Использование интерфейса командной строки
Интерфейс командной строки YOLO (CLI) позволяет выполнять простые однострочные команды без необходимости создания среды Python . CLI не требует настройки или Python кода. Ты можешь просто запускать все задания из терминала с помощью команды yolo
Командуй.
Смотри: Мастеринг Ultralytics YOLOv8 : CLI
Пример
Ultralytics yolo
Команды используют следующий синтаксис:
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
Обучи модель обнаружения в течение 10 эпох с начальной скоростью обучения 0.01
Прогнозируй видео на YouTube с помощью предварительно обученной модели сегментации при размере изображения 320:
Вали предварительно обученную модель обнаружения при размере партии 1 и размере изображения 640:
Экспортируй модель классификации YOLOv8n в формат ONNX с размером изображения 224 на 128 (не требуется TASK).
Где:
TASK
(необязательно) - это одно из[detect, segment, classify]
. Если он не передан явно, YOLOv8 попытается угадать.TASK
от типа модели.MODE
(обязательно) является одним из[train, val, predict, export, track]
ARGS
(необязательно) - это любое количество пользовательскихarg=value
Такие пары, какimgsz=320
которые отменяют настройки по умолчанию. Полный список доступныхARGS
см. Конфигурация страница иdefaults.yaml
GitHub источник.
Внимание
Аргументы должны быть переданы как arg=val
пары, разделенные знаком равенства =
знак и разделенные пробелами между парами. Не используйте
--
Префиксы аргументов или запятые ,
между аргументами.
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
❌
Поезд
Обучи YOLOv8n на наборе данных COCO8 в течение 100 эпох при размере изображения 640. Полный список доступных аргументов смотри на странице конфигурации.
Пример
Вэл
Проверь точность обученной модели YOLOv8n на наборе данных COCO8. Не нужно передавать никаких аргументов в качестве model
сохраняет тренировки data
и аргументы в качестве атрибутов модели.
Пример
Предсказывай
Используй обученную модель YOLOv8n для выполнения прогнозов на изображениях.
Пример
Экспорт
Экспортируй модель YOLOv8n в другой формат, например ONNX, CoreML и т. д.
Пример
Доступные форматы экспорта YOLOv8 приведены в таблице ниже. Ты можешь экспортировать в любой формат, используя format
аргумент, то есть format='onnx'
или format='engine'
.
Формат | format Аргумент |
Модель | Метаданные | Аргументы |
---|---|---|---|---|
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 Lite | tflite |
yolov8n.tflite |
✅ | imgsz , half , int8 , batch |
TF Край 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 |
Смотреть полностью export
подробности в Экспорт Страница.
Переопределение стандартных аргументов
Аргументы по умолчанию можно переопределить, просто передав их в качестве аргументов в CLI в arg=value
Пары.
Обучи модель обнаружения для 10 epochs
с learning_rate
из 0.01
Прогнозируй видео на YouTube с помощью предварительно обученной модели сегментации при размере изображения 320:
Переопределение файла конфигурации по умолчанию
Ты можешь переопределить default.yaml
полностью, передав новый файл с параметром cfg
аргументы, то есть cfg=custom.yaml
.
Для этого сначала создай копию default.yaml
в твоей текущей рабочей папке с yolo copy-cfg
Командуй.
Это позволит создать default_copy.yaml
, который ты можешь передать как cfg=default_copy.yaml
вместе с любыми дополнительными параметрами, например imgsz=320
в этом примере:
Создано 2023-11-12, Обновлено 2024-04-27
Авторы: glenn-jocher (14), Burhan-Q (1), RizwanMunawar (1), AyushExel (1), Laughing-q (1), shuizhuyuanluo@126.com (1)