Saltar para o conteúdo

Utilização da interface de linha de comandos

A interface de linha de comando YOLO (CLI) permite comandos simples de linha única sem a necessidade de um ambiente Python . CLI não requer personalização ou código Python . Pode simplesmente executar todas as tarefas a partir do terminal com o comando yolo comando.



Ver: Masterização Ultralytics YOLO : CLI

Exemplo

Ultralytics yolo utilizam a seguinte sintaxe: 

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.
Ver todos os ARGS na íntegra Guia de configuração ou com yolo cfg

Treinar um modelo de deteção para 10 épocas com uma learning_rate inicial de 0,01 

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

Prever um vídeo do YouTube utilizando um modelo de segmentação pré-treinado no tamanho de imagem 320: 

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

Val um modelo de deteção pré-treinado com tamanho de lote 1 e tamanho de imagem 640: 

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

Exportar um modelo de classificação YOLO11n para o formato ONNX no tamanho de imagem 224 por 128 (não é necessária nenhuma TASK) 

yolo export model=yolo11n-cls.pt format=onnx imgsz=224,128

Execute comandos especiais para ver a versão, visualizar definições, efetuar verificações e muito mais: 

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

Onde:

  • TASK (opcional) é um dos [detect, segment, classify, pose, obb]. Se não for passado explicitamente, YOLO11 tentará adivinhar o TASK do tipo de modelo.
  • MODE (obrigatório) é um dos [train, val, predict, export, track, benchmark]
  • ARGS (opcional) são qualquer número de arg=value pares como imgsz=320 que se sobrepõem às predefinições. Para obter uma lista completa das ARGS ver o Configuração página e defaults.yaml

Aviso

Os argumentos devem ser passados como arg=val pares, divididos por um sinal de igual = sinal e delimitado por espaços entre pares. Não utilizar -- prefixos de argumentos ou vírgulas , entre argumentos.

  • 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   ❌

Comboio

Treinar YOLO11n no conjunto de dados COCO8 para 100 épocas com o tamanho de imagem 640. Para obter uma lista completa dos argumentos disponíveis, consulte a página Configuração.

Exemplo

Iniciar o treino do YOLO11n no COCO8 para 100 épocas com o tamanho de imagem 640. 

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

Retomar uma formação interrompida. 

yolo detect train resume model=last.pt

Val

Validar o modelo YOLO11n treinado exatidão no conjunto de dados COCO8. Não são necessários argumentos, uma vez que o model mantém a sua formação data e argumentos como atributos do modelo.

Exemplo

Validar um modelo oficial YOLO11n. 

yolo detect val model=yolo11n.pt

Validar um modelo treinado de forma personalizada. 

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

Prever

Utilize um modelo YOLO11n treinado para executar previsões em imagens.

Exemplo

Prever com um modelo oficial YOLO11n. 

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

Prever com um modelo personalizado. 

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

Exportação

Exportar um modelo YOLO11n para um formato diferente, como ONNX, CoreML, etc.

Exemplo

Exportar um modelo oficial YOLO11n para o formato ONNX . 

yolo export model=yolo11n.pt format=onnx

Exportar um modelo treinado personalizado para o formato ONNX . 

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

Os formatos de exportação disponíveis em YOLO11 encontram-se na tabela abaixo. É possível exportar para qualquer formato utilizando o botão format argumento, ou seja format='onnx' ou format='engine'.

Formato format Argumento Modelo Metadados Argumentos
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 Leve tflite yolo11n.tflite ✅ imgsz, half, int8, batch
TF Borda 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

Ver completo export pormenores no Exportação página.

Substituir argumentos predefinidos

Os argumentos padrão podem ser substituídos simplesmente passando-os como argumentos no CLI em arg=value pares.

Dica

Treinar um modelo de deteção para 10 epochs com learning_rate de 0.01 

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

Prever um vídeo do YouTube utilizando um modelo de segmentação pré-treinado no tamanho de imagem 320: 

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

Validar um modelo de deteção pré-treinado com tamanho de lote 1 e tamanho de imagem 640: 

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

Substituir o ficheiro de configuração predefinido

É possível substituir o default.yaml inteiramente, passando um novo ficheiro com o parâmetro cfg argumentos, ou seja cfg=custom.yaml.

Para isso, primeiro crie uma cópia do default.yaml no seu diretório de trabalho atual com o yolo copy-cfg comando.

Isto irá criar default_copy.yaml, que pode então passar como cfg=default_copy.yaml juntamente com quaisquer args adicionais, como imgsz=320 neste exemplo:

Exemplo

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

FAQ

Como é que utilizo a interface de linha de comandos Ultralytics YOLO11 (CLI) para a formação de modelos?

Para treinar um modelo YOLO11 utilizando o CLI, pode executar um simples comando de uma linha no terminal. Por exemplo, para treinar um modelo de deteção para 10 épocas com uma taxa de aprendizagem de 0,01, deve executar:

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

Este comando utiliza o train com argumentos específicos. Consulte a lista completa de argumentos disponíveis na secção Guia de configuração.

Que tarefas posso efetuar com o Ultralytics YOLO11 CLI ?

O Ultralytics YOLO11 CLI suporta uma variedade de tarefas, incluindo deteção, segmentação, classificação, validação, previsão, exportação e rastreio. Por exemplo:

  • Treinar um modelo: Executar yolo train data=<data.yaml> model=<model.pt> epochs=<num>.
  • Previsões de corrida: Utilizar yolo predict model=<model.pt> source=<data_source> imgsz=<image_size>.
  • Exportar um modelo: Executar yolo export model=<model.pt> format=<export_format>.

Cada tarefa pode ser personalizada com vários argumentos. Para obter exemplos e sintaxe detalhada, consulte as respectivas secções como Treinar, Prever e Exportar.

Como posso validar a precisão de um modelo YOLO11 treinado utilizando o CLI?

Para validar a exatidão de um modelo YOLO11 , utilize o val modo. Por exemplo, para validar um modelo de deteção pré-treinado com um tamanho do lote de 1 e tamanho de imagem de 640, executar:

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

Esse comando avalia o modelo no conjunto de dados especificado e fornece métricas de desempenho. Para obter mais detalhes, consulte a secção Val.

Para que formatos posso exportar os meus modelos YOLO11 utilizando o CLI?

YOLO11 Os modelos podem ser exportados para vários formatos, como ONNX, CoreML, TensorRT, entre outros. Por exemplo, para exportar um modelo para o formato ONNX , execute:

yolo export model=yolo11n.pt format=onnx

Para obter informações completas, visite a página Exportação.

Como é que personalizo os comandos de YOLO11 CLI para substituir os argumentos predefinidos?

Para substituir os argumentos padrão nos comandos YOLO11 CLI , passe-os como arg=value pares. Por exemplo, para treinar um modelo com argumentos personalizados, utilize:

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

Para obter uma lista completa dos argumentos disponíveis e suas descrições, consulte o Guia de Configuração. Certifique-se de que os argumentos estão formatados corretamente, conforme mostrado na secção Substituir argumentos predefinidos.

📅C riado há 1 ano ✏️ Atualizado há 2 meses
UltralyticsAssistant glenn-jocher jk4e MatthewNoyce polvo ambicioso Burhan-Q RizwanMunawar AyushExel Rir-q nihui

Comentários