Saltar 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 . 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, 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 en su totalidad Guía de configuración o con yolo cfg

Entrena un modelo de detección durante 10 épocas con una tasa_de_aprendizaje inicial de 0,01 

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

Exporta un modelo de clasificación YOLOv8n al formato ONNX con un tamaño 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 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 YOLOv8 intentará adivinar el TASK del tipo de modelo.
  • MODE (obligatorio) es una de [train, val, predict, export, track, benchmark]
  • ARGS (opcional) son cualquier número de arg=value parejas como imgsz=320 que anulan los valores predeterminados. Para obtener una lista completa de las opciones disponibles ARGS ver el Configuración página y defaults.yaml

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

Inicia el entrenamiento de YOLOv8n en COCO8 durante 100 épocas con un tamaño 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

Validate trained YOLOv8n model accuracy on the COCO8 dataset. No arguments are needed as the model conserva su formación 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 imágenes.

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 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, 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
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.

Consejo

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

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

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

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

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.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

PREGUNTAS FRECUENTES

¿Cómo utilizo la interfaz de línea de comandos Ultralytics YOLOv8 (CLI) para el entrenamiento del modelo?

Para entrenar un modelo YOLOv8 utilizando CLI, puedes 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, ejecutarías

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

Este comando utiliza la función train con argumentos específicos. Consulta la lista completa de argumentos disponibles en el apartado Guía de configuración.

¿Qué tareas puedo realizar con Ultralytics YOLOv8 CLI ?

La página Ultralytics YOLOv8 CLI admite diversas tareas, como detección, segmentación, clasificación, validación, predicción, exportación y seguimiento. Por ejemplo:

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

Cada tarea se puede personalizar con varios argumentos. Para una sintaxis detallada y ejemplos, consulta las secciones respectivas como Entrenar, Predecir y Exportar.

¿Cómo puedo validar la precisión de un modelo YOLOv8 entrenado utilizando CLI?

Para validar la exactitud de un modelo YOLOv8 , utiliza la función val modo. Por ejemplo, para validar un modelo de detección preentrenado con un tamaño de lote de 1 y un tamaño de imagen de 640, ejecuta:

yolo val model=yolov8n.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, consulta la sección Val.

¿A qué formatos puedo exportar mis modelos de YOLOv8 utilizando CLI?

YOLOv8 Los modelos pueden exportarse a varios formatos, como ONNX, CoreML, TensorRT, y otros. Por ejemplo, para exportar un modelo al formato ONNX , ejecuta

yolo export model=yolov8n.pt format=onnx

Para más información, visita la página de Exportación.

¿Cómo personalizo los comandos de YOLOv8 CLI para anular los argumentos por defecto?

Para anular los argumentos por defecto en los comandos de YOLOv8 CLI , pásalos como arg=value pares. Por ejemplo, para entrenar un modelo con argumentos personalizados, utiliza

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

Para obtener una lista completa de los argumentos disponibles y sus descripciones, consulta la Guía de Configuración. Asegúrate de que los argumentos tienen el formato correcto, como se muestra en la sección Anulación de argumentos por defecto.


📅 Created 10 months ago ✏️ Updated 5 days ago
glenn-jocher jk4e MatthewNoyce ambicioso-octopus Burhan-Q RizwanMunawar AyushExel Riendo-q shuizhuyuanluo@126.com

Comentarios