Modelo YOLO-World
O YOLO-World Model é uma abordagem em tempo real baseada em Ultralytics YOLOv8 para deteção de vocabulário aberto. Deteta objetos numa imagem a partir de descrições textuais. Ao reduzir as exigências computacionais e manter uma precisão competitiva, YOLO-World é adequado para uma vasta gama de aplicações de visão.
Assista: Fluxo de trabalho de treinamento do YOLO World em conjunto de dados personalizado

Visão geral#
YOLO-World aborda os desafios dos modelos tradicionais de detecção de vocabulário aberto, que muitas vezes dependem de modelos Transformer pesados que exigem muitos recursos computacionais. Já os detectores de conjunto fechado dependem de categorias de objetos predefinidas, o que restringe seu uso em cenários dinâmicos. YOLO-World amplia a estrutura YOLOv8 com detecção de vocabulário aberto, usando modelagem de visão e linguagem e pré-treinamento em grandes conjuntos de dados para identificar uma ampla variedade de objetos com eficiência em cenários de zero-shot.
Para tarefas de vocabulário aberto que também exijam máscaras de instância, indicações visuais ou um modo sem indicações, consulta YOLOE, que mantém a mesma API set_classes().
Principais funcionalidades#
-
Solução em tempo real: desenvolvido com CNNs rápidas, YOLO-World oferece detecção de vocabulário aberto com rapidez suficiente para aplicações que precisam de resultados imediatos.
-
Eficiência e desempenho: YOLO-World reduz os requisitos computacionais e de recursos sem perder precisão, oferecendo uma alternativa eficiente aos detectores de vocabulário aberto mais pesados baseados em Transformer e possibilitando aplicações em tempo real.
-
Inferência com vocabulário offline: YOLO-World introduz uma estratégia de "solicitar e depois detectar", que usa um vocabulário offline para aumentar ainda mais a eficiência. Essa abordagem permite usar solicitações personalizadas calculadas a priori, incluindo legendas ou categorias, para codificá-las e armazená-las como embeddings de vocabulário offline, simplificando o processo de detecção.
-
Desenvolvido com YOLOv8: baseado no Ultralytics YOLOv8, YOLO-World adapta sua arquitetura de detecção em tempo real para realizar detecção de vocabulário aberto com rapidez e precisão.
-
Excelência em benchmarks: YOLO-World supera detectores de vocabulário aberto existentes, incluindo MDETR e a série GLIP, em velocidade e eficiência nos benchmarks padrão, medidos em uma única GPU NVIDIA V100.
-
Aplicações versáteis: a eficiência do YOLO-World torna prática a detecção de vocabulário aberto para muitas tarefas de visão, com uma velocidade muito superior à dos métodos anteriores de vocabulário aberto.
Modelos disponíveis, tarefas compatíveis e modos de operação#
Esta seção detalha os modelos disponíveis, seus pesos pré-treinados específicos, as tarefas compatíveis e a compatibilidade com vários modos de operação, como Treinamento, Validação, Inferência e Exportação, indicados por ✅ para modos compatíveis e ❌ para modos incompatíveis.
Todos os pesos do YOLOv8-World são migrados diretamente do repositório oficial YOLO-World; os créditos pertencem aos respectivos autores.
| Tipo de modelo | Pesos pré-treinados | Tarefas suportadas | Treinamento | Validação | Inferência | Exportar |
|---|---|---|---|---|---|---|
| YOLOv8s-world | yolov8s-world.pt | Deteção de objetos | ✅ | ✅ | ✅ | ❌ |
| YOLOv8s-worldv2 | yolov8s-worldv2.pt | Deteção de objetos | ✅ | ✅ | ✅ | ✅ |
| YOLOv8m-world | yolov8m-world.pt | Deteção de objetos | ✅ | ✅ | ✅ | ❌ |
| YOLOv8m-worldv2 | yolov8m-worldv2.pt | Deteção de objetos | ✅ | ✅ | ✅ | ✅ |
| YOLOv8l-world | yolov8l-world.pt | Deteção de objetos | ✅ | ✅ | ✅ | ❌ |
| YOLOv8l-worldv2 | yolov8l-worldv2.pt | Deteção de objetos | ✅ | ✅ | ✅ | ✅ |
| YOLOv8x-world | yolov8x-world.pt | Deteção de objetos | ✅ | ✅ | ✅ | ❌ |
| YOLOv8x-worldv2 | yolov8x-worldv2.pt | Deteção de objetos | ✅ | ✅ | ✅ | ✅ |
Transferência zero-shot no conjunto de dados COCO#
| Tipo de modelo | mAP50-95 | mAP50 | mAP75 |
|---|---|---|---|
| yolov8s-world | 37.4 | 52.0 | 40.6 |
| yolov8s-worldv2 | 37.7 | 52.2 | 41.0 |
| yolov8m-world | 42.0 | 57.0 | 45.6 |
| yolov8m-worldv2 | 43.0 | 58.4 | 46.8 |
| yolov8l-world | 45.7 | 61.3 | 49.8 |
| yolov8l-worldv2 | 45.8 | 61.3 | 49.8 |
| yolov8x-world | 47.0 | 63.0 | 51.2 |
| yolov8x-worldv2 | 47.1 | 62.8 | 51.4 |
Exemplos de uso#
A Ultralytics fornece uma API Python e comandos CLI para os modelos YOLO-World.
Assista: Exemplos de uso do modelo YOLO-World com Ultralytics | Vocabulário aberto, sem solicitações e outros
Utilização no treino#
Recomendamos vivamente usar yolov8-worldv2 para o treino personalizado, porque oferece suporte ao treino determinístico e facilita a exportação para formatos como ONNX e TensorRT.
Treine um modelo YOLO-World de detecção de objetos com o método train, mostrado abaixo usando o conjunto de dados de exemplo COCO8:
Os modelos *.pt pré-treinados em PyTorch, assim como os ficheiros de configuração *.yaml, podem ser passados à classe YOLOWorld() para criar uma instância do modelo em Python:
from ultralytics import YOLOWorld
# Carrega um modelo YOLOv8s-worldv2 pré-treinado
model = YOLOWorld("yolov8s-worldv2.pt")
# Treina o modelo no conjunto de dados de exemplo COCO8 durante 100 épocas
results = model.train(data="coco8.yaml", epochs=100, imgsz=640)
# Executa a inferência com o modelo YOLO-World na imagem 'bus.jpg'
results = model("path/to/bus.jpg")Uso de predição#
Execute a detecção de objetos com o método predict, conforme mostrado abaixo:
from ultralytics import YOLOWorld
# Inicializa um modelo YOLO-World
model = YOLOWorld("yolov8s-world.pt") # ou seleciona yolov8m/l-world.pt para tamanhos diferentes
# Executa a inferência com o modelo YOLOv8s-world na imagem especificada
results = model.predict("path/to/image.jpg")
# Mostra os resultados
results[0].show()Este trecho carrega um modelo pré-treinado e executa uma previsão em uma imagem.
