comandos Ultralytics YOLO11 (CLI) para el entrenamiento de modelos?

Para entrenar un modelo YOLO11 utilizando CLI, puede ejecutar un simple comando de una línea en el terminal. Por ejemplo, para entrenar un modelo de detección durante 10 épocas con una tasa de aprendizaje de 0,01, debe ejecutar:

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

Este comando utiliza la función train con argumentos específicos. Consulte la lista completa de argumentos disponibles en la sección Guía de configuración.

¿Qué tareas puedo realizar con Ultralytics YOLO11 CLI ?

Ultralytics YOLO11 CLI admite diversas tareas, como detección, segmentación, clasificación, validación, predicción, exportación y seguimiento. Por ejemplo:

  • Entrenar un modelo: Ejecutar yolo train data=<data.yaml> model=<model.pt> epochs=<num>.
  • Predicciones de carrera: Utilice yolo predict model=<model.pt> source=<data_source> imgsz=<image_size>.
  • Exportar un modelo: Ejecutar yolo export model=<model.pt> format=<export_format>.

Cada tarea puede personalizarse con varios argumentos. Para ver la sintaxis detallada y ejemplos, consulte las secciones respectivas como Entrenar, Predecir y Exportar.

¿Cómo puedo validar la precisión de un modelo YOLO11 entrenado utilizando CLI?

Para validar la exactitud de un modelo YOLO11 , utilice la herramienta val modo. Por ejemplo, para validar un modelo de detección preentrenado con un tamaño del lote de 1 y tamaño de imagen de 640, ejecutar:

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

Este comando evalúa el modelo en el conjunto de datos especificado y proporciona métricas de rendimiento. Para más detalles, consulte la sección Val.

¿A qué formatos puedo exportar mis modelos de YOLO11 utilizando CLI?

YOLO11 Los modelos pueden exportarse a varios formatos, como ONNX, CoreML, TensorRT, etc. Por ejemplo, para exportar un modelo al formato ONNX , ejecute:

yolo export model=yolo11n.pt format=onnx

Para más información, visite la página Exportación.

¿Cómo personalizo los comandos de YOLO11 CLI para anular los argumentos por defecto?

Para anular los argumentos por defecto en los comandos de YOLO11 CLI , páselos como arg=value pares. Por ejemplo, para entrenar un modelo con argumentos personalizados, utilice:

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

Para obtener una lista completa de los argumentos disponibles y sus descripciones, consulte la Guía de configuración. Asegúrese de que los argumentos están formateados correctamente, como se muestra en la sección Anulación de argumentos por defecto.

Creado hace 1 año ✏️ Actualizado hace 1 mes
UltralíticoAsistente glenn-jocher jk4e MatthewNoyce ambicioso-octopus Burhan-Q RizwanMunawar AyushExel Laughing-q nihui

Comentarios