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 . È sufficiente eseguire tutti i task dal terminale con il comando yolo comando.



Guarda: Mastering Ultralytics YOLO : CLI

Esempio

Ultralytics yolo I comandi utilizzano 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.
Vedere tutti gli ARGS nell'elenco completo Guida alla configurazione o con yolo cfg

Addestrare un modello di rilevamento per 10 epoche con un tasso_di_apprendimento iniziale di 0,01. 

yolo train data=coco8.yaml model=yolo11n.pt epochs=10 lr0=0.01

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

yolo predict model=yolo11n-seg.pt source='https://youtu.be/LNwODJXcvt4' imgsz=320

Val un modello di rilevamento pre-addestrato alla dimensione del batch 1 e alla dimensione dell'immagine 640: 

yolo val model=yolo11n.pt data=coco8.yaml batch=1 imgsz=640

Esportazione di un modello di classificazione YOLO11n in formato ONNX con dimensioni dell'immagine 224 per 128 (non è richiesto alcun TASK). 

yolo export model=yolo11n-cls.pt format=onnx imgsz=224,128

Eseguite 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 uno dei seguenti [detect, segment, classify, pose, obb]. Se non viene passato esplicitamente, YOLO11 cercherà di indovinare l'indirizzo 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 vedere il Configurazione pagina e defaults.yaml

Avvertenze

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

  • yolo predict model=yolo11n.pt imgsz=640 conf=0.25   ✅
  • yolo predict model yolo11n.pt imgsz 640 conf 0.25   ❌
  • yolo predict --model yolo11n.pt --imgsz 640 --conf 0.25   ❌

Treno

Addestrare YOLO11n sul set di dati COCO8 per 100 epoche con dimensioni dell'immagine 640. Per un elenco completo degli argomenti disponibili, vedere la pagina di configurazione.

Esempio

Avviare l'addestramento di YOLO11n su COCO8 per 100 epoch a dimensione immagine 640. 

yolo detect train data=coco8.yaml model=yolo11n.pt epochs=100 imgsz=640

Riprendere una formazione interrotta. 

yolo detect train resume model=last.pt

Val

Convalida del modello YOLO11n addestrato precisione sul set di dati COCO8. Non sono necessari argomenti in quanto l'opzione model mantiene la sua formazione data e gli argomenti come attributi del modello.

Esempio

Convalidare un modello ufficiale YOLO11n. 

yolo detect val model=yolo11n.pt

Convalida di un modello addestrato su misura. 

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

Prevedere

Utilizzare un modello YOLO11n addestrato per eseguire previsioni sulle immagini.

Esempio

Prevedere con un modello ufficiale YOLO11n. 

yolo detect predict model=yolo11n.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

Esportazione di un modello YOLO11n in un formato diverso come ONNX, CoreML, ecc.

Esempio

Esportazione di un modello ufficiale YOLO11n in formato ONNX . 

yolo export model=yolo11n.pt format=onnx

Esportazione di un modello addestrato su misura in formato ONNX . 

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

I formati di esportazione disponibili in YOLO11 sono riportati nella tabella seguente. È possibile esportare in qualsiasi formato utilizzando l'opzione format cioè l'argomento format='onnx' o format='engine'.

