सामग्री पर जाएं

कमांड लाइन इंटरफ़ेस उपयोग

वही YOLO कमांड लाइन इंटरफ़ेस (CLI) की आवश्यकता के बिना सरल एकल-पंक्ति कमांड की अनुमति देता है a Python पर्यावरण। CLI कोई अनुकूलन की आवश्यकता नहीं है या Python कोड। आप बस टर्मिनल से सभी कार्यों को yolo आज्ञा।



सतर्कता: माहिर Ultralytics YOLOv8: CLI

उदाहरण

Ultralytics yolo आदेश निम्न सिंटैक्स का उपयोग करते हैं:

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.
सभी एआरजीएस को पूरा देखें कॉन्फ़िगरेशन गाइड या के साथ yolo cfg

0.01 की प्रारंभिक learning_rate के साथ 10 युगों के लिए एक पहचान मॉडल को प्रशिक्षित करें

yolo train data=coco128.yaml model=yolov8n.pt epochs=10 lr0=0.01

छवि आकार 320 पर एक पूर्व-प्रशिक्षित विभाजन मॉडल का उपयोग करके एक YouTube वीडियो की भविष्यवाणी करें:

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

वैल, बैच-आकार 1 और छवि आकार 640 पर एक पूर्व-प्रशिक्षित पहचान मॉडल:

yolo val model=yolov8n.pt data=coco128.yaml batch=1 imgsz=640

निर्यात a YOLOv8n वर्गीकरण मॉडल को ONNX छवि आकार 224 गुणा 128 पर प्रारूप (कोई कार्य आवश्यक नहीं)

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

संस्करण देखने, सेटिंग देखने, चेक चलाने आदि के लिए विशेष आदेश चलाएँ:

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

कहां:

  • TASK (वैकल्पिक) में से एक है [detect, segment, classify]. यदि यह स्पष्ट रूप से पारित नहीं किया गया है YOLOv8 अनुमान लगाने की कोशिश करेंगे TASK मॉडल प्रकार से।
  • MODE (आवश्यक) इनमें से एक है [train, val, predict, export, track]
  • ARGS (वैकल्पिक) कस्टम की किसी भी संख्या में हैं arg=value जोड़े की तरह imgsz=320 जो डिफ़ॉल्ट को ओवरराइड करता है। उपलब्ध की पूरी सूची के लिए ARGS देखें संरूपण page और defaults.yaml गिटहब मूल.

चेतावनी

तर्कों को इस प्रकार पारित किया जाना चाहिए arg=val जोड़े, एक बराबर से विभाजित = रिक्त स्थान द्वारा साइन और सीमांकित करें जोड़े के बीच। उपयोग न करें -- तर्क उपसर्ग या अल्पविराम , तर्कों के बीच।

  • 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   ❌

रेलगाड़ी

रेलगाड़ी YOLOv8n छवि आकार 640 पर 100 युगों के लिए COCO128 डेटासेट पर। उपलब्ध तर्कों की पूरी सूची के लिए , कॉन्फ़िगरेशन पृष्ठ देखें.

उदाहरण

प्रशिक्षण शुरू करें YOLOv8n छवि-आकार 640 पर 100 युगों के लिए COCO128 पर।

yolo detect train data=coco128.yaml model=yolov8n.pt epochs=100 imgsz=640

एक बाधित प्रशिक्षण फिर से शुरू करें।

yolo detect train resume model=last.pt

वैल

प्रशिक्षित मान्य करें YOLOv8n COCO128 डेटासेट पर मॉडल सटीकता। किसी तर्क को पारित करने की आवश्यकता नहीं है model यह प्रशिक्षण बरकरार रखता है data और मॉडल विशेषताओं के रूप में तर्क।

उदाहरण

एक अधिकारी को मान्य करें YOLOv8n को गढ़ना।

yolo detect val model=yolov8n.pt

एक कस्टम-प्रशिक्षित मॉडल को मान्य करें।

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

भविष्‍यवाणी करना

एक प्रशिक्षित का प्रयोग करें YOLOv8n छवियों पर भविष्यवाणियां चलाने के लिए मॉडल।

उदाहरण

एक अधिकारी के साथ भविष्यवाणी करें YOLOv8n को गढ़ना।

yolo detect predict model=yolov8n.pt source='https://ultralytics.com/images/bus.jpg'

