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 necessità di un ambiente Python . CLI non richiede alcuna personalizzazione o codice Python . Puoi semplicemente eseguire tutte le attività 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]
        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.
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]. Se non viene passato esplicitamente, YOLOv8 cercherà di indovinare l'indirizzo del sito. TASK dal tipo di modello.
  • MODE (richiesto) è uno dei seguenti [train, val, predict, export, track]
  • 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 GitHub fonte.

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   ✅
  • 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

Convalida l'accuratezza del modello YOLOv8n addestrato sul set di dati COCO8. Non è necessario passare alcun argomento come il parametro 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 -
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 Bordo 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

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.

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


Created 2023-11-12, Updated 2024-06-10
Authors: glenn-jocher (18), Burhan-Q (3), RizwanMunawar (1), AyushExel (1), Laughing-q (1), shuizhuyuanluo@126.com (1)

Commenti