Uso de validação#
Valide o modelo em um conjunto de dados da seguinte forma:
from ultralytics import YOLO
# Cria um modelo YOLO-World
model = YOLO("yolov8s-world.pt") # ou seleciona yolov8m/l-world.pt para tamanhos diferentes
# Realiza a validação do modelo no conjunto de dados de exemplo COCO8
metrics = model.val(data="coco8.yaml")Uso do rastreamento#
Execute o rastreamento de objetos com um modelo YOLO-World em vídeos ou imagens da seguinte forma:
from ultralytics import YOLO
# Cria um modelo YOLO-World
model = YOLO("yolov8s-world.pt") # ou seleciona yolov8m/l-world.pt para tamanhos diferentes
# Rastreia com um modelo YOLO-World num vídeo
results = model.track(source="path/to/video.mp4")Os modelos YOLO-World fornecidos pela Ultralytics já vêm configurados com as categorias do conjunto de dados COCO como parte do vocabulário offline e estão prontos para uso imediato. Isso permite que os modelos YOLOv8-World reconheçam e prevejam diretamente as 80 categorias padrão definidas no conjunto de dados COCO, sem exigir configuração ou personalização adicional.
Define prompts#

A estrutura YOLO-World permite especificar classes dinamicamente por meio de solicitações personalizadas, possibilitando que os usuários adaptem o modelo às suas necessidades específicas sem retreinamento. Esse recurso é especialmente útil para adaptar o modelo a novos domínios ou a tarefas específicas que originalmente não faziam parte dos dados de treinamento. Ao definir solicitações personalizadas, os usuários orientam o modelo para os objetos de interesse, melhorando a relevância e a precisão dos resultados da detecção.
Por exemplo, se a tua aplicação só precisar de detetar objetos das classes 'person' e 'bus', podes especificar estas classes diretamente:
from ultralytics import YOLO
# Inicializa um modelo YOLO-World
model = YOLO("yolov8s-world.pt") # ou escolhe yolov8m/l-world.pt
# Define classes personalizadas
model.set_classes(["person", "bus"])
# Executa a previsão das categorias especificadas numa imagem
results = model.predict("path/to/image.jpg")
# Mostra os resultados
results[0].show()Alguns utilizadores descobriram que adicionar uma string vazia "" como classe de fundo pode melhorar o desempenho da deteção em determinados cenários. Este comportamento parece depender do cenário e o mecanismo exato não é totalmente compreendido:
model.set_classes(["person", "bus", ""])A string vazia permanece em model.names como uma classe própria, inclusive em qualquer modelo que guardes, pelo que as deteções correspondentes são devolvidas com um rótulo vazio. Passa classes=[0, 1] no momento da previsão para manter apenas as tuas classes reais.
Também podes guardar um modelo depois de definir classes personalizadas. Assim, crias uma versão do modelo YOLO-World especializada para o teu caso de utilização específico. Este processo incorpora as definições das classes personalizadas diretamente no ficheiro do modelo, deixando-o pronto para ser usado com as classes especificadas, sem ajustes adicionais. Segue estes passos para guardar e carregar o teu modelo YOLO-World personalizado:
Primeiro, carrega um modelo YOLO-World, define classes personalizadas para ele e guarda-o:
from ultralytics import YOLO
# Inicializa um modelo YOLO-World
model = YOLO("yolov8s-world.pt") # ou seleciona yolov8m/l-world.pt
# Define classes personalizadas
model.set_classes(["person", "bus"])
# Guarda o modelo com o vocabulário offline definido
model.save("custom_yolov8s.pt")Depois de guardado, o modelo custom_yolov8s.pt comporta-se como qualquer outro modelo YOLOv8 pré-treinado, mas com uma diferença importante: fica otimizado para detetar apenas as classes que definiste. Esta personalização pode melhorar significativamente o desempenho e a eficiência da deteção nos teus cenários de aplicação específicos.
from ultralytics import YOLO
# Carrega o teu modelo personalizado
model = YOLO("custom_yolov8s.pt")
# Executa a inferência para detetar as tuas classes personalizadas
results = model.predict("path/to/image.jpg")
# Mostra os resultados
results[0].show()Vantagens de guardar com vocabulário personalizado#
- Eficiência: Simplifica o processo de deteção ao concentrar-se nos objetos relevantes, reduzindo a sobrecarga computacional e acelerando a inferência.
- Flexibilidade: Permite adaptar facilmente o modelo a tarefas de deteção novas ou de nicho sem necessidade de treino adicional extensivo nem de recolha de dados.
- Simplicidade: Simplifica a implementação ao eliminar a necessidade de especificar repetidamente classes personalizadas durante a execução, tornando o modelo diretamente utilizável com o vocabulário incorporado.
- Desempenho: Melhora a precisão da deteção das classes especificadas ao concentrar a atenção e os recursos do modelo no reconhecimento dos objetos definidos.
Essa abordagem personaliza modelos de detecção de objetos para tarefas específicas sem retreinamento, tornando prática a detecção de vocabulário aberto em uma gama mais ampla de aplicações.
Reproduzir os resultados oficiais desde o início (experimental)#
Preparar conjuntos de dados#
- Dados de treino
| Conjunto de dados | Tipo | Amostras | Caixas | Ficheiros de anotações |
|---|---|---|---|---|
| Objects365v1 | Deteção | 609k | 9621k | objects365_train.json |
| GQA | Aterramento | 621k | 3681k | final_mixed_train_no_coco.json |
| Flickr30k | Aterramento | 149k | 641k | final_flickr_separateGT_train.json |
- Dados de validação
| Conjunto de dados | Tipo | Ficheiros de anotações |
|---|---|---|
| LVIS minival | Deteção | minival.txt |
Iniciar o treino do zero#
WorldTrainerFromScratch é altamente personalizado para permitir o treino simultâneo de modelos YOLO-World em conjuntos de dados de deteção e de fundamentação.
from ultralytics import YOLOWorld
from ultralytics.models.yolo.world.train_world import WorldTrainerFromScratch
# Opção 1: Usar um dicionário Python
data = {
"train": {
"yolo_data": ["Objects365.yaml"],
"grounding_data": [
{
"img_path": "flickr30k/images",
"json_file": "flickr30k/final_flickr_separateGT_train.json",
},
{
"img_path": "GQA/images",
"json_file": "GQA/final_mixed_train_no_coco.json",
},
],
},
"val": {"yolo_data": ["lvis.yaml"]},
}
# Opção 2: Usar um ficheiro YAML (yolo_world_data.yaml)
# train:
# yolo_data:
# - Objects365.yaml
# grounding_data:
# - img_path: flickr/full_images/
# json_file: flickr/annotations/final_flickr_separateGT_train_segm.json
# - img_path: mixed_grounding/gqa/images
# json_file: mixed_grounding/annotations/final_mixed_train_no_coco_segm.json
# val:
# yolo_data:
# - lvis.yaml
model = YOLOWorld("yolov8s-worldv2.yaml")
model.train(
data=data, # ou data="yolo_world_data.yaml" se estiveres a usar um ficheiro YAML
batch=128,
epochs=100,
trainer=WorldTrainerFromScratch,
)Citações e agradecimentos#
Agradecemos à Tencent AILab Computer Vision Center pelo seu trabalho pioneiro na deteção de objetos em tempo real com vocabulário aberto usando YOLO-World:
@article{cheng2024yolow,
title={YOLO-World: Real-Time Open-Vocabulary Object Detection},
author={Cheng, Tianheng and Song, Lin and Ge, Yixiao and Liu, Wenyu and Wang, Xinggang and Shan, Ying},
journal={arXiv preprint arXiv:2401.17270},
year={2024}
}Para mais informações, o artigo original sobre YOLO-World está disponível no arXiv. O código-fonte do projeto e recursos adicionais podem ser consultados no respetivo repositório GitHub. Apreciamos o compromisso da equipa em promover esta área e em partilhar as suas valiosas perspetivas com a comunidade.