Formato format Argomento Modello Metadati Argomenti
PyTorch - yolo11n.pt ✅ -
TorchScript torchscript yolo11n.torchscript ✅ imgsz, optimize, batch
ONNX onnx yolo11n.onnx ✅ imgsz, half, dynamic, simplify, opset, batch
OpenVINO openvino yolo11n_openvino_model/ ✅ imgsz, half, int8, batch
TensorRT engine yolo11n.engine ✅ imgsz, half, dynamic, simplify, workspace, int8, batch
CoreML coreml yolo11n.mlpackage ✅ imgsz, half, int8, nms, batch
TF SavedModel saved_model yolo11n_saved_model/ ✅ imgsz, keras, int8, batch
TF GraphDef pb yolo11n.pb ❌ imgsz, batch
TF Lite tflite yolo11n.tflite ✅ imgsz, half, int8, batch
TF Bordo TPU edgetpu yolo11n_edgetpu.tflite ✅ imgsz
TF.js tfjs yolo11n_web_model/ ✅ imgsz, half, int8, batch
PaddlePaddle paddle yolo11n_paddle_model/ ✅ imgsz, batch
MNN mnn yolo11n.mnn ✅ imgsz, batch, int8, half
NCNN ncnn yolo11n_ncnn_model/ ✅ imgsz, half, batch
IMX500 imx yolov8n_imx_model/ ✅ imgsz, int8

Vedi tutto export dettagli nel Esportazione pagina.

Sovrascrittura degli argomenti predefiniti

Gli argomenti predefiniti possono essere sovrascritti semplicemente passandoli come argomenti all'indirizzo 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=yolo11n.pt epochs=10 lr0=0.01

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

yolo segment predict model=yolo11n-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=yolo11n.pt data=coco8.yaml batch=1 imgsz=640

Sovrascrittura del file di configurazione predefinito

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

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

Questo 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

FAQ

Come si utilizza l'interfaccia a riga di comando Ultralytics YOLO11 (CLI) per l'addestramento del modello?

Per addestrare un modello YOLO11 utilizzando CLI, si può 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, si deve eseguire:

yolo train data=coco8.yaml model=yolo11n.pt epochs=10 lr0=0.01

Questo comando utilizza l'opzione train con argomenti specifici. Consultare l'elenco completo degli argomenti disponibili nel file Guida alla configurazione.

Quali compiti posso svolgere con Ultralytics YOLO11 CLI ?

Ultralytics YOLO11 CLI supporta una serie di attività, 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: Utilizzo yolo predict model=<model.pt> source=<data_source> imgsz=<image_size>.
  • Esportare un modello: Eseguire yolo export model=<model.pt> format=<export_format>.

Ogni task può essere personalizzato con vari argomenti. Per la sintassi dettagliata e gli esempi, si vedano le rispettive sezioni Train, Predict ed Export.

Come posso convalidare l'accuratezza di un modello YOLO11 addestrato utilizzando CLI?

Per convalidare l'accuratezza di un modello YOLO11 , utilizzare la funzione val modalità. Ad esempio, per convalidare un modello di rilevamento preaddestrato con un modello di rilevazione Dimensione del lotto di 1 e dimensione dell'immagine di 640, eseguire:

yolo val model=yolo11n.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, consultare la sezione Val.

In quali formati posso esportare i miei modelli YOLO11 utilizzando CLI?

YOLO11 i modelli possono essere esportati in vari formati, come ONNX, CoreML, TensorRT e altri ancora. Per esempio, per esportare un modello nel formato ONNX , eseguire:

yolo export model=yolo11n.pt format=onnx

Per i dettagli completi, visitate la pagina Esportazione.

Come si personalizzano i comandi di YOLO11 CLI per ignorare gli argomenti predefiniti?

Per sovrascrivere gli argomenti predefiniti nei comandi di YOLO11 CLI , passateli come arg=value coppie. Ad esempio, per addestrare un modello con argomenti personalizzati, utilizzare:

yolo train data=coco8.yaml model=yolo11n.pt epochs=10 lr0=0.01

Per un elenco completo degli argomenti disponibili e delle relative descrizioni, consultare la Guida alla configurazione. Assicurarsi che gli argomenti siano formattati correttamente, come mostrato nella sezione Sovrascrittura degli argomenti predefiniti.

📅C reato 1 anno fa ✏️ Aggiornato 2 mesi fa
Assistente Ultralitico glenn-jocher jk4e MatteoNoyce ambizioso-octopus Burhan-Q RizwanMunawar AyushExel Ridere-q nihui

Commenti