Gebruik opdrachtregelinterface
De YOLO opdrachtregelinterface (CLI) maakt eenvoudige eenregelige opdrachten mogelijk zonder dat je een Python omgeving nodig hebt. CLI vereist geen aanpassingen of Python code. Je kunt alle taken gewoon vanaf de terminal uitvoeren met de yolo
commando.
Kijken: Ultralytics YOLOv8 : CLI
Voorbeeld
Ultralytics yolo
commando's gebruiken de volgende syntaxis:
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
Train een detectiemodel voor 10 epochs met een initiΓ«le leer_snelheid van 0,01
Voorspel een YouTube-video met behulp van een vooraf getraind segmentatiemodel op afbeeldingsformaat 320:
Waardeer een voorgetraind detectiemodel met batchgrootte 1 en afbeeldingsgrootte 640:
Exporteer een YOLOv8n classificatiemodel naar ONNX formaat op afbeeldingsformaat 224 bij 128 (geen TASK vereist)
Waar:
TASK
(optioneel) is een van[detect, segment, classify]
. Als het niet expliciet wordt doorgegeven zal YOLOv8 proberen deTASK
van het modeltype.MODE
(vereist) is een van[train, val, predict, export, track]
ARGS
(optioneel) zijn een willekeurig aantal aangepastearg=value
paren zoalsimgsz=320
die de standaardinstellingen overschrijven. Voor een volledige lijst van beschikbareARGS
zie de Configuratie pagina endefaults.yaml
GitHub bron.
Waarschuwing
Argumenten moeten worden doorgegeven als arg=val
paren, gesplitst door een is gelijk aan =
teken en afgebakend door spaties tussen paren. Gebruik geen
--
argumentvoorvoegsels of komma's ,
tussen argumenten.
yolo predict model=yolov8n.pt imgsz=640 conf=0.25
Β βyolo predict model yolov8n.pt imgsz 640 conf 0.25
Β βyolo predict --model yolov8n.pt --imgsz 640 --conf 0.25
Β β
Trein
Train YOLOv8n op de COCO8 dataset voor 100 epochs met afbeeldingsgrootte 640. Zie de configuratiepagina voor een volledige lijst met beschikbare argumenten.
Voorbeeld
Val
Valideer de nauwkeurigheid van het getrainde YOLOv8n model op de COCO8 dataset. Er hoeven geen argumenten te worden doorgegeven als de model
behoudt zijn training data
en argumenten als modelattributen.
Voorbeeld
Voorspel
Gebruik een getraind YOLOv8n model om voorspellingen op afbeeldingen uit te voeren.
Voorbeeld
Exporteer
Exporteer een YOLOv8n model naar een ander formaat zoals ONNX, CoreML, enz.
Voorbeeld
Beschikbare YOLOv8 exportformaten staan in de tabel hieronder. Je kunt naar elk formaat exporteren met de format
argument, d.w.z. format='onnx'
of format='engine'
.
Formaat | format Argument |
Model | Metagegevens | Argumenten |
---|---|---|---|---|
PyTorch | - | yolov8n.pt |
β | - |
TorchScript | torchscript |
yolov8n.torchscript |
β | imgsz , optimize , batch |
ONNX | onnx |
yolov8n.onnx |
β | imgsz , half , dynamic , simplify , opset , batch |
OpenVINO | openvino |
yolov8n_openvino_model/ |
β | imgsz , half , int8 , batch |
TensorRT | engine |
yolov8n.engine |
β | imgsz , half , dynamic , simplify , workspace , batch |
CoreML | coreml |
yolov8n.mlpackage |
β | imgsz , half , int8 , nms , batch |
TF SavedModel | saved_model |
yolov8n_saved_model/ |
β | imgsz , keras , int8 , batch |
TF GraphDef | pb |
yolov8n.pb |
β | imgsz , batch |
TF Lite | tflite |
yolov8n.tflite |
β | imgsz , half , int8 , batch |
TF Rand TPU | edgetpu |
yolov8n_edgetpu.tflite |
β | imgsz , batch |
TF.js | tfjs |
yolov8n_web_model/ |
β | imgsz , half , int8 , batch |
PaddlePaddle | paddle |
yolov8n_paddle_model/ |
β | imgsz , batch |
NCNN | ncnn |
yolov8n_ncnn_model/ |
β | imgsz , half , batch |
Bekijk volledig export
details in de Exporteer pagina.
Standaard argumenten overschrijven
Standaardargumenten kunnen worden overschreven door ze simpelweg als argumenten door te geven in de CLI in arg=value
paren.
Train een detectiemodel voor 10 epochs
met learning_rate
van 0.01
Voorspel een YouTube-video met behulp van een vooraf getraind segmentatiemodel op afbeeldingsformaat 320:
Standaard configuratiebestand overschrijven
Je kunt de default.yaml
configbestand volledig door een nieuw bestand door te geven met de cfg
argumenten, d.w.z. cfg=custom.yaml
.
Maak hiervoor eerst een kopie van default.yaml
in je huidige werk dir met de yolo copy-cfg
commando.
Dit creΓ«ert default_copy.yaml
, die je dan kunt doorgeven als cfg=default_copy.yaml
samen met eventuele extra argumenten, zoals imgsz=320
in dit voorbeeld:
Aangemaakt 2023-11-12, Bijgewerkt 2024-04-27
Auteurs: glenn-jocher (14), Burhan-Q (1), RizwanMunawar (1), AyushExel (1), Laughing-q (1), shuizhuyuanluo@126.com (1)