Vai al contenuto

Utilizzo dell'interfaccia a riga di comando

L'interfaccia a riga di comando YOLO (CLI) consente di eseguire semplici comandi a riga singola senza la necessitĂ  di un ambiente Python . CLI non richiede alcuna personalizzazione o codice Python . Puoi semplicemente eseguire tutte le attivitĂ  dal terminale con il comando yolo comando.



Guarda: Mastering Ultralytics YOLOv8 : CLI

Esempio

Ultralytics yolo utilizza la seguente sintassi: 

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.
Vedi tutti gli ARGS nella sezione completa Guida alla configurazione o con yolo cfg

Addestra un modello di rilevamento per 10 epoche con un tasso di apprendimento iniziale di 0,01. 

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

Prevedere un video di YouTube utilizzando un modello di segmentazione preaddestrato con dimensioni dell'immagine pari a 320: 

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

Val un modello di rilevamento preaddestrato alla dimensione del lotto 1 e alla dimensione dell'immagine 640: 

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

Esporta un modello di classificazione YOLOv8n in formato ONNX con dimensioni dell'immagine 224 per 128 (non è richiesto alcun TASK) 

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

Esegui comandi speciali per vedere la versione, visualizzare le impostazioni, eseguire controlli e altro ancora: 

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

Dove:

  • TASK (opzionale) è una delle seguenti opzioni [detect, segment, classify, pose, obb]. Se non viene passato esplicitamente, YOLOv8 cercherĂ  di indovinare l'indirizzo del sito. TASK dal tipo di modello.
  • MODE (richiesto) è uno dei seguenti [train, val, predict, export, track, benchmark]
  • ARGS (facoltativo) sono un numero qualsiasi di elementi personalizzati arg=value coppie come imgsz=320 che sovrascrivono le impostazioni predefinite. Per un elenco completo delle opzioni disponibili ARGS vedi il Configurazione pagina e defaults.yaml

Avvertenze

Gli argomenti devono essere passati come arg=val coppie, divise da un uguale = e delimitato da spazi tra le coppie. Non utilizzare -- prefissi o virgole degli argomenti , tra gli argomenti.

  • yolo predict model=yolov8n.pt imgsz=640 conf=0.25   âś…
  • yolo predict model yolov8n.pt imgsz 640 conf 0.25   ❌
  • yolo predict --model yolov8n.pt --imgsz 640 --conf 0.25   ❌

Treno

Addestra YOLOv8n sul set di dati COCO8 per 100 epoche con dimensioni dell'immagine pari a 640. Per un elenco completo degli argomenti disponibili, consulta la pagina di configurazione.

Esempio

Avvia l'addestramento di YOLOv8n su COCO8 per 100 epoche con dimensioni dell'immagine 640. 

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

Riprendere un allenamento interrotto. 

yolo detect train resume model=last.pt

Val

Validate trained YOLOv8n model accuracy on the COCO8 dataset. No arguments are needed as the model mantiene la sua formazione data e gli argomenti come attributi del modello.

Esempio

Convalida un modello ufficiale di YOLOv8n . 

yolo detect val model=yolov8n.pt

Convalida un modello addestrato su misura. 

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

Prevedere

Utilizza un modello YOLOv8n addestrato per eseguire previsioni sulle immagini.

Esempio

Prevedi con un modello ufficiale di YOLOv8n . 

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

Prevedere con un modello personalizzato. 

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

Esportazione

Esporta un modello YOLOv8n in un formato diverso come ONNX, CoreML, ecc.

Esempio

Esporta un modello ufficiale YOLOv8n nel formato ONNX . 

yolo export model=yolov8n.pt format=onnx

Esporta un modello addestrato in modo personalizzato nel formato ONNX . 

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

I formati di esportazione disponibili su YOLOv8 sono riportati nella tabella seguente. Puoi esportare in qualsiasi formato utilizzando l'opzione format argomento, vale a dire format='onnx' o format='engine'.

