Link to this sectionInterface de ligne de commande#

L'interface de ligne de commande (CLI) d'Ultralytics offre un moyen simple d'utiliser les modèles Ultralytics YOLO sans avoir besoin d'un environnement Python. La CLI permet d'exécuter diverses tâches directement depuis le terminal en utilisant la commande yolo, sans aucune personnalisation ni code Python.

yolo TASK MODE ARGS

Où :

• TASK (optionnel) est l'un des éléments suivants : [detect, segment, semantic, classify, pose, obb]. S'il n'est pas explicitement transmis, YOLO tentera d'inférer la TASK à partir du type de modèle.
• MODE (requis) est l'un des éléments suivants : [train, val, predict, export, track, benchmark]
• ARGS (optionnel) sont un nombre quelconque de paires personnalisées arg=value telles que imgsz=320 qui remplacent les valeurs par défaut. Pour une liste complète des ARGS disponibles, consulte la page Configuration et default.yaml.

Link to this sectionEntraîner (Train)#

Entraîne YOLO sur le jeu de données COCO8 pendant 100 epochs avec une taille d'image de 640. Pour une liste complète des arguments disponibles, consulte la page Configuration.

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

Link to this sectionValider (Val)#

Valide l'accuracy du modèle entraîné sur le jeu de données COCO8. Aucun argument n'est nécessaire car le model conserve ses data d'entraînement et ses arguments en tant qu'attributs de modèle.

yolo detect val model=yolo26n.pt

Link to this sectionPrédire (Predict)#

Utilise un modèle entraîné pour effectuer des prédictions sur des images.

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

Link to this sectionExporter (Export)#

Exporte un modèle vers un format différent comme ONNX ou CoreML.

yolo export model=yolo26n.pt format=onnx

Les formats d'exportation Ultralytics disponibles se trouvent dans le tableau ci-dessous. Tu peux exporter vers n'importe quel format en utilisant l'argument format, par exemple format='onnx' ou format='engine'.

Vois tous les détails de l'export sur la page Export.

Link to this sectionRemplacement des arguments par défaut#

Remplace les arguments par défaut en les passant dans la CLI sous forme de paires arg=value.

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

Link to this sectionRemplacement du fichier de configuration par défaut#

Remplace entièrement le fichier de configuration default.yaml en passant un nouveau fichier avec l'argument cfg, tel que cfg=custom.yaml.

Pour ce faire, crée d'abord une copie de default.yaml dans ton répertoire de travail actuel avec la commande yolo copy-cfg, qui crée un fichier default_copy.yaml.

Tu peux ensuite transmettre ce fichier sous la forme cfg=default_copy.yaml avec tous les arguments supplémentaires, comme imgsz=320 dans cet exemple :

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

Link to this sectionCommandes de solutions#

Ultralytics fournit des solutions prêtes à l'emploi pour les applications courantes de vision par ordinateur via la CLI. La commande yolo solutions expose le comptage d'objets, le recadrage, le floutage, le suivi d'exercices physiques, les cartes thermiques, la segmentation d'instances, VisionEye, l'estimation de vitesse, la gestion de files d'attente, l'analytique, l'inférence Streamlit et le suivi basé sur des zones — consulte la page Solutions pour le catalogue complet. Exécute yolo solutions help pour lister toutes les solutions prises en charge et leurs arguments.

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

Pour plus d'informations sur les solutions Ultralytics, visite la page Solutions.

Link to this sectionFAQ#

Link to this sectionComment utiliser l'interface de ligne de commande (CLI) Ultralytics YOLO pour l'entraînement de modèles ?#

Pour entraîner un modèle en utilisant la CLI, exécute une commande d'une seule ligne dans le terminal. Par exemple, pour entraîner un modèle de détection pendant 10 epochs avec un learning rate de 0,01, exécute :

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

Cette commande utilise le mode train avec des arguments spécifiques. Pour une liste complète des arguments disponibles, réfère-toi au Guide de configuration.

Link to this sectionQuelles tâches puis-je effectuer avec la CLI Ultralytics YOLO ?#

La CLI Ultralytics YOLO prend en charge diverses tâches, notamment la détection, la segmentation, la segmentation sémantique, la classification, l'estimation de pose et la détection de boîtes englobantes orientées. Tu peux également effectuer des opérations comme :

• Entraîner un modèle : Exécute yolo train data=<data.yaml> model=<model.pt> epochs=<num>.
• Effectuer des prédictions : Utilise yolo predict model=<model.pt> source=<data_source> imgsz=<image_size>.
• Exporter un modèle : Exécute yolo export model=<model.pt> format=<export_format>.
• Utiliser des solutions : Exécute yolo solutions <solution_name> pour des applications prêtes à l'emploi.

Personnalise chaque tâche avec divers arguments. Pour une syntaxe et des exemples détaillés, vois les sections respectives comme Entraînement, Prédiction et Exportation.

Link to this sectionComment puis-je valider l'exactitude d'un modèle YOLO entraîné en utilisant la CLI ?#

Pour valider l'accuracy d'un modèle, utilise le mode val. Par exemple, pour valider un modèle de détection pré-entraîné avec une batch size de 1 et une taille d'image de 640, exécute :

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

Cette commande évalue le modèle sur le jeu de données spécifié et fournit des mesures de performance telles que le mAP, la precision et le recall. Pour plus de détails, réfère-toi à la section Val.

Link to this sectionVers quels formats puis-je exporter mes modèles YOLO en utilisant la CLI ?#

Tu peux exporter les modèles YOLO vers divers formats, notamment ONNX, TensorRT, CoreML, TensorFlow, et plus encore. Par exemple, pour exporter un modèle au format ONNX, exécute :

yolo export model=yolo26n.pt format=onnx

La commande d'exportation prend en charge de nombreuses options pour optimiser ton modèle pour des environnements de déploiement spécifiques. Pour des détails complets sur tous les formats d'exportation disponibles et leurs paramètres spécifiques, visite la page Export.

Link to this sectionComment utiliser les solutions prédéfinies dans la CLI Ultralytics ?#

Ultralytics fournit des solutions prêtes à l'emploi via la commande solutions. Par exemple, pour compter les objets dans une vidéo :

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

Ces solutions nécessitent une configuration minimale et offrent une fonctionnalité immédiate pour les tâches courantes de vision par ordinateur. Pour voir toutes les solutions disponibles, exécute yolo solutions help. Chaque solution possède des paramètres spécifiques qui peuvent être personnalisés pour répondre à tes besoins.