Referans için ultralytics/nn/tasks.py
Not
Bu dosya https://github.com/ultralytics/ultralytics/blob/main/ ultralytics/nn/tasks .py adresinde mevcuttur. Bir sorun tespit ederseniz lütfen bir Çekme İsteği 🛠️ ile katkıda bulunarak düzeltilmesine yardımcı olun. Teşekkürler 🙏!
ultralytics.nn.tasks.BaseModel
Üsler: Module
BaseModel sınıfı, Ultralytics YOLO ailesindeki tüm modeller için bir temel sınıf görevi görür.
Kaynak kodu ultralytics/nn/tasks.py
74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143 144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160 161 162 163 164 165 166 167 168 169 170 171 172 173 174 175 176 177 178 179 180 181 182 183 184 185 186 187 188 189 190 191 192 193 194 195 196 197 198 199 200 201 202 203 204 205 206 207 208 209 210 211 212 213 214 215 216 217 218 219 220 221 222 223 224 225 226 227 228 229 230 231 232 233 234 235 236 237 238 239 240 241 242 243 244 245 246 247 248 249 250 251 252 253 254 255 256 257 258 259 260 261 262 263 264 265 266 267 268 269 270 271 |
|
forward(x, *args, **kwargs)
Modelin tek bir ölçekte ileriye doğru geçişi. Sarıcı için _forward_once
yöntem.
Parametreler:
İsim | Tip | Açıklama | Varsayılan |
---|---|---|---|
x |
Tensor | dict
|
Giriş görüntüsü tensor veya görüntü tensor ve gt etiketlerini içeren bir dict. |
gerekli |
İade:
Tip | Açıklama |
---|---|
Tensor
|
Ağın çıktısı. |
Kaynak kodu ultralytics/nn/tasks.py
fuse(verbose=True)
Sigortayı Conv2d()
ve BatchNorm2d()
iyileştirmek için modelin katmanlarını tek bir katmana
hesaplama verimliliği.
İade:
Tip | Açıklama |
---|---|
Module
|
Birleştirilmiş model döndürülür. |
Kaynak kodu ultralytics/nn/tasks.py
info(detailed=False, verbose=True, imgsz=640)
Model bilgilerini yazdırır.
Parametreler:
İsim | Tip | Açıklama | Varsayılan |
---|---|---|---|
detailed |
bool
|
True ise, model hakkında ayrıntılı bilgi yazdırır. Varsayılan değer False |
False
|
verbose |
bool
|
True ise, model bilgilerini yazdırır. Varsayılan değer False |
True
|
imgsz |
int
|
modelin üzerinde eğitileceği görüntünün boyutu. Varsayılan değer 640 |
640
|
Kaynak kodu ultralytics/nn/tasks.py
init_criterion()
is_fused(thresh=10)
Modelin belirli bir BatchNorm katmanı eşiğinden daha azına sahip olup olmadığını kontrol edin.
Parametreler:
İsim | Tip | Açıklama | Varsayılan |
---|---|---|---|
thresh |
int
|
BatchNorm katmanlarının eşik sayısı. Varsayılan değer 10'dur. |
10
|
İade:
Tip | Açıklama |
---|---|
bool
|
Modeldeki BatchNorm katmanlarının sayısı eşikten azsa True, aksi takdirde False değerini alır. |
Kaynak kodu ultralytics/nn/tasks.py
load(weights, verbose=True)
Ağırlıkları modele yükleyin.
Parametreler:
İsim | Tip | Açıklama | Varsayılan |
---|---|---|---|
weights |
dict | Module
|
Yüklenecek önceden eğitilmiş ağırlıklar. |
gerekli |
verbose |
bool
|
Aktarım ilerlemesinin günlüğe kaydedilip kaydedilmeyeceği. Varsayılan değer True'dur. |
True
|
Kaynak kodu ultralytics/nn/tasks.py
loss(batch, preds=None)
Kaybı hesaplayın.
Parametreler:
İsim | Tip | Açıklama | Varsayılan |
---|---|---|---|
batch |
dict
|
Kaybı hesaplamak için toplu iş |
gerekli |
preds |
Tensor | List[Tensor]
|
Tahminler. |
None
|
Kaynak kodu ultralytics/nn/tasks.py
predict(x, profile=False, visualize=False, augment=False, embed=None)
Ağ üzerinden bir ileri geçiş gerçekleştirin.
Parametreler:
İsim | Tip | Açıklama | Varsayılan |
---|---|---|---|
x |
Tensor
|
Modele giriş tensor . |
gerekli |
profile |
bool
|
True ise her katmanın hesaplama süresini yazdırır, varsayılan değer False'dir. |
False
|
visualize |
bool
|
True ise modelin özellik haritalarını kaydedin, varsayılan değer False'dir. |
False
|
augment |
bool
|
Tahmin sırasında görüntüyü artırır, varsayılan değer False'dir. |
False
|
embed |
list
|
Döndürülecek özellik vektörleri/gövdeleri listesi. |
None
|
İade:
Tip | Açıklama |
---|---|
Tensor
|
Modelin son çıktısı. |
Kaynak kodu ultralytics/nn/tasks.py
ultralytics.nn.tasks.DetectionModel
Üsler: BaseModel
YOLOv8 algılama modeli.