Formato format Argomento Modello Metadati Argomenti
PyTorch - yolov8n.pt âś… -
TorchScript torchscript yolov8n.torchscript âś… imgsz, optimize, batch
ONNX onnx yolov8n.onnx âś… imgsz, half, dynamic, simplify, opset, batch
OpenVINO openvino yolov8n_openvino_model/ âś… imgsz, half, int8, batch
TensorRT engine yolov8n.engine âś… imgsz, half, dynamic, simplify, workspace, int8, batch
CoreML coreml yolov8n.mlpackage âś… imgsz, half, int8, nms, batch
TF SavedModel saved_model yolov8n_saved_model/ âś… imgsz, keras, int8, batch
TF GraphDef pb yolov8n.pb ❌ imgsz, batch
TF Lite tflite yolov8n.tflite âś… imgsz, half, int8, batch
TF Bordo TPU edgetpu yolov8n_edgetpu.tflite âś… imgsz
TF.js tfjs yolov8n_web_model/ âś… imgsz, half, int8, batch
PaddlePaddle paddle yolov8n_paddle_model/ âś… imgsz, batch
NCNN ncnn yolov8n_ncnn_model/ âś… imgsz, half, batch

Vedi tutto export dettagli nella sezione Esportazione pagina.

Sovrascrivere gli argomenti predefiniti

Gli argomenti predefiniti possono essere sovrascritti semplicemente passandoli come argomenti nel sito CLI in arg=value coppie.

Suggerimento

Addestrare un modello di rilevamento per 10 epochs con learning_rate di 0.01 

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

Prevedere un video di YouTube utilizzando un modello di segmentazione preaddestrato con dimensioni dell'immagine pari a 320: 

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

Convalida di un modello di rilevamento preaddestrato con dimensione del lotto 1 e dimensione dell'immagine 640: 

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

Sovrascrivere il file di configurazione predefinito

Puoi sovrascrivere l'opzione default.yaml interamente passando un nuovo file con l'opzione cfg argomenti, cioè cfg=custom.yaml.

Per farlo, crea prima una copia di default.yaml nella tua cartella di lavoro attuale con l'opzione yolo copy-cfg comando.

In questo modo si creerà default_copy.yamlche può essere passato come cfg=default_copy.yaml insieme a qualsiasi argomento aggiuntivo, come imgsz=320 in questo esempio:

Esempio

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

DOMANDE FREQUENTI

Come si utilizza l'interfaccia a riga di comando Ultralytics YOLOv8 (CLI) per l'addestramento del modello?

Per addestrare un modello YOLOv8 utilizzando CLI, puoi eseguire un semplice comando di una riga nel terminale. Ad esempio, per addestrare un modello di rilevamento per 10 epoche con un tasso di apprendimento di 0,01, devi eseguire:

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

Questo comando utilizza l'opzione train con argomenti specifici. Consulta l'elenco completo degli argomenti disponibili nella sezione Guida alla configurazione.

Quali compiti posso svolgere con Ultralytics YOLOv8 CLI ?

Ultralytics YOLOv8 CLI supporta una serie di attivitĂ  tra cui il rilevamento, la segmentazione, la classificazione, la convalida, la predizione, l'esportazione e il tracciamento. Ad esempio:

  • Addestrare un modello: Esegui yolo train data=<data.yaml> model=<model.pt> epochs=<num>.
  • Previsioni di corsa: Usa yolo predict model=<model.pt> source=<data_source> imgsz=<image_size>.
  • Esportazione di un modello: Esegui yolo export model=<model.pt> format=<export_format>.

Ogni attività può essere personalizzata con vari argomenti. Per la sintassi dettagliata e gli esempi, consulta le rispettive sezioni come Train, Predict ed Export.

Come posso convalidare l'accuratezza di un modello YOLOv8 addestrato utilizzando il sito CLI?

Per convalidare l'accuratezza di un modello di YOLOv8 , usa la funzione val modalitĂ . Ad esempio, per convalidare un modello di rilevamento pre-addestrato con una dimensione del lotto di 1 e un'immagine di 640, esegui:

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

Questo comando valuta il modello sul set di dati specificato e fornisce le metriche delle prestazioni. Per maggiori dettagli, consulta la sezione Val.

In quali formati posso esportare i miei modelli YOLOv8 utilizzando CLI?

YOLOv8 i modelli possono essere esportati in vari formati come ONNX, CoreML, TensorRT e altri ancora. Ad esempio, per esportare un modello nel formato ONNX , esegui:

yolo export model=yolov8n.pt format=onnx

Per maggiori dettagli, visita la pagina Esportazione.

Come posso personalizzare i comandi di YOLOv8 CLI per ignorare gli argomenti predefiniti?

Per ignorare gli argomenti predefiniti nei comandi di YOLOv8 CLI , passali come arg=value coppie. Ad esempio, per addestrare un modello con argomenti personalizzati, usa:

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

Per un elenco completo degli argomenti disponibili e delle loro descrizioni, consulta la Guida alla configurazione. Assicurati che gli argomenti siano formattati correttamente, come mostrato nella sezione Sovrascrivere gli argomenti predefiniti.


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

Commenti