コマンドラインインターフェイスの使用法
YOLO コマンドラインインターフェイス(CLI)は、Python 環境を必要とせず、シンプルなシングルラインコマンドを可能にする。CLI カスタマイズやPython コードは必要ない。単純にターミナルから yolo
コマンドを使用している。
見るんだ: MasteringUltralytics YOLOv8 :CLI
例
Ultralytics yolo
コマンドは以下の構文を使う:
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.
yolo cfg
事前に学習させたセグメンテーションモデルを使って、画像サイズ320のYouTube動画を予測する:
YOLOv8n 分類モデルを、画像サイズ 224 x 128 でONNX フォーマットにエクスポートする(TASK は不要)。
どこでだ:
TASK
(オプション) は次のいずれかです。[detect, segment, classify]
.明示的に渡されていない場合、YOLOv8 はその値を推測しようとします。TASK
モデルタイプからMODE
(必須) は次のいずれかである。[train, val, predict, export, track]
ARGS
(オプション) は、任意の数のカスタムarg=value
のようなペア。imgsz=320
デフォルトを上書きする。利用可能なARGS
を参照のこと。 構成 ページとdefaults.yaml
ギットハブ ソース.
警告
引数は arg=val
ペア、イコールで分割 =
記号とスペースで区切られる ペアの間にを使用しないでください。
--
引数の接頭辞またはコンマ ,
引数間の
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
❌
電車
COCO8データセットでYOLOv8n 、画像サイズ640で100エポック学習します。利用可能な引数の全リストは設定ページを参照。
例
バル
COCO8 データセットで学習済みYOLOv8n モデルの精度を検証する。として引数を渡す必要はない。 model
トレーニング data
と引数をモデル属性として使用する。
例
予測する
学習済みのYOLOv8n モデルを使って、画像の予測を実行する。
例
輸出
YOLOv8n 、ONNX 、CoreML などの異なるフォーマットにエクスポートします。
例
利用可能なYOLOv8 エクスポート形式は以下の表の通りです。どのフォーマットでも format
引数、すなわち format='onnx'
または format='engine'
.
フォーマット | format 議論 |
モデル | メタデータ | 論争 |
---|---|---|---|---|
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 , 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 ライト | tflite |
yolov8n.tflite |
✅ | imgsz , half , int8 , batch |
TF エッジTPU | edgetpu |
yolov8n_edgetpu.tflite |
✅ | imgsz , batch |
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 |
詳細を見る export
詳細は 輸出 ページを参照されたい。
デフォルト引数の上書き
デフォルトの引数は、CLI で引数として渡すだけでオーバーライドできる。 arg=value
組。
の検出モデルを訓練する。 10 epochs
と learning_rate
の 0.01
事前に学習させたセグメンテーションモデルを使って、画像サイズ320のYouTube動画を予測する:
デフォルトの設定ファイルを上書きする
をオーバーライドできます。 default.yaml
を持つ新しいファイルを渡すことで、コンフィグファイル全体を変更できる。 cfg
すなわち cfg=custom.yaml
.
これを行うには、まず default.yaml
現在の作業ディレクトリに yolo copy-cfg
コマンドを使用している。
これによって default_copy.yaml
として渡すことができる。 cfg=default_copy.yaml
のような追加引数とともに imgsz=320
この例では
作成日:2023-11-12 更新日:2024-04-27
作成者:glenn-jocher(14),Burhan-Q(1),RizwanMunawar(1),AyushExel(1),Laughing-q(1),shuizhuyuanluo@126.com(1)