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
Пример
Ultralytics yolo
Команды используют следующий синтаксис:
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 cfg
Train a detection model for 10 epochs with an initial learning_rate of 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:
Export a YOLO11n classification model to ONNX format at image size 224 by 128 (no TASK required)
Где:
TASK
(необязательно) - это одно из[detect, segment, classify, pose, obb]
. If it is not passed explicitly YOLO11 will try to guess theTASK
от типа модели.MODE
(обязательно) является одним из[train, val, predict, export, track, benchmark]
ARGS
(необязательно) - это любое количество пользовательскихarg=value
Такие пары, какimgsz=320
которые отменяют настройки по умолчанию. Полный список доступныхARGS
см. Конфигурация страница иdefaults.yaml
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=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
❌
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.
Пример
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.
Пример
Предсказывай
Use a trained YOLO11n model to run predictions on images.
Пример
Экспорт
Export a YOLO11n model to a different format like ONNX, CoreML, etc.
Пример
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'
.
Формат | format Аргумент |
Модель | Метаданные | Аргументы |
---|---|---|---|---|
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 Lite | tflite |
yolo11n.tflite |
✅ | imgsz , half , int8 , batch |
TF Край TPU | edgetpu |
yolo11n_edgetpu.tflite |
✅ | imgsz |
TF.js | tfjs |
yolo11n_web_model/ |
✅ | imgsz , half , int8 , batch |
PaddlePaddle | paddle |
yolo11n_paddle_model/ |
✅ | imgsz , batch |
NCNN | ncnn |
yolo11n_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.
Наконечник
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:
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:
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:
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:
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:
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 ".