एक कस्टम मॉडल के साथ भविष्यवाणी करें।

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

निर्यातित माल

निर्यात a YOLOv8n मॉडल को किसी भिन्न प्रारूप में जैसे ONNX, CoreMLआदि।

उदाहरण

एक अधिकारी निर्यात करें YOLOv8n मॉडल को ONNX प्रारूप।

yolo export model=yolov8n.pt format=onnx

एक कस्टम-प्रशिक्षित मॉडल को निर्यात करें ONNX प्रारूप।

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

सुलभ YOLOv8 निर्यात प्रारूप नीचे दी गई तालिका में हैं। आप का उपयोग करके किसी भी प्रारूप में निर्यात कर सकते हैं format तर्क, अर्थात। format='onnx' नहीं तो format='engine'.

प्रारूप format युक्ति को गढ़ना मेटाडेटा तर्क
PyTorch - yolov8n.pt -
TorchScript torchscript yolov8n.torchscript imgsz, optimize
ONNX onnx yolov8n.onnx imgsz, half, dynamic, simplify, opset
OpenVINO openvino yolov8n_openvino_model/ imgsz, half, int8
TensorRT engine yolov8n.engine imgsz, half, dynamic, simplify, workspace
CoreML coreml yolov8n.mlpackage imgsz, half, int8, nms
TF SavedModel saved_model yolov8n_saved_model/ imgsz, keras, int8
TF GraphDef pb yolov8n.pb imgsz
TF लाइट tflite yolov8n.tflite imgsz, half, int8
TF किनारा TPU edgetpu yolov8n_edgetpu.tflite imgsz
TF।जे एस tfjs yolov8n_web_model/ imgsz, half, int8
PaddlePaddle paddle yolov8n_paddle_model/ imgsz
NCNN ncnn yolov8n_ncnn_model/ imgsz, half

डिफ़ॉल्ट तर्कों को ओवरराइड करना

डिफ़ॉल्ट तर्कों को केवल उन्हें तर्क के रूप में पारित करके ओवरराइड किया जा सकता है CLI में arg=value जोड़े।

के लिए एक पहचान मॉडल को प्रशिक्षित करें 10 epochs के साथ learning_rate का 0.01

yolo detect train data=coco128.yaml model=yolov8n.pt epochs=10 lr0=0.01

छवि आकार 320 पर एक पूर्व-प्रशिक्षित विभाजन मॉडल का उपयोग करके एक YouTube वीडियो की भविष्यवाणी करें:

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

बैच-आकार 1 और छवि आकार 640 पर एक पूर्व-प्रशिक्षित पहचान मॉडल को मान्य करें:

yolo detect val model=yolov8n.pt data=coco128.yaml batch=1 imgsz=640

डिफ़ॉल्ट कॉन्फ़िगरेशन फ़ाइल को ओवरराइड करना

आप ओवरराइड कर सकते हैं default.yaml config फ़ाइल पूरी तरह से एक नई फ़ाइल के साथ पास करके cfg तर्क, अर्थात। cfg=custom.yaml.

ऐसा करने के लिए, पहले की एक प्रति बनाएँ default.yaml अपने वर्तमान काम करने वाले डीआईआर में yolo copy-cfg आज्ञा।

यह पैदा करेगा default_copy.yaml, जिसे आप तब पास कर सकते हैं cfg=default_copy.yaml किसी भी अतिरिक्त args के साथ, जैसे imgsz=320 इस उदाहरण में:

उदाहरण

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


2023-11-12 बनाया गया, अपडेट किया गया 2024-03-01
लेखक: ग्लेन-जोचर (12), chr043416@gmail.com (1), आयुषएक्सेल (1), लाफिंग-क्यू (1), shuizhuyuanluo@126.com (1)

टिप्पणियाँ