Модель YOLO-World
YOLO-World — подход к обнаружению объектов с открытым словарем на основе Ultralytics YOLOv8, работающий в реальном времени. Он обнаруживает объекты на изображении по описаниям на естественном языке. Благодаря снижению вычислительных затрат при сохранении конкурентоспособной точности YOLO-World подходит для широкого спектра задач компьютерного зрения.
Смотри: Рабочий процесс обучения YOLO World на пользовательском датасете

Обзор#
YOLO-World решает проблемы традиционных моделей обнаружения с открытым словарём, которые часто полагаются на ресурсоёмкие модели Transformer, требующие значительных вычислительных ресурсов. Детекторы с закрытым набором классов, в свою очередь, зависят от заранее заданных категорий объектов, что ограничивает их применение в динамичных сценариях. YOLO-World расширяет фреймворк YOLOv8, добавляя обнаружение с открытым словарём на основе моделирования «зрение — язык» и предварительного обучения на больших наборах данных, чтобы эффективно распознавать широкий спектр объектов в сценариях zero-shot.
Для задач с открытым словарём, где также нужны маски экземпляров, визуальные подсказки или режим без подсказок, используй YOLOE: в нём сохранён тот же API set_classes().
Основные особенности#
-
Решение для работы в реальном времени: благодаря быстрым CNN YOLO-World обеспечивает обнаружение с открытым словарём с достаточной скоростью для приложений, которым нужны мгновенные результаты.
-
Эффективность и производительность: YOLO-World снижает требования к вычислительным ресурсам, сохраняя точность. Это эффективная альтернатива более тяжёлым детекторам с открытым словарём на базе трансформеров, позволяющая использовать их в приложениях реального времени.
-
Инференс с офлайн-словарём: YOLO-World использует стратегию «сначала запрос — затем обнаружение» и офлайн-словарь для повышения эффективности. Благодаря этому можно использовать пользовательские запросы, заранее вычисленные в виде описаний или категорий, кодировать их и сохранять как эмбеддинги офлайн-словаря, упрощая процесс обнаружения.
-
На базе YOLOv8: YOLO-World построен на Ultralytics YOLOv8 и адаптирует архитектуру обнаружения объектов в реальном времени для быстрого и точного обнаружения с открытым словарём.
-
Отличные результаты на бенчмарках: YOLO-World превосходит существующие детекторы с открытым словарём, включая MDETR и серию GLIP, по скорости и эффективности на стандартных бенчмарках при измерениях на одном GPU NVIDIA V100.
-
Широкий спектр применений: благодаря эффективности YOLO-World обнаружение с открытым словарём становится практичным для множества задач компьютерного зрения и выполняется значительно быстрее, чем с помощью предыдущих методов.
Доступные модели, поддерживаемые задачи и режимы работы#
В этом разделе описаны доступные модели, соответствующие им предварительно обученные веса, поддерживаемые задачи и совместимость с различными режимами работы: обучением, валидацией, инференсом и экспортом. ✅ обозначает поддерживаемые режимы, а ❌ — неподдерживаемые.
Все веса YOLOv8-World напрямую перенесены из официального репозитория YOLO-World; благодарим авторов за их создание.
| Тип модели | Предобученные веса | Поддерживаемые задачи | Обучение | Валидация | Инференс | Экспорт |
|---|---|---|---|---|---|---|
| YOLOv8s-world | yolov8s-world.pt | Обнаружение объектов | ✅ | ✅ | ✅ | ❌ |
| YOLOv8s-worldv2 | yolov8s-worldv2.pt | Обнаружение объектов | ✅ | ✅ | ✅ | ✅ |
| YOLOv8m-world | yolov8m-world.pt | Обнаружение объектов | ✅ | ✅ | ✅ | ❌ |
| YOLOv8m-worldv2 | yolov8m-worldv2.pt | Обнаружение объектов | ✅ | ✅ | ✅ | ✅ |
| YOLOv8l-world | yolov8l-world.pt | Обнаружение объектов | ✅ | ✅ | ✅ | ❌ |
| YOLOv8l-worldv2 | yolov8l-worldv2.pt | Обнаружение объектов | ✅ | ✅ | ✅ | ✅ |
| YOLOv8x-world | yolov8x-world.pt | Обнаружение объектов | ✅ | ✅ | ✅ | ❌ |
| YOLOv8x-worldv2 | yolov8x-worldv2.pt | Обнаружение объектов | ✅ | ✅ | ✅ | ✅ |
Перенос обучения без примеров на наборе данных COCO#
| Тип модели | 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 |
Примеры использования#
Ultralytics предоставляет Python API и команды CLI для моделей YOLO-World.
