Riferimento per ultralytics/nn/tasks.py
Nota
Questo file è disponibile all'indirizzo https://github.com/ultralytics/ ultralytics/blob/main/ ultralytics/nn/tasks .py. Se riscontri un problema, contribuisci a risolverlo inviando una Pull Request 🛠️. Grazie 🙏!
ultralytics.nn.tasks.BaseModel
Basi: Module
La classe BaseModel serve come classe di base per tutti i modelli della famiglia Ultralytics YOLO .
Codice sorgente in ultralytics/nn/tasks.py
74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143 144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160 161 162 163 164 165 166 167 168 169 170 171 172 173 174 175 176 177 178 179 180 181 182 183 184 185 186 187 188 189 190 191 192 193 194 195 196 197 198 199 200 201 202 203 204 205 206 207 208 209 210 211 212 213 214 215 216 217 218 219 220 221 222 223 224 225 226 227 228 229 230 231 232 233 234 235 236 237 238 239 240 241 242 243 244 245 246 247 248 249 250 251 252 253 254 255 256 257 258 259 260 261 262 263 264 265 266 267 268 269 270 271 |
|
forward(x, *args, **kwargs)
Passaggio in avanti del modello su una singola scala. Wrapper per _forward_once
metodo.
Parametri:
Nome | Tipo | Descrizione | Predefinito |
---|---|---|---|
x |
Tensor | dict
|
L'immagine di input tensor o un dict che include l'immagine tensor e le etichette gt. |
richiesto |
Restituzione:
Tipo | Descrizione |
---|---|
Tensor
|
L'uscita della rete. |
Codice sorgente in ultralytics/nn/tasks.py
fuse(verbose=True)
Fusibile il Conv2d()
e BatchNorm2d()
del modello in un unico strato, al fine di migliorare l'efficienza di calcolo.
efficienza di calcolo.
Restituzione:
Tipo | Descrizione |
---|---|
Module
|
Il modello fuso viene restituito. |
Codice sorgente in ultralytics/nn/tasks.py
info(detailed=False, verbose=True, imgsz=640)
Stampa le informazioni sul modello.
Parametri:
Nome | Tipo | Descrizione | Predefinito |
---|---|---|---|
detailed |
bool
|
se True, stampa informazioni dettagliate sul modello. L'impostazione predefinita è False |
False
|
verbose |
bool
|
se True, stampa le informazioni sul modello. L'impostazione predefinita è False |
True
|
imgsz |
int
|
la dimensione dell'immagine su cui verrà addestrato il modello. Per impostazione predefinita è 640 |
640
|
Codice sorgente in ultralytics/nn/tasks.py
init_criterion()
is_fused(thresh=10)
Controlla se il modello ha meno di una certa soglia di livelli BatchNorm.
Parametri:
Nome | Tipo | Descrizione | Predefinito |
---|---|---|---|
thresh |
int
|
Il numero di soglia dei livelli BatchNorm. Il valore predefinito è 10. |
10
|
Restituzione:
Tipo | Descrizione |
---|---|
bool
|
Vero se il numero di livelli BatchNorm nel modello è inferiore alla soglia, Falso altrimenti. |
Codice sorgente in ultralytics/nn/tasks.py
load(weights, verbose=True)
Carica i pesi nel modello.
Parametri:
Nome | Tipo | Descrizione | Predefinito |
---|---|---|---|
weights |
dict | Module
|
I pesi pre-addestrati da caricare. |
richiesto |
verbose |
bool
|
Se registrare l'avanzamento del trasferimento. Il valore predefinito è Vero. |
True
|
Codice sorgente in ultralytics/nn/tasks.py
loss(batch, preds=None)
Calcolo della perdita.
Parametri:
Nome | Tipo | Descrizione | Predefinito |
---|---|---|---|
batch |
dict
|
Batch per calcolare la perdita su |
richiesto |
preds |
Tensor | List[Tensor]
|
Previsioni. |
None
|
Codice sorgente in ultralytics/nn/tasks.py
predict(x, profile=False, visualize=False, augment=False, embed=None)
Esegui un passaggio in avanti attraverso la rete.