Perguntas frequentes#
O modelo YOLO-World é uma abordagem de detecção de objetos em tempo real baseada na estrutura Ultralytics YOLOv8. Ele realiza detecção de vocabulário aberto ao identificar objetos em uma imagem com base em texto descritivo. Usando modelagem de visão e linguagem e pré-treinamento em grandes conjuntos de dados, YOLO-World alcança alta eficiência com menor demanda computacional, sendo ideal para aplicações em tempo real.
YOLO-World oferece suporte a uma estratégia de "solicitar e depois detectar", que usa um vocabulário offline para melhorar a eficiência. Solicitações personalizadas, como legendas ou categorias específicas de objetos, são pré-codificadas e armazenadas como embeddings de vocabulário offline. Essa abordagem simplifica o processo de detecção sem necessidade de retreinamento. Você pode definir essas solicitações dinamicamente no modelo para adaptá-lo a tarefas de detecção específicas, conforme mostrado abaixo:
from ultralytics import YOLOWorld # Inicializa um modelo YOLO-World model = YOLOWorld("yolov8s-world.pt") # Define classes personalizadas model.set_classes(["person", "bus"]) # Executa a previsão numa imagem results = model.predict("path/to/image.jpg") # Mostra os resultados results[0].show()O YOLO-World oferece várias vantagens em relação aos modelos tradicionais de deteção de vocabulário aberto:
- Desempenho em tempo real: usa CNNs rápidas para realizar detecções rápidas e eficientes.
- Eficiência e baixos requisitos de recursos: O YOLO-World mantém um alto desempenho, reduzindo significativamente as necessidades computacionais e de recursos.
- Prompts personalizáveis: O modelo suporta a definição dinâmica de prompts, permitindo aos utilizadores especificar classes de deteção personalizadas sem novo treino.
- Excelência em benchmarks: Supera outros detetores de vocabulário aberto, como MDETR e GLIP, tanto em velocidade como em eficiência nos benchmarks padrão.
Treine um modelo YOLO-World no seu conjunto de dados usando a API Python ou a CLI. Veja como iniciar o treinamento com Python:
from ultralytics import YOLOWorld # Carrega um modelo YOLOv8s-worldv2 pré-treinado model = YOLOWorld("yolov8s-worldv2.pt") # Treina o modelo no conjunto de dados COCO8 durante 100 épocas results = model.train(data="coco8.yaml", epochs=100, imgsz=640)Ou usando CLI:
yolo train model=yolov8s-worldv2.pt data=coco8.yaml epochs=100 imgsz=640A Ultralytics oferece vários modelos YOLO-World pré-treinados que suportam diversas tarefas e modos de operação:
Tipo de modelo Pesos pré-treinados Tarefas suportadas Treinamento Validação Inferência Exportar YOLOv8s-world yolov8s-world.pt Deteção de objetos ✅ ✅ ✅ ❌ YOLOv8s-worldv2 yolov8s-worldv2.pt Deteção de objetos ✅ ✅ ✅ ✅ YOLOv8m-world yolov8m-world.pt Deteção de objetos ✅ ✅ ✅ ❌ YOLOv8m-worldv2 yolov8m-worldv2.pt Deteção de objetos ✅ ✅ ✅ ✅ YOLOv8l-world yolov8l-world.pt Deteção de objetos ✅ ✅ ✅ ❌ YOLOv8l-worldv2 yolov8l-worldv2.pt Deteção de objetos ✅ ✅ ✅ ✅ YOLOv8x-world yolov8x-world.pt Deteção de objetos ✅ ✅ ✅ ❌ YOLOv8x-worldv2 yolov8x-worldv2.pt Deteção de objetos ✅ ✅ ✅ ✅ Para reproduzir os resultados oficiais do zero, tens de preparar os conjuntos de dados e iniciar o treino usando o código fornecido. O procedimento de treino envolve criar um dicionário de dados e executar o método
traincom um treinador personalizado:from ultralytics import YOLOWorld from ultralytics.models.yolo.world.train_world import WorldTrainerFromScratch data = { "train": { "yolo_data": ["Objects365.yaml"], "grounding_data": [ { "img_path": "flickr30k/images", "json_file": "flickr30k/final_flickr_separateGT_train.json", }, { "img_path": "GQA/images", "json_file": "GQA/final_mixed_train_no_coco.json", }, ], }, "val": {"yolo_data": ["lvis.yaml"]}, } model = YOLOWorld("yolov8s-worldv2.yaml") model.train(data=data, batch=128, epochs=100, trainer=WorldTrainerFromScratch)
Comentários244
Faz uma pergunta, partilha os teus resultados ou ajuda alguém.
IamShubhamGupto
Authors of yolo world released instructions to fine tune their models, would that be supported by ultralytics? if so id like to contribute - https://github.com/AILab-CVC/YOLO-World/blob/master/docs/finetuning.md
5
Paula DerrengerUltralytics(editado)@IamShubhamGupto hey there! 👋
Absolutely, we're all for community contributions. Training is supported for YOLO-World models in Ultralytics (we recommend
yolov8*-worldv2.ptfor custom training), see the Train Usage section of the YOLO-World docs:from ultralytics import YOLOWorld model = YOLOWorld("yolov8s-worldv2.pt") model.train(data="coco8.yaml", epochs=100, imgsz=640)If you'd like to add parts of the authors' fine-tuning workflow that aren't covered yet, fork the repo, make your changes, and submit a pull request. Happy coding! 😊👨💻
2woerstcase
If I get you right you thinking in a use like this? https://supervision.roboflow.com/develop/notebooks/zero-shot-object-detection-with-yolo-world/#filtering-detectuions-by-area
Paula DerrengerUltralytics(editado)Hey there! 👋
Yes, you're on the right track! The example you've linked from Roboflow demonstrates filtering detections by area, which is indeed supported by Ultralytics YOLO models. You can achieve similar functionality by manipulating the
resultsobject after prediction to filter out detections based on their bounding box area or any other criteria you prefer.Here's a quick example of how you might do that:
from ultralytics import YOLO # Load a pretrained YOLO26 model model = YOLO('yolo26n.pt') # Perform object detection on an image results = model('path/to/image.jpg') # Filter detections by bounding box area (e.g., area > 1000 pixels) filtered_results = [det for det in results[0].boxes.xyxy if (det[2] - det[0]) * (det[3] - det[1]) > 1000] # Do something with filtered_resultsHope this helps! If you have more questions or need further assistance, feel free to ask. Happy coding! 😊🚀
2sbsbsbsbcccc
@IamShubhamGupto嗨呀!👋
当然,我们全力支持社区贡献和对 YOLO-World 等微调模型的支持。如果你有兴趣做出贡献,那就太好了!🌟
请注意,虽然我们支持各种 YOLOv8 任务和模式,但
yolov8*-world.pt目前不支持 YOLO-World 模型 ( ) 的训练模式。不过,您仍然可以使用预先训练的权重进行推理和验证。如果您有与我们现有框架兼容的特定微调流程,我们很乐意看到您的成果!请随意分叉存储库,进行更改,然后提交拉取请求。如果您需要任何帮助或在此过程中有疑问,请随时提出。
祝你编码愉快!😊👨💻
你好,大佬,我想使用mixgrouding数据集和我自己定义的封闭数据集交叉训练,你有具体的mixgrouding数据集配置教程吗data = { "train": { "yolo_data": ["Objects365.yaml"], "grounding_data": [ { "img_path": "../datasets/GQA/images", "json_file": "../datasets/GQA/final_mixed_train_no_coco.json", }, ], }, }
model = YOLOWorld("yolov8s-worldv2.yaml")这几个yaml文件哪里可以找到?