Смотри: Примеры использования модели YOLO-World с Ultralytics | открытый словарь, без запросов и многое другое
Использование для обучения#
Мы настоятельно рекомендуем использовать yolov8-worldv2 для обучения на собственных данных: этот инструмент поддерживает детерминированное обучение и упрощает экспорт в такие форматы, как ONNX и TensorRT.
Обучи модель YOLO-World для обнаружения объектов с помощью метода train, как показано ниже на примере набора данных COCO8:
Предобученные модели *.pt на базе PyTorch, а также файлы конфигурации *.yaml можно передать классу YOLOWorld(), чтобы создать экземпляр модели в Python:
from ultralytics import YOLOWorld
# Загрузить предварительно обученную модель YOLOv8s-worldv2
model = YOLOWorld("yolov8s-worldv2.pt")
# Обучить модель на демонстрационном наборе данных COCO8 в течение 100 эпох
results = model.train(data="coco8.yaml", epochs=100, imgsz=640)
# Запустить инференс модели YOLO-World на изображении 'bus.jpg'
results = model("path/to/bus.jpg")Использование для предсказаний#
Выполни обнаружение объектов с помощью метода predict, как показано ниже:
from ultralytics import YOLOWorld
# Инициализировать модель YOLO-World
model = YOLOWorld("yolov8s-world.pt") # или выбрать yolov8m/l-world.pt для моделей другого размера
# Выполнить инференс модели YOLOv8s-world на указанном изображении
results = model.predict("path/to/image.jpg")
# Показать результаты
results[0].show()Этот фрагмент кода загружает предварительно обученную модель и выполняет предсказание для изображения.
Использование для валидации#
Выполни валидацию модели на наборе данных следующим образом:
from ultralytics import YOLO
# Создать модель YOLO-World
model = YOLO("yolov8s-world.pt") # или выбрать yolov8m/l-world.pt для моделей другого размера
# Провести проверку модели на примере набора данных COCO8
metrics = model.val(data="coco8.yaml")Отслеживание объектов#
Выполни отслеживание объектов с помощью модели YOLO-World на видео или изображениях следующим образом:
from ultralytics import YOLO
# Создать модель YOLO-World
model = YOLO("yolov8s-world.pt") # или выбрать yolov8m/l-world.pt для моделей другого размера
# Отслеживание с помощью модели YOLO-World на видео
results = model.track(source="path/to/video.mp4")Модели YOLO-World от Ultralytics уже настроены: категории набора данных COCO включены в их офлайн-словарь, поэтому модели готовы к использованию. Модели YOLOv8-World могут напрямую распознавать и классифицировать 80 стандартных категорий из набора данных COCO без дополнительной настройки.
Задание промптов#

Фреймворк YOLO-World позволяет динамически задавать классы с помощью пользовательских запросов, чтобы адаптировать модель под конкретные задачи без переобучения. Это особенно полезно при адаптации модели к новым областям или задачам, которых изначально не было в обучающих данных. Пользовательские запросы помогают направить модель на интересующие объекты, повышая релевантность и точность результатов обнаружения.
Например, если твоему приложению нужно обнаруживать только объекты «человек» и «автобус», можно указать эти классы напрямую:
from ultralytics import YOLO
# Инициализировать модель YOLO-World
model = YOLO("yolov8s-world.pt") # или выбрать yolov8m/l-world.pt
# Определить пользовательские классы
model.set_classes(["person", "bus"])
# Выполнить предсказание указанных категорий на изображении
results = model.predict("path/to/image.jpg")
# Показать результаты
results[0].show()Некоторые пользователи отмечают, что добавление пустой строки "" в качестве фонового класса может повысить качество обнаружения в некоторых сценариях. Похоже, это зависит от сценария, а точный механизм до конца не изучен:
model.set_classes(["person", "bus", ""])Пустая строка остаётся в model.names самостоятельным классом, в том числе в сохранённой модели, поэтому обнаружения этого класса возвращаются с пустой меткой. Передай classes=[0, 1] во время предсказания, чтобы оставить только реальные классы.