Parametri:
Nome | Tipo | Descrizione | Predefinito |
---|---|---|---|
x |
Tensor
|
L'ingresso tensor al modello. |
richiesto |
profile |
bool
|
Stampa il tempo di calcolo di ogni livello se Vero, per impostazione predefinita è Falso. |
False
|
visualize |
bool
|
Salva le mappe delle caratteristiche del modello se Vero, per impostazione predefinita è Falso. |
False
|
augment |
bool
|
Aumenta l'immagine durante la predizione; l'impostazione predefinita è False. |
False
|
embed |
list
|
Un elenco di vettori di caratteristiche/embeddings da restituire. |
None
|
Restituzione:
Tipo | Descrizione |
---|---|
Tensor
|
L'ultimo output del modello. |
Codice sorgente in ultralytics/nn/tasks.py
ultralytics.nn.tasks.DetectionModel
Basi: BaseModel
YOLOv8 modello di rilevamento.
Codice sorgente in ultralytics/nn/tasks.py
__init__(cfg='yolov8n.yaml', ch=3, nc=None, verbose=True)
Inizializza il modello di rilevamento di YOLOv8 con la configurazione e i parametri indicati.
Codice sorgente in ultralytics/nn/tasks.py
ultralytics.nn.tasks.OBBModel
Basi: DetectionModel
YOLOv8 Modello Oriented Bounding Box (OBB).
Codice sorgente in ultralytics/nn/tasks.py
__init__(cfg='yolov8n-obb.yaml', ch=3, nc=None, verbose=True)
Inizializza il modello YOLOv8 OBB con la configurazione e i parametri indicati.
ultralytics.nn.tasks.SegmentationModel
Basi: DetectionModel
YOLOv8 modello di segmentazione.
Codice sorgente in ultralytics/nn/tasks.py
__init__(cfg='yolov8n-seg.yaml', ch=3, nc=None, verbose=True)
Inizializza il modello di segmentazione di YOLOv8 con la configurazione e i parametri indicati.
ultralytics.nn.tasks.PoseModel
Basi: DetectionModel
YOLOv8 modello di posa.
Codice sorgente in ultralytics/nn/tasks.py
__init__(cfg='yolov8n-pose.yaml', ch=3, nc=None, data_kpt_shape=(None, None), verbose=True)
Inizializza il modello di posa YOLOv8 .
Codice sorgente in ultralytics/nn/tasks.py
ultralytics.nn.tasks.ClassificationModel
Basi: BaseModel
YOLOv8 modello di classificazione.
Codice sorgente in ultralytics/nn/tasks.py
__init__(cfg='yolov8n-cls.yaml', ch=3, nc=None, verbose=True)
Intraprende il ClassificationModel con YAML, canali, numero di classi, flag verbose.
init_criterion()
reshape_outputs(model, nc)
staticmethod
Aggiorna un modello di classificazione TorchVision al numero di classi 'n', se necessario.
Codice sorgente in ultralytics/nn/tasks.py
ultralytics.nn.tasks.RTDETRDetectionModel
Basi: DetectionModel
RTDETR (Real-time DEtection and Tracking using Transformers) Classe del modello di rilevamento.
Questa classe è responsabile della costruzione dell'architettura di RTDETR, della definizione delle funzioni di perdita e della facilitazione dei processi di i processi di formazione e di inferenza. RTDETR è un modello di rilevamento e tracciamento degli oggetti che si estende dalla classe di base DetectionModel.