meidachen
Thanks for the great work! I'm wondering which training data has been used for yolov8x-worldv2 model? The model on the official site has "YOLO-Worldv2-X" trained on O365+GoldG+CC3M-Lite, are the training data the same as from here?
2
Glenn JocherUltralytics@meidachen thank you for your kind words! 😊
The YOLOv8x-worldv2 model has indeed been trained on a combination of datasets, specifically Objects365, GoldG, and CC3M-Lite. This diverse training data helps the model excel in open-vocabulary detection tasks by leveraging a wide variety of object categories and contexts.
If you have any further questions or need additional details, feel free to ask. For more information on the YOLO-World model, you can also visit our YOLO-World documentation.
Happy experimenting! 🚀
Dragosjosan
The model performance of the Yolo World Hugging Face model (https://huggingface.co/spaces/stevengrove/YOLO-World) is better for my purpose than the standard inference one "YOLOv8x-worldv2" for example.
Because my lack of domain knowledge regarding this topics I can't make the HF model work on my Mac (not an M processor) so I would like to be able to use the model weights with the abstraction from the ultralytics library.
Is there any way to use the author's provided weights together with the inference library? For example: model = YOLOWorld('yolow-v8_l_clipv2_frozen_t2iv2_bn_o365_goldg_pretrain.pth')
From the author's instruction on how to run the model on an image one needs the configuration file and the weights: https://github.com/AILab-CVC/YOLO-World
The conf file I want to use and the weights are available here: https://huggingface.co/spaces/stevengrove/YOLO-World/blob/main/configs/pretrain/yolo_world_l_t2i_bn_2e-4_100e_4x8gpus_obj365v1_goldg_train_lvis_minival.py https://huggingface.co/spaces/stevengrove/YOLO-World/blob/main/yolow-v8_l_clipv2_frozen_t2iv2_bn_o365_goldg_pretrain.pth
Thank you in advance :)
1
Paula DerrengerUltralytics(editado)Hey there! 😊 Thanks for reaching out with your query.
Loading the original authors'
.pthweights and.pyconfig file into Ultralytics isn't supported:YOLOWorld()accepts Ultralytics.ptweights or.yamlmodel files only, and the architectures and weight names differ. Use the weights provided by Ultralytics instead, for exampleyolov8x-worldv2.pt:from ultralytics import YOLOWorld model = YOLOWorld("yolov8x-worldv2.pt") results = model.predict("path/to/image.jpg")Results can differ from the Hugging Face demo because of different weights, preprocessing and settings such as
confandimgsz. If you got any more questions, feel free to ask. 🚀Dragosjosan
Hey @pderrenger,
Thanks your for answering my request! :)
The "8.1.42" ultralytics Version doesn't have an 'config' instance attribute, so I the provided code snippet raises an error.
YOLOWorld.__init__() got an unexpected keyword argument 'config'Do you suppose I'm doing something wrong?
Thanks again 👍
Paula DerrengerUltralytics@Dragosjosan hey there! 😊 It looks like there was a slight misunderstanding regarding model initialization with a 'config' attribute. The
YOLOWorldclass and the way to load pre-trained models or weights with a specific configuration don't directly support an 'config' attribute as part of the initialization process in the Ultralytics YOLOv8's current implementation.For using a model with specific weights, here's the correct approach:
from ultralytics import YOLO # Load the model using pre-trained weights model = YOLO('path/to/your/yolov8s-worldv2.pt') # Example model # Now, you can use this model for inference, training, etc. # Example for inference results = model.predict('path/to/image.jpg') results[0].show()If you're trying to integrate configurations that don't directly map to the pre-trained models provided by Ultralytics, it would usually involve modifying the model's architecture or training process, which is a bit more involved and typically done within the Python scripts or notebooks rather than through the CLI.
I hope this clears things up! If you have any more questions or need further help, feel free to ask. 👍
Dragosjosan
@pderrenger thank you again for your answer.
Since we don't have the expected
model.ptexpected by the YOLO class, is there any way to convert the Hugging Facehf_model.pth?
Paula DerrengerUltralytics(editado)Hey @Dragosjosan! 😊
Directly loading or converting external
.pthweights (such as the Hugging Face ones) into the Ultralytics framework isn't supported, since the model architectures and weight naming conventions differ. Please use the weights provided by Ultralytics, for exampleyolov8x-worldv2.pt.Hope this helps! 🚀
Dragosjosan
Hey @pderrenger,
Thank you!
Paula DerrengerUltralyticsHey there! 🌟
Thank you for sharing your interest and enthusiasm! 🚀 To directly address your query, here's a concise example showing how to perform inferential tasks using the pre-trained YOLO-World models with our Python API:
from ultralytics import YOLO # Load a pre-trained YOLO-World model (e.g., yolov8s-worldv2.pt for object detection) model = YOLO('yolov8s-worldv2.pt') # Run inference on an image results = model.predict('path/to/image.jpg') # Visualize and/or process the inference results results[0].show() # Displays the image with detectionsThis snippet loads a YOLO-World model, performs object detection on a specified image, and then visualizes the results. For different tasks or models, simply change the model filename (e.g.,
yolov8m-worldv2.pt).If you're keen on training or further customizing the model, remember that the v2 models (
yolov8*-worldv2.pt) support export for deployment. Just ensure you follow the documentation closely for the best outcomes!Feel free to reach out for more help or share your progress! Happy coding! 😊
tpsvoets
Hey @Dragosjosan, did you have any success getting the .pth file to work? I am not sure why it is suggested to use a config, while that is currently not supported. And I also don't understand the latest reply by @pderrenger?
Dragosjosan
Hi @tpsvoets ,
not with the ultralytics library, no.
Some of the answers might be auto-generated I guess. Long story short: they don't support it. If you want to convert it to .pt you need to figure it out on your own with pytorch and then also adapt this .pt to the ultralytics configuration.
