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 . Puedes simplemente ejecutar todas las tareas desde el terminal con el comando yolo
mando.
Observa: Dominio de Ultralytics YOLOv8 : CLI
Ejemplo
Ultralytics yolo
utilizan la siguiente sintaxis:
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.
yolo cfg
Entrena un modelo de detección durante 10 épocas con una tasa_de_aprendizaje inicial de 0,01
Predecir un vídeo de YouTube utilizando un modelo de segmentación preentrenado a tamaño de imagen 320:
Val un modelo de detección preentrenado a tamaño de lote 1 y tamaño de imagen 640:
Exporta un modelo de clasificación YOLOv8n al formato ONNX con un tamaño de imagen de 224 por 128 (no requiere TASK).
Dónde:
TASK
(opcional) es una de[detect, segment, classify]
. Si no se pasa explícitamente YOLOv8 intentará adivinar elTASK
del tipo de modelo.MODE
(obligatorio) es una de[train, val, predict, export, track]
ARGS
(opcional) son cualquier número dearg=value
parejas comoimgsz=320
que anulan los valores predeterminados. Para obtener una lista completa de las opciones disponiblesARGS
ver el Configuración página ydefaults.yaml
GitHub fuente.
Advertencia
Los argumentos deben pasarse como arg=val
pares, divididos por una igualdad =
signo y delimitado por espacios entre pares. No utilices
--
prefijos de argumento o comas ,
entre argumentos.
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
❌
Tren
Entrena YOLOv8n en el conjunto de datos COCO8 durante 100 épocas con un tamaño de imagen de 640. Para ver la lista completa de argumentos disponibles, consulta la página Configuración.
Ejemplo
Val
Valida la precisión del modelo entrenado YOLOv8n en el conjunto de datos COCO8. No es necesario pasar ningún argumento como model
conserva su formación data
y argumentos como atributos del modelo.
Ejemplo
Predecir
Utiliza un modelo YOLOv8n entrenado para realizar predicciones sobre las imágenes.
Ejemplo
Exportar
Exporta un modelo YOLOv8n a un formato diferente como ONNX, CoreML, etc.
Ejemplo
Los formatos de exportación disponibles de YOLOv8 están en la tabla siguiente. Puedes exportar a cualquier formato utilizando el botón format
argumento, es decir format='onnx'
o format='engine'
.
Formato | format Argumento |
Modelo | Metadatos | Argumentos |
---|---|---|---|---|
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 , 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 Arista TPU | edgetpu |
yolov8n_edgetpu.tflite |
✅ | imgsz , batch |
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 |
Ver todo export
detalles en el Exportar página.
Anular argumentos por defecto
Los argumentos por defecto pueden anularse simplemente pasándolos como argumentos en CLI en arg=value
pares.
Entrenar un modelo de detección para 10 epochs
con learning_rate
de 0.01
Predecir un vídeo de YouTube utilizando un modelo de segmentación preentrenado a tamaño de imagen 320:
Anular el archivo de configuración por defecto
Puedes anular la función default.yaml
completamente pasando un nuevo archivo con la opción cfg
argumentos, es decir cfg=custom.yaml
.
Para ello, crea primero una copia de default.yaml
en tu directorio de trabajo actual con el comando yolo copy-cfg
mando.
Esto creará default_copy.yaml
que puedes pasar como cfg=default_copy.yaml
junto con cualquier argumento adicional, como imgsz=320
en este ejemplo:
Creado 2023-11-12, Actualizado 2024-04-27
Autores: glenn-jocher (14), Burhan-Q (1), RizwanMunawar (1), AyushExel (1), Laughing-q (1), shuizhuyuanluo@126.com (1)