Attributi:
Nome | Tipo | Descrizione |
---|---|---|
cfg |
str
|
Il percorso del file di configurazione o una stringa preimpostata. Il valore predefinito è 'rtdetr-l.yaml'. |
ch |
int
|
Numero di canali di ingresso. Il valore predefinito è 3 (RGB). |
nc |
int
|
Numero di classi per il rilevamento degli oggetti. Il valore predefinito è Nessuno. |
verbose |
bool
|
Specifica se le statistiche di riepilogo vengono mostrate durante l'inizializzazione. Il valore predefinito è Vero. |
Metodi:
Nome | Descrizione |
---|---|
init_criterion |
Inizializza il criterio utilizzato per il calcolo delle perdite. |
loss |
Calcola e restituisce la perdita durante l'allenamento. |
predict |
Esegue un passaggio in avanti attraverso la rete e restituisce l'output. |
Codice sorgente in ultralytics/nn/tasks.py
441 442 443 444 445 446 447 448 449 450 451 452 453 454 455 456 457 458 459 460 461 462 463 464 465 466 467 468 469 470 471 472 473 474 475 476 477 478 479 480 481 482 483 484 485 486 487 488 489 490 491 492 493 494 495 496 497 498 499 500 501 502 503 504 505 506 507 508 509 510 511 512 513 514 515 516 517 518 519 520 521 522 523 524 525 526 527 528 529 530 531 532 533 534 535 536 537 538 539 540 541 542 543 544 545 546 547 548 549 550 551 552 553 554 555 |
|
__init__(cfg='rtdetr-l.yaml', ch=3, nc=None, verbose=True)
Inizializza il modello RTDETRDetectionModel.
Parametri:
Nome | Tipo | Descrizione | Predefinito |
---|---|---|---|
cfg |
str
|
Nome o percorso del file di configurazione. |
'rtdetr-l.yaml'
|
ch |
int
|
Numero di canali di ingresso. |
3
|
nc |
int
|
Numero di classi. Il valore predefinito è Nessuno. |
None
|
verbose |
bool
|
Stampa informazioni aggiuntive durante l'inizializzazione. Il valore predefinito è Vero. |
True
|
Codice sorgente in ultralytics/nn/tasks.py
init_criterion()
Inizializza il criterio di perdita per il modello RTDETRDetectionModel.
loss(batch, preds=None)
Calcola la perdita per il lotto di dati dato.
Parametri:
Nome | Tipo | Descrizione | Predefinito |
---|---|---|---|
batch |
dict
|
Dizionario contenente i dati dell'immagine e dell'etichetta. |
richiesto |
preds |
Tensor
|
Previsioni del modello precalcolate. Il valore predefinito è Nessuno. |
None
|
Restituzione:
Tipo | Descrizione |
---|---|
tuple
|
Una tupla contenente la perdita totale e le tre perdite principali in un sito tensor. |
Codice sorgente in ultralytics/nn/tasks.py
predict(x, profile=False, visualize=False, batch=None, augment=False, embed=None)
Esegui un passaggio in avanti attraverso il modello.
Parametri:
Nome | Tipo | Descrizione | Predefinito |
---|---|---|---|
x |
Tensor
|
L'ingresso tensor. |
richiesto |
profile |
bool
|
Se Vero, profila il tempo di calcolo per ogni livello. L'impostazione predefinita è False. |
False
|
visualize |
bool
|
Se Vero, salva le mappe delle caratteristiche per la visualizzazione. L'impostazione predefinita è False. |
False
|
batch |
dict
|
Dati di verità per la valutazione. Il valore predefinito è Nessuno. |
None
|
augment |
bool
|
Se Vero, esegue l'incremento dei dati durante l'inferenza. L'impostazione predefinita è False. |
False
|
embed |
list
|
Un elenco di vettori di caratteristiche/embeddings da restituire. |
None
|
Restituzione:
Tipo | Descrizione |
---|---|
Tensor
|
Uscita del modello tensor. |
Codice sorgente in ultralytics/nn/tasks.py
ultralytics.nn.tasks.WorldModel
Basi: DetectionModel
YOLOv8 Modello mondiale.