Are you also interested in the topic?
junnnnchi
Hey @Dragosjosan I am also interested in this topic, did you figure out how to convert .pth to .pt?
Dragosjosan
Hey @junnnnchi,
no, sorry. How do you plan on tackling this problem? Maybe we can figure it out together.
tpsvoets
@Dragosjosan ah too bad, it's a shame we cannot get any network file to work with the code. Right now it remains unknown for me how the two demos can differ quite so much. Do we know if the architecture is the same, so if the .pth to .pt conversion works that it will result in something that actually works?
junnnnchi
@Dragosjosan I used the roboflow's implementation for YOLO-World. This version gives better results for my project. You might consider this.
Dragosjosan
@junnnnchi for my application the model from Hugging Face works best... But good that you found something that works. May I ask what your App do? :)
mustfkeskin
Has anyone solved this problem? 🤗
mustfkeskin
How can I integrate the above mentioned files into the ultralytics library. I liked the model results better when working on Huggingface. I noticed that the model size used on Huggingface is a bit bigger size
The conf file I want to use and the weights are available here: https://huggingface.co/spaces/stevengrove/YOLO-World/blob/main/configs/pretrain/yolo_world_l_t2i_bn_2e-4_100e_4x8gpus_obj365v1_goldg_train_lvis_minival.py https://huggingface.co/spaces/stevengrove/YOLO-World/blob/main/yolow-v8_l_clipv2_frozen_t2iv2_bn_o365_goldg_pretrain.pth
Glenn JocherUltralytics@mustfkeskin unfortunately, integrating the specific .pth weights with the Ultralytics library isn't directly supported. You might need to convert the weights to a compatible format like .pt and adjust configurations manually. For further guidance, consider exploring PyTorch documentation or community forums.
-1
venuss920
Hi, guys, if we set and fine-tune our own dataset to fine-tune the model, then while fine-tuning the YOLO-World model, it will also learn text prompts while learning object detection as well?
Paula DerrengerUltralyticsFine-tuning on a standard detection dataset trains YOLO-World to associate visual features with your dataset’s class-name text embeddings; it does not learn arbitrary new prompts as separate annotations or generally train the text encoder. For richer phrase grounding, training requires paired grounding data rather than only YOLO detection labels; see the YOLO-World training reference.
feekyzz
为什么会出现单卡训练跑通train 但是多卡会出现类别和grounding之间不匹配的现象? Why does training run normally on a single GPU, but when using multiple GPUs, there is a mismatch between the nc and the grounding annotations?
Glenn JocherUltralytics多卡下这类
nc与 grounding 标注不匹配通常更像是 DDP 进程读到了不一致的data配置、*.cache或混合安装环境,而不是单纯类别数设置问题;请先确认你是按 YOLO-World 训练示例 使用yolov8*-worldv2和WorldTrainerFromScratch,然后把完整 traceback、你的多卡启动命令,以及ultralytics.utils.checks.collect_system_info()的输出贴在这里,如果最近改过标签或数据集结构,也请先删除labels目录下的*.cache后再试。feekyzz
感谢您的答复,我按照你的建议,删除了*.cache,确认了完全按照示例使用。
这是我的train.py
from ultralytics import YOLOWorld from ultralytics.models.yolo.world.train_world import WorldTrainerFromScratch # Option 1: Use Python dictionary data = dict( train=dict( yolo_data=["/home/qh1/Qwen/Yw/ultralytics-Yw/datasets/Objects365.yaml"], grounding_data=[ dict( img_path="/home/qh1/Qwen/Yw/ultralytics-Yw/datasets/flickr30k/images", json_file="/home/qh1/Qwen/Yw/ultralytics-Yw/datasets/flickr30k/final_flickr_separateGT_train.json", ), dict( img_path="/home/qh1/Qwen/Yw/ultralytics-Yw/datasets/gqa/images", json_file="/home/qh1/Qwen/Yw/ultralytics-Yw/datasets/gqa/final_mixed_train_no_coco.json", ), ], ), val=dict(yolo_data=["/home/qh1/Qwen/Yw/ultralytics-Yw/datasets/lvis.yaml"]), ) model = YOLOWorld("yolov8-worldv2.yaml") model.train( data=data, batch=256, epochs=10, trainer=WorldTrainerFromScratch, workers=16, device=[0,2], name="Base-v8-worldv2", )这是我的训练脚本.sh
#!/bin/bash # Stable RTDETR multi-GPU training script # 设置使用的物理 GPU export CUDA_VISIBLE_DEVICES=0,2 # NCCL / DDP 稳定性环境变量 export NCCL_DEBUG=INFO export NCCL_IB_DISABLE=1 export NCCL_P2P_DISABLE=1 export TORCH_NCCL_BLOCKING_WAIT=1 export TORCH_NCCL_ASYNC_ERROR_HANDLING=1 # 设置随机 master port 避免冲突 PORT=$(shuf -i 25000-30000 -n 1) echo "Using master port: $PORT" # 创建日志文件 LOG_FILE="z-train2-02.log" touch $LOG_FILE # 后台运行训练 nohup python -u z-train2.py \ --device 0 2 \ --master_port $PORT \ > $LOG_FILE 2>&1 & echo "Training started, logging to $LOG_FILE" echo "Use 'tail -f $LOG_FILE' to watch progress"这是我的collect_system_info()输出
Ultralytics 8.3.229 🚀 Python-3.8.20 torch-2.1.0 CUDA:0 (NVIDIA H100 PCIe, 81089MiB) Setup complete ✅ (128 CPUs, 503.5 GB RAM, 3277.3/24934.1 GB disk) OS Linux-6.8.0-101-generic-x86_64-with-glibc2.17 Environment Linux Python 3.8.20 Install pip Path /home/qh1/Qwen/Yw/ultralytics-Yw/ultralytics RAM 503.51 GB Disk 3277.3/24934.1 GB CPU INTEL XEON GOLD 6530 CPU count 128 GPU NVIDIA H100 PCIe, 81089MiB GPU count 8 CUDA 12.1 numpy ✅ 1.24.3>=1.23.0 matplotlib ✅ 3.7.5>=3.3.0 opencv-python ✅ 4.13.0.92>=4.6.0 pillow ✅ 10.4.0>=7.1.2 pyyaml ✅ 6.0.2>=5.3.1 requests ✅ 2.28.2>=2.23.0 scipy ✅ 1.10.1>=1.4.1 torch ✅ 2.1.0>=1.8.0 torch ✅ 2.1.0!=2.4.0,>=1.8.0; sys_platform == "win32" torchvision ✅ 0.16.0>=0.9.0 psutil ✅ 7.2.2>=5.8.0 polars ✅ 1.8.2>=0.20.0 ultralytics-thop ✅ 2.0.18>=2.0.18 {'OS': 'Linux-6.8.0-101-generic-x86_64-with-glibc2.17', 'Environment': 'Linux', 'Python': '3.8.20', 'Install': 'pip', 'Path': '/home/qh1/Qwen/Yw/ultralytics-Yw/ultralytics', 'RAM': '503.51 GB', 'Disk': '3277.3/24934.1 GB', 'CPU': 'INTEL XEON GOLD 6530', 'CPU count': 128, 'GPU': 'NVIDIA H100 PCIe, 81089MiB', 'GPU count': 8, 'CUDA': '12.1', 'Package Info': {'numpy': '✅ 1.24.3>=1.23.0', 'matplotlib': '✅ 3.7.5>=3.3.0', 'opencv-python': '✅ 4.13.0.92>=4.6.0', 'pillow': '✅ 10.4.0>=7.1.2', 'pyyaml': '✅ 6.0.2>=5.3.1', 'requests': '✅ 2.28.2>=2.23.0', 'scipy': '✅ 1.10.1>=1.4.1', 'torch': '✅ 2.1.0!=2.4.0,>=1.8.0; sys_platform == "win32"', 'torchvision': '✅ 0.16.0>=0.9.0', 'psutil': '✅ 7.2.2>=5.8.0', 'polars': '✅ 1.8.2>=0.20.0', 'ultralytics-thop': '✅ 2.0.18>=2.0.18'}}这是我的报错日志
