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 YOLO :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, 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.
yolo cfg
検出モデルを初期学習率0.01で10エポック学習させる。
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:
どこでだ:
TASK
(オプション) は次のいずれかです。[detect, segment, classify, pose, obb]
.明示的に渡されていない場合、YOLO11 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, benchmark]
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
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=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
❌
電車
COCO8データセットでYOLO11nを画像サイズ640で100エポック学習させる。利用可能な引数の全リストは設定ページを参照。
例
バル
学習済みYOLO11nモデルの検証 精度 をCOCO8データセットに適用した。引数は必要ない。 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
訓練されたYOLO11nモデルを使って、画像の予測を実行する。
例
輸出
YOLO11nモデルを、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YOLO11 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 | 議論 |
---|---|---|---|---|
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 ライト | tflite |
yolo11n.tflite |
✅ | imgsz , half , int8 , batch |
TF エッジ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 |
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。
チップ
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
よくあるご質問
モデルトレーニングにUltralytics YOLO11 コマンドラインインターフェース (CLI) を使用するにはどうすればよいですか?
CLI を使ってYOLO11 モデルを訓練するには、ターミナルで単純な1行コマンドを実行すればよい。例えば、検出モデルを学習率0.01で10エポック学習させるには、次のように実行する:
このコマンドは train
モードに特定の引数を指定する。利用可能な引数の一覧は 設定ガイド.
Ultralytics YOLO11 CLI ではどのような作業ができますか?
Ultralytics YOLO11 CLI 検出、セグメンテーション、分類、検証、予測、エクスポート、トラッキングなど、さまざまなタスクをサポートする。例えば
- モデルを訓練する:走る
yolo train data=<data.yaml> model=<model.pt> epochs=<num>
. - ラン予想:用途
yolo predict model=<model.pt> source=<data_source> imgsz=<image_size>
. - モデルのエクスポート:実行
yolo export model=<model.pt> format=<export_format>
.
各タスクは様々な引数でカスタマイズできる。詳細な構文と例については、Train、Predict、Exportなどの各セクションを参照してください。
CLI を使って学習させたYOLO11 モデルの精度を検証するにはどうすればよいですか?
YOLO11 、モデルの精度を検証する。 val
モードである。例えば、事前に訓練された検出モデルを バッチサイズ を1、画像サイズを640にして実行する:
このコマンドは、指定されたデータセット上でモデルを評価し、パフォーマンス・メトリクスを提供します。詳細については、Valセクションを参照してください。
CLI を使って、YOLO11 のモデルをどのような形式でエクスポートできますか?
YOLO11 モデルは、ONNX 、CoreML 、TensorRT など、さまざまな形式にエクスポートすることができます。例えば、モデルをONNX フォーマットにエクスポートするには、次のように実行します:
詳細は輸出のページをご覧ください。
YOLO11 CLI コマンドをカスタマイズしてデフォルトの引数を上書きするには?
YOLO11 CLI コマンドのデフォルト引数を上書きするには、次のように渡します。 arg=value
のペアである。例えば、カスタム引数を使ってモデルをトレーニングするには、次のようにする:
使用可能な引数の全リストとその説明については、コンフィギュレーション・ガイドを参照してください。デフォルト引数の上書き」のセクションにあるように、引数が正しくフォーマットされていることを確認してください。