Codice sorgente in ultralytics/nn/tasks.py
558 559 560 561 562 563 564 565 566 567 568 569 570 571 572 573 574 575 576 577 578 579 580 581 582 583 584 585 586 587 588 589 590 591 592 593 594 595 596 597 598 599 600 601 602 603 604 605 606 607 608 609 610 611 612 613 614 615 616 617 618 619 620 621 622 623 624 625 626 627 628 629 630 631 632 633 634 635 636 637 638 639 640 641 642 643 644 |
|
__init__(cfg='yolov8s-world.yaml', ch=3, nc=None, verbose=True)
Inizializza il modello del mondo di YOLOv8 con la configurazione e i parametri indicati.
Codice sorgente in ultralytics/nn/tasks.py
loss(batch, preds=None)
Calcolo della perdita.
Parametri:
Nome | Tipo | Descrizione | Predefinito |
---|---|---|---|
batch |
dict
|
Lotto su cui calcolare la perdita. |
richiesto |
preds |
Tensor | List[Tensor]
|
Previsioni. |
None
|
Codice sorgente in ultralytics/nn/tasks.py
predict(x, profile=False, visualize=False, txt_feats=None, augment=False, embed=None)
Esegui un passaggio in avanti attraverso il modello.
Parametri:
Nome | Tipo | Descrizione | Predefinito |
---|---|---|---|
x |
Tensor
|
L'ingresso tensor. |
richiesto |
profile |
bool
|
Se Vero, profila il tempo di calcolo per ogni livello. L'impostazione predefinita è False. |
False
|
visualize |
bool
|
Se Vero, salva le mappe delle caratteristiche per la visualizzazione. L'impostazione predefinita è False. |
False
|
txt_feats |
Tensor
|
Le caratteristiche del testo, usale se sono date. Il valore predefinito è Nessuno. |
None
|
augment |
bool
|
Se Vero, esegue l'incremento dei dati durante l'inferenza. L'impostazione predefinita è False. |
False
|
embed |
list
|
Un elenco di vettori di caratteristiche/embeddings da restituire. |
None
|
Restituzione:
Tipo | Descrizione |
---|---|
Tensor
|
Uscita del modello tensor. |
Codice sorgente in ultralytics/nn/tasks.py
set_classes(text, batch=80, cache_clip_model=True)
Impostare le classi in anticipo in modo che il modello possa fare l'inferenza offline senza il modello di clip.
Codice sorgente in ultralytics/nn/tasks.py
ultralytics.nn.tasks.Ensemble
Basi: ModuleList
Ensemble di modelli.
Codice sorgente in ultralytics/nn/tasks.py
__init__()
forward(x, augment=False, profile=False, visualize=False)
La funzione genera il livello finale della rete YOLO .
Codice sorgente in ultralytics/nn/tasks.py
ultralytics.nn.tasks.temporary_modules(modules=None)
Gestore del contesto per aggiungere o modificare temporaneamente i moduli nella cache dei moduli di Python(sys.modules
).
Questa funzione può essere utilizzata per modificare i percorsi dei moduli in fase di esecuzione. È utile in caso di rifattorizzazione del codice, in cui hai spostato un modulo da una posizione a un'altra, ma vuoi comunque supportare i vecchi percorsi di importazione per la retrocompatibilità.
Parametri:
Nome | Tipo | Descrizione | Predefinito |
---|---|---|---|
modules |
dict
|
Un dizionario che mappa i percorsi dei vecchi moduli con quelli nuovi. |
None
|
Esempio
Nota
Le modifiche sono attive solo all'interno del gestore del contesto e vengono annullate una volta che il gestore del contesto esce.
Tieni presente che la manipolazione diretta di sys.modules
può portare a risultati imprevedibili, soprattutto in applicazioni o librerie di grandi dimensioni.
applicazioni o librerie più grandi. Usa questa funzione con cautela.
Codice sorgente in ultralytics/nn/tasks.py
ultralytics.nn.tasks.torch_safe_load(weight)
Questa funzione tenta di caricare un modello PyTorch con la funzione torch.load(). Se viene sollevato un ModuleNotFoundError, cattura l'errore, registra un messaggio di avvertimento e tenta di installare il modulo mancante tramite la funzione check_requirements(). Dopo l'installazione, la funzione tenta nuovamente di caricare il modello utilizzando torch.load().
