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: Mastering Ultralytics YOLO: CLI

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.

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

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

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

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

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

Где:

• TASK (необязательно) - это одно из [detect, segment, classify, pose, obb]. If it is not passed explicitly YOLO11 will try to guess the TASK от типа модели.
• MODE (обязательно) является одним из [train, val, predict, export, track, benchmark]
• ARGS (необязательно) - это любое количество пользовательских arg=value Такие пары, как imgsz=320 которые отменяют настройки по умолчанию. Полный список доступных ARGS см. Конфигурация страница и defaults.yaml

Поезд

Train YOLO11n on the COCO8 dataset for 100 epochs at image size 640. For a full list of available arguments see the Configuration page.

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

yolo detect train resume model=last.pt

Вэл

Validate trained YOLO11n model accuracy on the COCO8 dataset. No arguments are needed as the model сохраняет свою подготовку data и аргументы в качестве атрибутов модели.

yolo detect val model=yolo11n.pt

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

Предсказывай

Use a trained YOLO11n model to run predictions on images.

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

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

Экспорт

Export a YOLO11n model to a different format like ONNX, CoreML, etc.

yolo export model=yolo11n.pt format=onnx

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

Available YOLO11 export formats are in the table below. You can export to any format using the format аргумент, то есть format='onnx' или format='engine'.

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.

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

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

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

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:

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

ВОПРОСЫ И ОТВЕТЫ

How do I use the Ultralytics YOLO11 command line interface (CLI) for model training?

To train a YOLO11 model using the CLI, you can execute a simple one-line command in the terminal. For example, to train a detection model for 10 epochs with a learning rate of 0.01, you would run:

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

Эта команда использует train режим с определенными аргументами. Полный список доступных аргументов см. в разделе Руководство по настройке.

What tasks can I perform with the Ultralytics YOLO11 CLI?

The Ultralytics YOLO11 CLI supports a variety of tasks including detection, segmentation, classification, validation, prediction, export, and tracking. For instance:

• Тренируй модель: Беги yolo train data=<data.yaml> model=<model.pt> epochs=<num>.
• Прогнозы на забег:Использование yolo predict model=<model.pt> source=<data_source> imgsz=<image_size>.
• Экспорт модели: Выполни yolo export model=<model.pt> format=<export_format>.

Каждая задача может быть настроена с помощью различных аргументов. Подробный синтаксис и примеры смотрите в соответствующих разделах, таких как Train, Predict и Export.

How can I validate the accuracy of a trained YOLO11 model using the CLI?

To validate a YOLO11 model's accuracy, use the val mode. For example, to validate a pretrained detection model with a batch size of 1 and image size of 640, run:

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

Эта команда оценивает модель на указанном наборе данных и выдает показатели эффективности. За более подробной информацией обращайся к разделу Val.

What formats can I export my YOLO11 models to using the CLI?

YOLO11 models can be exported to various formats such as ONNX, CoreML, TensorRT, and more. For instance, to export a model to ONNX format, run:

yolo export model=yolo11n.pt format=onnx

Для получения полной информации посети страницу " Экспорт".

How do I customize YOLO11 CLI commands to override default arguments?

To override default arguments in YOLO11 CLI commands, pass them as arg=value пары. Например, чтобы обучить модель с пользовательскими аргументами, используй:

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

Полный список доступных аргументов и их описание смотри в руководстве по настройке. Убедись, что аргументы отформатированы правильно, как показано в разделе " Переопределение аргументов по умолчанию ".

📅 Created 11 months ago ✏️ Updated 6 days ago

Комментарии