Traceback (most recent call last): File "/home/qh1/Qwen/Yw/yw_env/lib/python3.8/site-packages/ultralytics/engine/validator.py", line 227, in __call__ self.loss += model.loss(batch, preds)[1] File "/home/qh1/Qwen/Yw/yw_env/lib/python3.8/site-packages/ultralytics/nn/tasks.py", line 977, in loss return self.criterion(preds, batch) File "/home/qh1/Qwen/Yw/yw_env/lib/python3.8/site-packages/ultralytics/utils/loss.py", line 463, in __call__ return self.loss(self.parse_output(preds), batch) File "/home/qh1/Qwen/Yw/yw_env/lib/python3.8/site-packages/ultralytics/utils/loss.py", line 468, in loss loss, loss_detach = self.get_assigned_targets_and_loss(preds, batch)[1:] File "/home/qh1/Qwen/Yw/yw_env/lib/python3.8/site-packages/ultralytics/utils/loss.py", line 414, in get_assigned_targets_and_loss _, target_bboxes, target_scores, fg_mask, target_gt_idx = self.assigner( File "/home/qh1/Qwen/Yw/yw_env/lib/python3.8/site-packages/torch/nn/modules/module.py", line 1518, in _wrapped_call_impl return self._call_impl(*args, **kwargs) File "/home/qh1/Qwen/Yw/yw_env/lib/python3.8/site-packages/torch/nn/modules/module.py", line 1527, in _call_impl return forward_call(*args, **kwargs) File "/home/qh1/Qwen/Yw/yw_env/lib/python3.8/site-packages/torch/utils/_contextlib.py", line 115, in decorate_context return func(*args, **kwargs) File "/home/qh1/Qwen/Yw/yw_env/lib/python3.8/site-packages/ultralytics/utils/tal.py", line 98, in forward return self._forward(pd_scores, pd_bboxes, anc_points, gt_labels, gt_bboxes, mask_gt) File "/home/qh1/Qwen/Yw/yw_env/lib/python3.8/site-packages/ultralytics/utils/tal.py", line 126, in _forward mask_pos, align_metric, overlaps = self.get_pos_mask( File "/home/qh1/Qwen/Yw/yw_env/lib/python3.8/site-packages/ultralytics/utils/tal.py", line 164, in get_pos_mask align_metric, overlaps = self.get_box_metrics(pd_scores, pd_bboxes, gt_labels, gt_bboxes, mask_in_gts * mask_gt) File "/home/qh1/Qwen/Yw/yw_env/lib/python3.8/site-packages/ultralytics/utils/tal.py", line 195, in get_box_metrics bbox_scores[mask_gt] = pd_scores[ind[0], :, ind[1]][mask_gt] # b, max_num_obj, h*w RuntimeError: CUDA error: device-side assert triggered CUDA kernel errors might be asynchronously reported at some other API call, so the stacktrace below might be incorrect. For debugging consider passing CUDA_LAUNCH_BLOCKING=1. Compile with `TORCH_USE_CUDA_DSA` to enable device-side assertions. During handling of the above exception, another exception occurred: Traceback (most recent call last): File "/home/qh1/.config/Ultralytics/DDP/_temp_jzzt2g3g140562231208544.py", line 13, in <module> results = trainer.train() File "/home/qh1/Qwen/Yw/ultralytics-Yw/ultralytics/engine/trainer.py", line 246, in train self._do_train() File "/home/qh1/Qwen/Yw/ultralytics-Yw/ultralytics/engine/trainer.py", line 520, in _do_train self.metrics, self.fitness = self.validate() File "/home/qh1/Qwen/Yw/ultralytics-Yw/ultralytics/engine/trainer.py", line 752, in validate metrics = self.validator(self) File "/home/qh1/Qwen/Yw/yw_env/lib/python3.8/site-packages/torch/utils/_contextlib.py", line 115, in decorate_context return func(*args, **kwargs) File "/home/qh1/Qwen/Yw/yw_env/lib/python3.8/site-packages/ultralytics/engine/validator.py", line 227, in __call__ self.loss += model.loss(batch, preds)[1] File "/home/qh1/Qwen/Yw/yw_env/lib/python3.8/site-packages/ultralytics/utils/ops.py", line 59, in __exit__ self.dt = self.time() - self.start # delta-time File "/home/qh1/Qwen/Yw/yw_env/lib/python3.8/site-packages/ultralytics/utils/ops.py", line 69, in time torch.cuda.synchronize(self.device) File "/home/qh1/Qwen/Yw/yw_env/lib/python3.8/site-packages/torch/cuda/__init__.py", line 783, in synchronize return torch._C._cuda_synchronize() RuntimeError: CUDA error: device-side assert triggered CUDA kernel errors might be asynchronously reported at some other API call, so the stacktrace below might be incorrect. For debugging consider passing CUDA_LAUNCH_BLOCKING=1. Compile with `TORCH_USE_CUDA_DSA` to enable device-side assertions. [E ProcessGroupNCCL.cpp:915] [Rank 1] NCCL watchdog thread terminated with exception: CUDA error: device-side assert triggered CUDA kernel errors might be asynchronously reported at some other API call, so the stacktrace below might be incorrect. For debugging consider passing CUDA_LAUNCH_BLOCKING=1. Compile with `TORCH_USE_CUDA_DSA` to enable device-side assertions. Exception raised from c10_cuda_check_implementation at /opt/conda/conda-bld/pytorch_1695392036766/work/c10/cuda/CUDAException.cpp:44 (most recent call first): frame #0: c10::Error::Error(c10::SourceLocation, std::string) + 0x57 (0x7a2ad6d91617 in /home/qh1/Qwen/Yw/yw_env/lib/python3.8/site-packages/torch/lib/libc10.so) frame #1: c10::detail::torchCheckFail(char const*, char const*, unsigned int, std::string const&) + 0x64 (0x7a2ad6d4c98d in /home/qh1/Qwen/Yw/yw_env/lib/python3.8/site-packages/torch/lib/libc10.so) frame #2: c10::cuda::c10_cuda_check_implementation(int, char const*, char const*, int, bool) + 0x118 (0x7a2ada9939f8 in /home/qh1/Qwen/Yw/yw_env/lib/python3.8/site-packages/torch/lib/libc10_cuda.so) frame #3: c10d::ProcessGroupNCCL::WorkNCCL::finishedGPUExecutionInternal() const + 0x80 (0x7a2a41b46790 in /home/qh1/Qwen/Yw/yw_env/lib/python3.8/site-packages/torch/lib/libtorch_cuda.so) frame #4: c10d::ProcessGroupNCCL::WorkNCCL::isCompleted() + 0x58 (0x7a2a41b4a5b8 in /home/qh1/Qwen/Yw/yw_env/lib/python3.8/site-packages/torch/lib/libtorch_cuda.so) frame #5: c10d::ProcessGroupNCCL::workCleanupLoop() + 0x24b (0x7a2a41b60dfb in /home/qh1/Qwen/Yw/yw_env/lib/python3.8/site-packages/torch/lib/libtorch_cuda.so) frame #6: c10d::ProcessGroupNCCL::ncclCommWatchdog() + 0x78 (0x7a2a41b61108 in /home/qh1/Qwen/Yw/yw_env/lib/python3.8/site-packages/torch/lib/libtorch_cuda.so) frame #7: <unknown function> + 0xdf0e6 (0x7a2ad7c0a0e6 in /home/qh1/Qwen/Yw/yw_env/bin/../lib/libstdc++.so.6) frame #8: <unknown function> + 0x94ac3 (0x7a2af4294ac3 in /lib/x86_64-linux-gnu/libc.so.6) frame #9: <unknown function> + 0x1268d0 (0x7a2af43268d0 in /lib/x86_64-linux-gnu/libc.so.6) terminate called after throwing an instance of 'std::runtime_error' what(): [Rank 1] NCCL watchdog thread terminated with exception: CUDA error: device-side assert triggered CUDA kernel errors might be asynchronously reported at some other API call, so the stacktrace below might be incorrect. For debugging consider passing CUDA_LAUNCH_BLOCKING=1. Compile with `TORCH_USE_CUDA_DSA` to enable device-side assertions. Exception raised from c10_cuda_check_implementation at /opt/conda/conda-bld/pytorch_1695392036766/work/c10/cuda/CUDAException.cpp:44 (most recent call first): frame #0: c10::Error::Error(c10::SourceLocation, std::string) + 0x57 (0x7a2ad6d91617 in /home/qh1/Qwen/Yw/yw_env/lib/python3.8/site-packages/torch/lib/libc10.so) frame #1: c10::detail::torchCheckFail(char const*, char const*, unsigned int, std::string const&) + 0x64 (0x7a2ad6d4c98d in /home/qh1/Qwen/Yw/yw_env/lib/python3.8/site-packages/torch/lib/libc10.so) frame #2: c10::cuda::c10_cuda_check_implementation(int, char const*, char const*, int, bool) + 0x118 (0x7a2ada9939f8 in /home/qh1/Qwen/Yw/yw_env/lib/python3.8/site-packages/torch/lib/libc10_cuda.so) frame #3: c10d::ProcessGroupNCCL::WorkNCCL::finishedGPUExecutionInternal() const + 0x80 (0x7a2a41b46790 in /home/qh1/Qwen/Yw/yw_env/lib/python3.8/site-packages/torch/lib/libtorch_cuda.so) frame #4: c10d::ProcessGroupNCCL::WorkNCCL::isCompleted() + 0x58 (0x7a2a41b4a5b8 in /home/qh1/Qwen/Yw/yw_env/lib/python3.8/site-packages/torch/lib/libtorch_cuda.so) frame #5: c10d::ProcessGroupNCCL::workCleanupLoop() + 0x24b (0x7a2a41b60dfb in /home/qh1/Qwen/Yw/yw_env/lib/python3.8/site-packages/torch/lib/libtorch_cuda.so) frame #6: c10d::ProcessGroupNCCL::ncclCommWatchdog() + 0x78 (0x7a2a41b61108 in /home/qh1/Qwen/Yw/yw_env/lib/python3.8/site-packages/torch/lib/libtorch_cuda.so) frame #7: <unknown function> + 0xdf0e6 (0x7a2ad7c0a0e6 in /home/qh1/Qwen/Yw/yw_env/bin/../lib/libstdc++.so.6) frame #8: <unknown function> + 0x94ac3 (0x7a2af4294ac3 in /lib/x86_64-linux-gnu/libc.so.6) frame #9: <unknown function> + 0x1268d0 (0x7a2af43268d0 in /lib/x86_64-linux-gnu/libc.so.6) WARNING ⚠️ CUDA OutOfMemoryError in TaskAlignedAssigner, using CPU [2026-04-21 22:14:56,796] torch.distributed.elastic.multiprocessing.api: [WARNING] Sending process 2677721 closing signal SIGTERM [2026-04-21 22:15:02,669] torch.distributed.elastic.multiprocessing.api: [ERROR] failed (exitcode: -6) local_rank: 1 (pid: 2677722) of binary: /home/qh1/Qwen/Yw/yw_env/bin/python Traceback (most recent call last): File "/home/qh1/Qwen/Yw/yw_env/lib/python3.8/runpy.py", line 194, in _run_module_as_main return _run_code(code, main_globals, None, File "/home/qh1/Qwen/Yw/yw_env/lib/python3.8/runpy.py", line 87, in _run_code exec(code, run_globals) File "/home/qh1/Qwen/Yw/yw_env/lib/python3.8/site-packages/torch/distributed/run.py", line 810, in <module> main() File "/home/qh1/Qwen/Yw/yw_env/lib/python3.8/site-packages/torch/distributed/elastic/multiprocessing/errors/__init__.py", line 346, in wrapper return f(*args, **kwargs) File "/home/qh1/Qwen/Yw/yw_env/lib/python3.8/site-packages/torch/distributed/run.py", line 806, in main run(args) File "/home/qh1/Qwen/Yw/yw_env/lib/python3.8/site-packages/torch/distributed/run.py", line 797, in run elastic_launch( File "/home/qh1/Qwen/Yw/yw_env/lib/python3.8/site-packages/torch/distributed/launcher/api.py", line 134, in __call__ return launch_agent(self._config, self._entrypoint, list(args)) File "/home/qh1/Qwen/Yw/yw_env/lib/python3.8/site-packages/torch/distributed/launcher/api.py", line 264, in launch_agent raise ChildFailedError( torch.distributed.elastic.multiprocessing.errors.ChildFailedError: ============================================================ /home/qh1/.config/Ultralytics/DDP/_temp_jzzt2g3g140562231208544.py FAILED ------------------------------------------------------------ Failures: <NO_OTHER_FAILURES> ------------------------------------------------------------ Root Cause (first observed failure): [0]: time : 2026-04-21_22:14:56 host : fusion-G5500-V7 rank : 1 (local_rank: 1) exitcode : -6 (pid: 2677722) error_file: <N/A> traceback : Signal 6 (SIGABRT) received by PID 2677722 ============================================================ Traceback (most recent call last): File "z-train2.py", line 24, in <module> model.train( File "/home/qh1/Qwen/Yw/ultralytics-Yw/ultralytics/engine/model.py", line 778, in train self.trainer.train() File "/home/qh1/Qwen/Yw/ultralytics-Yw/ultralytics/engine/trainer.py", line 238, in train raise e File "/home/qh1/Qwen/Yw/ultralytics-Yw/ultralytics/engine/trainer.py", line 236, in train subprocess.run(cmd, check=True) File "/home/qh1/Qwen/Yw/yw_env/lib/python3.8/subprocess.py", line 516, in run raise CalledProcessError(retcode, process.args, subprocess.CalledProcessError: Command '['/home/qh1/Qwen/Yw/yw_env/bin/python', '-m', 'torch.distributed.run', '--nproc_per_node', '2', '--master_port', '44421', '/home/qh1/.config/Ultralytics/DDP/_temp_jzzt2g3g140562231208544.py']' returned non-zero exit status 1.
