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 . Podes simplesmente executar todas as tarefas a partir do terminal com o comando yolo
comanda.
Observa: Domina Ultralytics YOLOv8 : CLI
Exemplo
Ultralytics yolo
utiliza a seguinte sintaxe:
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
Treina um modelo de deteção para 10 épocas com uma learning_rate inicial de 0,01
Prevê um vídeo do YouTube utilizando um modelo de segmentação pré-treinado no tamanho de imagem 320:
Valida um modelo de deteção pré-treinado com tamanho de lote 1 e tamanho de imagem 640:
Exporta um modelo de classificação YOLOv8n para o formato ONNX com o tamanho de imagem 224 por 128 (não é necessária nenhuma TASK)
Onde:
TASK
(opcional) é um dos[detect, segment, classify]
. Se não for passado explicitamente, YOLOv8 tentará adivinhar oTASK
do tipo de modelo.MODE
(obrigatório) é um dos[train, val, predict, export, track]
ARGS
(opcional) são qualquer número dearg=value
pares comoimgsz=320
que substituem as predefinições. Para obteres uma lista completa dosARGS
vê o Configuração página edefaults.yaml
GitHub fonte.
Aviso
Os argumentos devem ser passados como arg=val
divididos por um sinal de igual =
sinal e delimitado por espaços entre pares. Não utilizes
--
prefixos de argumentos ou vírgulas ,
entre argumentos.
yolo predict model=yolov8n.pt imgsz=640 conf=0.25
✅yolo predict model yolov8n.pt imgsz 640 conf 0.25
❌yolo predict --model yolov8n.pt --imgsz 640 --conf 0.25
❌
Comboio
Treina YOLOv8n no conjunto de dados COCO8 para 100 épocas com o tamanho de imagem 640. Para obter uma lista completa dos argumentos disponíveis, consulta a página Configuração.
Exemplo
Val
Valida a precisão do modelo YOLOv8n treinado no conjunto de dados COCO8. Não precisas de passar nenhum argumento, pois o model
mantém a sua formação data
e argumentos como atributos do modelo.
Exemplo
Prevê
Utiliza um modelo YOLOv8n treinado para executar previsões em imagens.
Exemplo
Exportação
Exporta um modelo YOLOv8n para um formato diferente, como ONNX, CoreML, etc.
Exemplo
Os formatos de exportação disponíveis em YOLOv8 encontram-se na tabela abaixo. Podes exportar para qualquer formato utilizando o botão format
argumento, ou seja format='onnx'
ou format='engine'
.
Formato | format Argumenta |
Modelo | Metadados | Argumentos |
---|---|---|---|---|
PyTorch | - | yolov8n.pt |
✅ | - |
TorchScript | torchscript |
yolov8n.torchscript |
✅ | imgsz , optimize , batch |
ONNX | onnx |
yolov8n.onnx |
✅ | imgsz , half , dynamic , simplify , opset , batch |
OpenVINO | openvino |
yolov8n_openvino_model/ |
✅ | imgsz , half , int8 , batch |
TensorRT | engine |
yolov8n.engine |
✅ | imgsz , half , dynamic , simplify , workspace , batch |
CoreML | coreml |
yolov8n.mlpackage |
✅ | imgsz , half , int8 , nms , batch |
TF SavedModel | saved_model |
yolov8n_saved_model/ |
✅ | imgsz , keras , int8 , batch |
TF GraphDef | pb |
yolov8n.pb |
❌ | imgsz , batch |
TF Leve | tflite |
yolov8n.tflite |
✅ | imgsz , half , int8 , batch |
TF Borda TPU | edgetpu |
yolov8n_edgetpu.tflite |
✅ | imgsz , batch |
TF.js | tfjs |
yolov8n_web_model/ |
✅ | imgsz , half , int8 , batch |
PaddlePaddle | paddle |
yolov8n_paddle_model/ |
✅ | imgsz , batch |
NCNN | ncnn |
yolov8n_ncnn_model/ |
✅ | imgsz , half , batch |
Ver completo export
detalhes no Exportação página.
Substituir argumentos predefinidos
Os argumentos padrão podem ser substituídos simplesmente passando-os como argumentos no CLI em arg=value
pares.
Treina um modelo de deteção para 10 epochs
com learning_rate
de 0.01
Prevê um vídeo do YouTube utilizando um modelo de segmentação pré-treinado no tamanho de imagem 320:
Substituir o ficheiro de configuração predefinido
Podes substituir o default.yaml
inteiramente, passando um novo ficheiro com o parâmetro cfg
argumentos, ou seja cfg=custom.yaml
.
Para isso, cria primeiro uma cópia do default.yaml
no teu diretório de trabalho atual com o yolo copy-cfg
comanda.
Isto irá criar default_copy.yaml
, que podes então passar como cfg=default_copy.yaml
juntamente com quaisquer argumentos adicionais, como imgsz=320
neste exemplo:
Criado em 2023-11-12, Atualizado em 2024-04-27
Autores: glenn-jocher (14), Burhan-Q (1), RizwanMunawar (1), AyushExel (1), Laughing-q (1), shuizhuyuanluo@126.com (1)