Также можно сохранить модель после задания пользовательских классов. Так ты создашь версию модели YOLO-World, специализированную для конкретного сценария использования. Этот процесс встраивает определения пользовательских классов непосредственно в файл модели, поэтому она будет готова к работе с указанными классами без дополнительных изменений. Выполни следующие действия, чтобы сохранить и загрузить пользовательскую модель YOLO-World:
Сначала загрузи модель YOLO-World, задай для неё пользовательские классы и сохрани её:
from ultralytics import YOLO
# Инициализировать модель YOLO-World
model = YOLO("yolov8s-world.pt") # или выбрать yolov8m/l-world.pt
# Определить пользовательские классы
model.set_classes(["person", "bus"])
# Сохранить модель с заданным автономным словарём
model.save("custom_yolov8s.pt")После сохранения модель custom_yolov8s.pt работает как любая другая предварительно обученная модель YOLOv8, но с важным отличием: теперь она оптимизирована для обнаружения только заданных тобой классов. Такая настройка может значительно повысить качество и эффективность обнаружения в конкретных сценариях использования приложения.
from ultralytics import YOLO
# Загрузить пользовательскую модель
model = YOLO("custom_yolov8s.pt")
# Запустить инференс для обнаружения пользовательских классов
results = model.predict("path/to/image.jpg")
# Показать результаты
results[0].show()Преимущества сохранения модели с пользовательским словарём#
- Эффективность: Ускоряет процесс обнаружения, фокусируясь на релевантных объектах, сокращая вычислительные затраты и ускоряя инференс.
- Гибкость: Позволяет легко адаптировать модель к новым или узкоспециализированным задачам обнаружения без масштабного переобучения или сбора данных.
- Простота: Упрощает развёртывание: больше не нужно каждый раз указывать пользовательские классы во время выполнения, поскольку модель сразу готова к работе со встроенным словарём.
- Производительность: Повышает точность обнаружения заданных классов, направляя внимание и ресурсы модели на распознавание определённых объектов.
Этот подход позволяет настраивать модели обнаружения объектов для конкретных задач без переобучения, делая обнаружение с открытым словарём практичным для более широкого спектра приложений.
Воспроизведение официальных результатов с нуля (экспериментально)#
Подготовка наборов данных#
- Обучающие данные
| Датасет | Тип | Примеры | Боксы | Файлы аннотаций |
|---|---|---|---|---|
| Objects365v1 | Обнаружение | 609k | 9621k | objects365_train.json |
| GQA | Привязка к изображениям | 621k | 3681k | final_mixed_train_no_coco.json |
| Flickr30k | Привязка к изображениям | 149k | 641k | final_flickr_separateGT_train.json |
- Валидационные данные
| Датасет | Тип | Файлы аннотаций |
|---|---|---|
| LVIS minival | Обнаружение | minival.txt |
Запуск обучения с нуля#
WorldTrainerFromScratch тщательно адаптирован для одновременного обучения моделей YOLO-World на датасетах обнаружения и датасетах grounding.
from ultralytics import YOLOWorld
from ultralytics.models.yolo.world.train_world import WorldTrainerFromScratch
# Вариант 1: использовать словарь 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"]},
}
# Вариант 2: использовать YAML-файл (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, # или data="yolo_world_data.yaml", если используется YAML-файл
batch=128,
epochs=100,
trainer=WorldTrainerFromScratch,
)Цитирование и благодарности#
Благодарим Tencent AILab Computer Vision Center за новаторскую работу в области обнаружения объектов с открытым словарём в реальном времени с помощью 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}
}Подробнее об этом можно узнать из оригинальной статьи о YOLO-World на arXiv. Исходный код проекта и дополнительные материалы доступны в их репозитории GitHub. Мы ценим стремление команды развивать эту область и делиться ценными идеями с сообществом.
