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 YOLO : CLI

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

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

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

yolo export model=yolo11n-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, pose, obb]. 명시적으로 전달되지 않은 경우 YOLO11 은 다음을 추측하려고 시도합니다. TASK 를 모델 유형에서 선택합니다.
• MODE (필수)는 다음 중 하나입니다. [train, val, predict, export, track, benchmark]
• 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

기차

이미지 크기 640에서 100개의 에포크에 대해 COCO8 데이터 세트에서 YOLO11n을 훈련합니다. 사용 가능한 인수의 전체 목록은 구성 페이지를 참조하세요.

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

yolo detect train resume model=last.pt

Val

학습된 YOLO11n 모델 검증하기 정확성 로 설정할 수 있습니다. 인수가 필요하지 않으므로 model 교육 유지 data 및 인수를 모델 속성으로 사용합니다.

yolo detect val model=yolo11n.pt

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

예측

학습된 YOLO11n 모델을 사용하여 이미지에 대한 예측을 실행합니다.

yolo detect predict model=yolo11n.pt source='https://ultralytics.com/images/bus.jpg'

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

내보내기

ONNX, CoreML 등과 같은 다른 형식으로 YOLO11n 모델을 내보냅니다.

yolo export model=yolo11n.pt format=onnx

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

사용 가능한 YOLO11 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=yolo11n.pt epochs=10 lr0=0.01

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

yolo detect val model=yolo11n.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

자주 묻는 질문

모델 트레이닝을 위해 Ultralytics YOLO11 명령줄 인터페이스(CLI)를 사용하려면 어떻게 해야 하나요?

CLI 을 사용하여 YOLO11 모델을 훈련하려면 터미널에서 간단한 한 줄 명령을 실행하면 됩니다. 예를 들어 학습률이 0.01인 10개의 에포크에 대한 탐지 모델을 훈련하려면 다음과 같이 실행합니다:

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

이 명령은 train 모드를 특정 인수와 함께 사용할 수 있습니다. 사용 가능한 인수의 전체 목록은 다음을 참조하세요. 구성 가이드.

Ultralytics YOLO11 CLI 로 어떤 작업을 수행할 수 있나요?

Ultralytics YOLO11 CLI 은 탐지, 세분화, 분류, 유효성 검사, 예측, 내보내기, 추적 등 다양한 작업을 지원합니다. 예를 들어

• 모델 훈련: 실행 yolo train data=<data.yaml> model=<model.pt> epochs=<num>.
• 예측 실행: 사용 yolo predict model=<model.pt> source=<data_source> imgsz=<image_size>.
• 모델 내보내기: 실행 yolo export model=<model.pt> format=<export_format>.

각 작업은 다양한 인수를 사용하여 사용자 지정할 수 있습니다. 자세한 구문과 예제는 훈련, 예측, 내보내기 등의 각 섹션을 참조하세요.

CLI 을 사용하여 학습된 YOLO11 모델의 정확도를 검증하려면 어떻게 해야 하나요?

YOLO11 모델의 정확성을 검증하려면 다음을 사용합니다. val 모드를 사용하세요. 예를 들어, 사전 학습된 탐지 모델의 유효성을 검사하려면 배치 크기 를 1로 설정하고 이미지 크기를 640으로 설정하여 실행합니다:

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

이 명령은 지정된 데이터 세트에서 모델을 평가하고 성능 메트릭을 제공합니다. 자세한 내용은 Val 섹션을 참조하세요.

CLI 을 사용하여 YOLO11 모델을 어떤 형식으로 내보낼 수 있나요?

YOLO11 모델을 ONNX, CoreML, TensorRT 등과 같은 다양한 형식으로 내보낼 수 있습니다. 예를 들어 모델을 ONNX 형식으로 내보내려면 다음을 실행합니다:

yolo export model=yolo11n.pt format=onnx

자세한 내용은 내보내기 페이지를 참조하세요.

기본 인수를 재정의하도록 YOLO11 CLI 명령을 사용자 지정하려면 어떻게 해야 하나요?

YOLO11 CLI 명령에서 기본 인수를 재정의하려면 다음과 같이 전달합니다. arg=value 쌍을 사용합니다. 예를 들어 사용자 지정 인수를 사용하여 모델을 학습하려면 다음을 사용합니다:

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

사용 가능한 인수의 전체 목록과 설명은 설정 가이드를 참조하세요. 기본 인수 재정의하기 섹션에 표시된 대로 인수의 형식이 올바르게 지정되었는지 확인합니다.

📅1 년 전 생성됨 ✏️ 2개월 전 업데이트됨

댓글