Parametri:
Nome | Tipo | Descrizione | Predefinito |
---|---|---|---|
weight |
str
|
Il percorso del file del modello PyTorch . |
richiesto |
Restituzione:
Tipo | Descrizione |
---|---|
dict
|
Il modello PyTorch caricato. |
Codice sorgente in ultralytics/nn/tasks.py
ultralytics.nn.tasks.attempt_load_weights(weights, device=None, inplace=True, fuse=False)
Carica un insieme di modelli pesi=[a,b,c] o un singolo modello pesi=[a] o pesi=a.
Codice sorgente in ultralytics/nn/tasks.py
ultralytics.nn.tasks.attempt_load_one_weight(weight, device=None, inplace=True, fuse=False)
Carica i pesi di un singolo modello.
Codice sorgente in ultralytics/nn/tasks.py
ultralytics.nn.tasks.parse_model(d, ch, verbose=True)
Analizza un dizionario YOLO model.yaml in un modello PyTorch .
Codice sorgente in ultralytics/nn/tasks.py
830 831 832 833 834 835 836 837 838 839 840 841 842 843 844 845 846 847 848 849 850 851 852 853 854 855 856 857 858 859 860 861 862 863 864 865 866 867 868 869 870 871 872 873 874 875 876 877 878 879 880 881 882 883 884 885 886 887 888 889 890 891 892 893 894 895 896 897 898 899 900 901 902 903 904 905 906 907 908 909 910 911 912 913 914 915 916 917 918 919 920 921 922 923 924 925 926 927 928 929 930 931 932 933 934 935 936 937 938 939 940 941 942 |
|
ultralytics.nn.tasks.yaml_model_load(path)
Carica un modello YOLOv8 da un file YAML.
Codice sorgente in ultralytics/nn/tasks.py
ultralytics.nn.tasks.guess_model_scale(model_path)
Prende in input il percorso del file YAML di un modello YOLO ed estrae il carattere size della scala del modello. La funzione utilizza la corrispondenza delle espressioni regolari per trovare il modello della scala del modello nel nome del file YAML, che è indicato da n, s, m, l o x. La funzione restituisce il carattere di dimensione della scala del modello come stringa.
Parametri:
Nome | Tipo | Descrizione | Predefinito |
---|---|---|---|
model_path |
str | Path
|
Il percorso del file YAML del modello YOLO . |
richiesto |
Restituzione:
Tipo | Descrizione |
---|---|
str
|
Il carattere di grandezza della scala del modello, che può essere n, s, m, l o x. |
Codice sorgente in ultralytics/nn/tasks.py
ultralytics.nn.tasks.guess_model_task(model)
Indovina il compito di un modello PyTorch dalla sua architettura o configurazione.
Parametri:
Nome | Tipo | Descrizione | Predefinito |
---|---|---|---|
model |
Module | dict
|
PyTorch modello o configurazione del modello in formato YAML. |
richiesto |
Restituzione:
Tipo | Descrizione |
---|---|
str
|
Compito del modello ('rilevare', 'segmentare', 'classificare', 'posare'). |
Aumenta:
Tipo | Descrizione |
---|---|
SyntaxError
|
Se non è possibile determinare il compito del modello. |
Codice sorgente in ultralytics/nn/tasks.py
982 983 984 985 986 987 988 989 990 991 992 993 994 995 996 997 998 999 1000 1001 1002 1003 1004 1005 1006 1007 1008 1009 1010 1011 1012 1013 1014 1015 1016 1017 1018 1019 1020 1021 1022 1023 1024 1025 1026 1027 1028 1029 1030 1031 1032 1033 1034 1035 1036 1037 1038 1039 1040 1041 1042 1043 1044 1045 1046 1047 1048 1049 1050 1051 1052 1053 1054 1055 |
|