Glenn JocherUltralytics从这份 traceback 看,问题更像是 DDP 子进程混用了本地仓库和
site-packages的ultralytics(trainer.py走的是/ultralytics-Yw/,但validator.py、loss.py、tal.py来自site-packages),再叠加WorldTrainerFromScratch这类自定义组件不适合通过device=[0,2]触发自动 DDP;请按 multi-GPU custom code 说明 直接用torch.distributed.run启动训练脚本、去掉model.train()里的多卡device参数,并先统一成单一安装路径(建议只保留一个环境并用pip install -e .),另外日志里已经出现TaskAlignedAssignerOOM,先把batch=256降下来再复现,这个 OOM 也会连带触发后面的CUDA device-side assert。feekyzz
感谢您的回复,我按照您的设置已经完全解决了训练的问题。 现在有一个小小的问题,batch不能设置太大,不然仍会在val的过程中触发索引不匹配,这个应该就是你说的问题吧“先把 batch=256 降下来再复现,这个 OOM 也会连带触发后面的 CUDA device-side assert”。
Glenn JocherUltralytics是的,这基本就是同一个问题:
val阶段的TaskAlignedAssigner对显存更敏感,大batch先触发 OOM 后,后面的“索引不匹配”或device-side assert通常只是连锁报错;建议把验证批次设得比训练更小,必要时参考 多卡自定义代码训练说明 先训练、再单独用更小batch做val。feekyzz
你好,为什么在训练了30轮左右,val仍停留在0.019左右
Glenn JocherUltralytics如果你现在是用
WorldTrainerFromScratch从头训练,这种情况下 30 个 epoch 左右val还停在较低水平通常并不异常,尤其是用 LVISminival验证时;YOLO-World 从头训练参考 的官方配方本身就是epochs=100,而 训练常见问题 里也提到从头训练会比加载预训练权重收敛更慢。若到 100 个 epoch 后precision、recall和mAP50-95仍几乎不变,再把results.csv、训练曲线和一小份可复现数据贴出来,我们再继续看是否是数据质量或类映射问题。
wcymbnl
你好,我在训练自己的数据集的过程中,采用除了yoloworld以外的模型,精度都非常好。可是,一旦利用预训练权重是yolo-worldv2的模型后,一模一样的数据集,map一直为0。训练的代码也是你们提供的,请问如何解决。
mengdxiran
我也遇到了同样的问题,请问解决了吗?
Glenn JocherUltralytics@faesray Currently the YOLO-World integration only supports the built‑in CLIP text encoder (
ViT-B/32) viabuild_text_model, so swapping in a custom text encoder is not exposed as a config option—you’d need to modifyultralytics.nn.text_model.build_text_modeland retrain, which is a research-level change; for better accuracy with the existing pipeline, use the largeryolov8m/l/x-worldv2backbones rather than relying onsalone, see the model table in the YOLOWorld reference.@yizhihuo99 训练自己数据集时,普通“闭集”微调不需要在
.txt标签或yaml里写整句描述,只要在data.yaml里正确填写names,或在推理时用model.set_classes([...]),训练器会自动根据类别名生成文本特征;只有像文档示例那样用WorldTrainerFromScratch做“检测 + grounding”联合训练时,描述性语言才写在 grounding 的 JSON 里(例如 Flickr30k/GQA 的caption字段),并通过grounding_data传入,而不是放在 YOLO 的txt标签中,具体结构可以参考 WorldTrainerFromScratch 示例.@mgh-man 这里的
nc被硬编码为 80 是刻意设计,它表示“单张图像中最多使用的文本提示数”,而不是数据集的总类别数,所以即使 Objects365 有 365 类,只要一张图里实际出现的不同类别数 ≤ 80,就可以正常训练,不会因为类别 ID > 80 而“无法训练”;目前这个上限只能通过修改WorldTrainer.get_model中的nc=min(self.data["nc"], 80)以及相应模型代码来变更,暂时不支持通过yaml直接把它安全地提高到 365。@wcymbnl @mengdxiran 如果同一数据集在其它模型上 mAP 很高,而换成
yolov8*-worldv2后 mAP 始终为 0,请先确认您是用YOLOWorld类在训练,例如:from ultralytics import YOLOWorld model = YOLOWorld("yolov8s-worldv2.pt") model.train(data="your_dataset.yaml", epochs=100, imgsz=640)然后请检查
your_dataset.yaml中nc是否与names长度一致、标注类别索引是否从 0 连续编号,并在修正后删除标签目录下的*.cache文件再重新训练;如果问题仍在,烦请贴出完整的训练命令、model.train(...)调用和一次完整的日志,以及yolo checks的输出,方便我们进一步定位原因。
mgh-man
Hello, I reproduced the official results from scratch according to the example and found that objects365 has 365 categories, but I cannot set nc to 365. Model. yaml is set to nc=80 during runtime (model. yaml nc=365 with nc=80), which results in images corresponding to categories with indexes exceeding 80 being unable to be trained. I noticed the following explanation in the code:
NOTE: This
nchere is the max number of different text samples in one image, rather than the actualnc.NOTE: Following the official config, nc hard-coded to 80 for now.
So how can I customize the number of nc?
Yangyang875
参考:YOLO-World 模型 - Ultralytics YOLO 文档
Mr.Y @.***
------------------ 原始邮件 ------------------ 发件人: "ultralytics/ultralytics" @.>; 发送时间: 2025年9月6日(星期六) 晚上11:04 @.>; @.@.>; 主题: Re: [ultralytics/ultralytics] zh/models/yolo-world/ (Discussion #8458)
我想问一下,在训练自己的数据集的时候,在哪里添加具有文本描述性的语言,在txt标签文件还是训练时使用的yaml文件
— Reply to this email directly, view it on GitHub, or unsubscribe. You are receiving this because you commented.Message ID: @.***>
yizhihuo99
我想问一下,在训练自己的数据集的时候,在哪里添加具有文本描述性的语言,在txt标签文件还是训练时使用的yaml文件
BorhanPetgar
Hi, thanks for integrating YOLO-World. Is it possible to get the embedding for each bounding box?