명령줄 인터페이스 사용법

YOLO 명령줄 인터페이스(CLI)를 사용하면 Python 환경 없이도 간단한 한 줄 명령으로 작업을 수행할 수 있습니다. CLI 사용자 지정이나 Python 코드가 필요하지 않습니다. 터미널에서 모든 작업을 간단히 실행할 수 있습니다. yolo 명령을 사용합니다.

Watch: 마스터하기 Ultralytics YOLOv8 : CLI

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

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

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

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

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

Where:

• TASK (선택 사항)은 다음 중 하나입니다. [detect, segment, classify]. 명시적으로 전달되지 않은 경우 YOLOv8 은 다음을 추측하려고 시도합니다. TASK 를 모델 유형에서 선택합니다.
• MODE (필수)는 다음 중 하나입니다. [train, val, predict, export, track]
• ARGS (선택 사항) 사용자 지정 arg=value 같은 imgsz=320 기본값을 재정의할 수 있습니다. 사용 가능한 전체 목록은 ARGS 를 참조하십시오. 구성 페이지와 defaults.yaml GitHub 출처.

기차

YOLOv8n 을 이미지 크기 640으로 100개의 에포크에 대해 COCO8 데이터셋으로 훈련합니다. 사용 가능한 인수의 전체 목록은 구성 페이지를 참조하세요.

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

yolo detect train resume model=last.pt

Val

COCO8 데이터 세트에서 학습된 YOLOv8n 모델 정확도를 검증합니다. 인수를 전달할 필요가 없습니다. model 교육 유지 data 및 인수를 모델 속성으로 사용합니다.

yolo detect val model=yolov8n.pt

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

예측

학습된 YOLOv8n 모델을 사용하여 이미지에 대한 예측을 실행합니다.

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

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

내보내기

YOLOv8n 모델을 ONNX, CoreML 등과 같은 다른 형식으로 내보냅니다.

yolo export model=yolov8n.pt format=onnx

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

사용 가능한 YOLOv8 내보내기 형식은 아래 표에 나와 있습니다. 내보내는 형식은 format 인수, 즉 format='onnx' 또는 format='engine'.

전체 보기 export 세부 정보에서 내보내기 페이지로 이동합니다.

기본 인수 재정의

기본 인수는 CLI 에 인자로 전달하기만 하면 재정의할 수 있습니다. arg=value 쌍입니다.

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

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

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

기본 구성 파일 재정의

재정의할 수 있습니다. default.yaml 구성 파일을 완전히 새 파일로 전달하여 cfg 인자, 즉 cfg=custom.yaml.

이렇게 하려면 먼저 default.yaml 를 사용하여 현재 작업 디렉토리에 yolo copy-cfg 명령을 사용합니다.

이렇게 하면 다음이 생성됩니다. default_copy.yaml로 전달할 수 있습니다. cfg=default_copy.yaml 와 같은 추가 인자와 함께 imgsz=320 이 예제에서는

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

댓글