Часто задаваемые вопросы#
Модель YOLO-World — это подход к обнаружению объектов в реальном времени на основе фреймворка Ultralytics YOLOv8. Она выполняет обнаружение с открытым словарём, распознавая объекты на изображении по текстовому описанию. Благодаря моделированию «зрение — язык» и предварительному обучению на больших наборах данных YOLO-World обеспечивает высокую эффективность при меньших вычислительных затратах, поэтому хорошо подходит для приложений реального времени.
YOLO-World поддерживает стратегию «сначала запрос — затем обнаружение», которая использует офлайн-словарь для повышения эффективности. Пользовательские запросы, например описания или определённые категории объектов, предварительно кодируются и сохраняются как эмбеддинги офлайн-словаря. Этот подход упрощает процесс обнаружения и избавляет от необходимости переобучения. Ты можешь динамически задавать такие запросы в модели, адаптируя её к конкретным задачам обнаружения, как показано ниже:
from ultralytics import YOLOWorld # Инициализировать модель YOLO-World model = YOLOWorld("yolov8s-world.pt") # Определить пользовательские классы model.set_classes(["person", "bus"]) # Выполнить предсказание на изображении results = model.predict("path/to/image.jpg") # Показать результаты results[0].show()YOLO-World обладает рядом преимуществ по сравнению с традиционными моделями обнаружения с открытым словарём:
- Производительность в реальном времени: модель использует быстрые CNN для быстрого и эффективного обнаружения объектов.
- Эффективность и низкие требования к ресурсам: YOLO-World сохраняет высокую производительность, существенно сокращая вычислительные затраты и потребление ресурсов.
- Настраиваемые промпты: Модель поддерживает динамическое задание промптов, позволяя указывать пользовательские классы обнаружения без переобучения.
- Высокие результаты на бенчмарках: На стандартных бенчмарках модель превосходит другие детекторы с открытым словарём, например MDETR и GLIP, по скорости и эффективности.
Обучи модель YOLO-World на своём наборе данных с помощью Python API или CLI. Вот как начать обучение на Python:
from ultralytics import YOLOWorld # Загрузить предварительно обученную модель YOLOv8s-worldv2 model = YOLOWorld("yolov8s-worldv2.pt") # Обучить модель на наборе данных COCO8 в течение 100 эпох results = model.train(data="coco8.yaml", epochs=100, imgsz=640)Или через CLI:
yolo train model=yolov8s-worldv2.pt data=coco8.yaml epochs=100 imgsz=640Ultralytics предлагает несколько предварительно обученных моделей YOLO-World для разных задач и режимов работы:
Тип модели Предобученные веса Поддерживаемые задачи Обучение Валидация Инференс Экспорт YOLOv8s-world yolov8s-world.pt Обнаружение объектов ✅ ✅ ✅ ❌ YOLOv8s-worldv2 yolov8s-worldv2.pt Обнаружение объектов ✅ ✅ ✅ ✅ YOLOv8m-world yolov8m-world.pt Обнаружение объектов ✅ ✅ ✅ ❌ YOLOv8m-worldv2 yolov8m-worldv2.pt Обнаружение объектов ✅ ✅ ✅ ✅ YOLOv8l-world yolov8l-world.pt Обнаружение объектов ✅ ✅ ✅ ❌ YOLOv8l-worldv2 yolov8l-worldv2.pt Обнаружение объектов ✅ ✅ ✅ ✅ YOLOv8x-world yolov8x-world.pt Обнаружение объектов ✅ ✅ ✅ ❌ YOLOv8x-worldv2 yolov8x-worldv2.pt Обнаружение объектов ✅ ✅ ✅ ✅ Чтобы воспроизвести официальные результаты с нуля, подготовь наборы данных и запусти обучение с помощью предоставленного кода. Процедура обучения включает создание словаря данных и запуск метода
trainс пользовательским тренером: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)
Комментарии244
Задай вопрос, поделись результатами или помоги кому-нибудь.
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(изменено)@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(изменено)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(изменено)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(изменено)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?