Saltar al contenido

Uso de la interfaz de l铆nea de comandos

La interfaz de l铆nea de comandos YOLO (CLI) permite ejecutar comandos sencillos de una sola l铆nea sin necesidad de un entorno Python . CLI no requiere personalizaci贸n ni c贸digo 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.
Ver todos los ARGS en su totalidad Gu铆a de configuraci贸n o con yolo cfg

Entrena un modelo de detecci贸n durante 10 茅pocas con una tasa_de_aprendizaje inicial de 0,01

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

Predecir un v铆deo de YouTube utilizando un modelo de segmentaci贸n preentrenado a tama帽o de imagen 320:

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

Val un modelo de detecci贸n preentrenado a tama帽o de lote 1 y tama帽o de imagen 640:

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

Exporta un modelo de clasificaci贸n YOLOv8n al formato ONNX con un tama帽o de imagen de 224 por 128 (no requiere TASK).

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

Ejecuta comandos especiales para ver la versi贸n, ver la configuraci贸n, ejecutar comprobaciones y mucho m谩s:

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

D贸nde:

  • TASK (opcional) es una de [detect, segment, classify]. Si no se pasa expl铆citamente YOLOv8 intentar谩 adivinar el TASK del tipo de modelo.
  • MODE (obligatorio) es una de [train, val, predict, export, track]
  • ARGS (opcional) son cualquier n煤mero de arg=value parejas como imgsz=320 que anulan los valores predeterminados. Para obtener una lista completa de las opciones disponibles ARGS ver el Configuraci贸n p谩gina y defaults.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 聽 鉁
  • yolo predict model yolov8n.pt imgsz 640 conf 0.25 聽 鉂
  • yolo predict --model yolov8n.pt --imgsz 640 --conf 0.25 聽 鉂

Tren

Entrena YOLOv8n en el conjunto de datos COCO8 durante 100 茅pocas con un tama帽o de imagen de 640. Para ver la lista completa de argumentos disponibles, consulta la p谩gina Configuraci贸n.

Ejemplo

Inicia el entrenamiento de YOLOv8n en COCO8 durante 100 茅pocas con un tama帽o de imagen de 640.

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

Reanudar un entrenamiento interrumpido.

yolo detect train resume model=last.pt

Val

Valida la precisi贸n del modelo entrenado YOLOv8n en el conjunto de datos COCO8. No es necesario pasar ning煤n argumento como model conserva su formaci贸n data y argumentos como atributos del modelo.

Ejemplo

Valida un modelo oficial YOLOv8n .

yolo detect val model=yolov8n.pt

Validar un modelo entrenado a medida.

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

Predecir

Utiliza un modelo YOLOv8n entrenado para realizar predicciones sobre las im谩genes.

Ejemplo

Predice con un modelo oficial YOLOv8n .

yolo detect predict model=yolov8n.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 YOLOv8n a un formato diferente como ONNX, CoreML, etc.

Ejemplo

Exporta un modelo oficial de YOLOv8n al formato ONNX .

yolo export model=yolov8n.pt format=onnx

Exporta un modelo entrenado a medida al formato ONNX .

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

Los formatos de exportaci贸n disponibles de YOLOv8 est谩n en la tabla siguiente. Puedes exportar a cualquier formato utilizando el bot贸n 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, 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 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 p谩gina.

Anular argumentos por defecto

Los argumentos por defecto pueden anularse simplemente pas谩ndolos como argumentos en CLI en arg=value pares.

Entrenar un modelo de detecci贸n para 10 epochs con learning_rate de 0.01

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

Predecir un v铆deo de YouTube utilizando un modelo de segmentaci贸n preentrenado a tama帽o de imagen 320:

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

Valida un modelo de detecci贸n preentrenado con tama帽o de lote 1 y tama帽o de imagen 640:

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

Anular el archivo de configuraci贸n por defecto

Puedes anular la funci贸n default.yaml completamente pasando un nuevo archivo con la opci贸n 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 crear谩 default_copy.yamlque puedes 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


Creado 2023-11-12, Actualizado 2024-05-18
Autores: glenn-jocher (15), Burhan-Q (2), RizwanMunawar (1), AyushExel (1), Laughing-q (1), shuizhuyuanluo@126.com (1)

Comentarios