Kaynak kodu ultralytics/nn/tasks.py
__init__(cfg='yolov8n.yaml', ch=3, nc=None, verbose=True)
YOLOv8 algılama modelini verilen yapılandırma ve parametrelerle başlatın.
Kaynak kodu ultralytics/nn/tasks.py
ultralytics.nn.tasks.OBBModel
Üsler: DetectionModel
YOLOv8 Yönlendirilmiş Sınırlayıcı Kutu (OBB) modeli.
Kaynak kodu ultralytics/nn/tasks.py
__init__(cfg='yolov8n-obb.yaml', ch=3, nc=None, verbose=True)
YOLOv8 OBB modelini verilen yapılandırma ve parametrelerle başlatın.
ultralytics.nn.tasks.SegmentationModel
Üsler: DetectionModel
YOLOv8 segmentasyon modeli.
Kaynak kodu ultralytics/nn/tasks.py
__init__(cfg='yolov8n-seg.yaml', ch=3, nc=None, verbose=True)
Verilen yapılandırma ve parametrelerle YOLOv8 segmentasyon modelini başlatın.
ultralytics.nn.tasks.PoseModel
Üsler: DetectionModel
YOLOv8 Poz modeli.
Kaynak kodu ultralytics/nn/tasks.py
__init__(cfg='yolov8n-pose.yaml', ch=3, nc=None, data_kpt_shape=(None, None), verbose=True)
YOLOv8 Pose modelini başlatın.
Kaynak kodu ultralytics/nn/tasks.py
ultralytics.nn.tasks.ClassificationModel
Üsler: BaseModel
YOLOv8 sınıflandırma modeli.
Kaynak kodu ultralytics/nn/tasks.py
__init__(cfg='yolov8n-cls.yaml', ch=3, nc=None, verbose=True)
ClassificationModel'i YAML, kanallar, sınıf sayısı ve verbose bayrağı ile başlatın.
init_criterion()
reshape_outputs(model, nc)
staticmethod
Gerekirse bir TorchVision sınıflandırma modelini sınıf sayısı 'n' olarak güncelleyin.
Kaynak kodu ultralytics/nn/tasks.py
ultralytics.nn.tasks.RTDETRDetectionModel
Üsler: DetectionModel
RTDETR (Transformatörler Kullanarak Gerçek Zamanlı Algılama ve İzleme) Algılama Modeli sınıfı.
Bu sınıf RTDETR mimarisinin oluşturulmasından, kayıp fonksiyonlarının tanımlanmasından ve hem eğitim ve çıkarım süreçleri. RTDETR, bir nesne algılama ve izleme modelidir. DetectionModel temel sınıfı.
Nitelikler:
İsim | Tip | Açıklama |
---|---|---|
cfg |
str
|
Yapılandırma dosyası yolu veya ön ayar dizesi. Varsayılan değer 'rtdetr-l.yaml'dir. |
ch |
int
|
Giriş kanallarının sayısı. Varsayılan değer 3'tür (RGB). |
nc |
int
|
Nesne algılama için sınıf sayısı. Varsayılan değer Yok'tur. |
verbose |
bool
|
Özet istatistiklerin başlatma sırasında gösterilip gösterilmeyeceğini belirtir. Varsayılan değer True'dur. |
Yöntemler:
İsim | Açıklama |
---|---|
init_criterion |
Kayıp hesaplaması için kullanılan ölçütü başlatır. |
loss |
Eğitim sırasında kaybı hesaplar ve döndürür. |
predict |
Ağ üzerinden bir ileri geçiş gerçekleştirir ve çıktıyı döndürür. |
Kaynak kodu ultralytics/nn/tasks.py
441 442 443 444 445 446 447 448 449 450 451 452 453 454 455 456 457 458 459 460 461 462 463 464 465 466 467 468 469 470 471 472 473 474 475 476 477 478 479 480 481 482 483 484 485 486 487 488 489 490 491 492 493 494 495 496 497 498 499 500 501 502 503 504 505 506 507 508 509 510 511 512 513 514 515 516 517 518 519 520 521 522 523 524 525 526 527 528 529 530 531 532 533 534 535 536 537 538 539 540 541 542 543 544 545 546 547 548 549 550 551 552 553 554 555 |
|
__init__(cfg='rtdetr-l.yaml', ch=3, nc=None, verbose=True)
RTDETRDetectionModel'i başlatın.
Parametreler:
İsim | Tip | Açıklama | Varsayılan |
---|---|---|---|
cfg |
str
|
Yapılandırma dosyası adı veya yolu. |
'rtdetr-l.yaml'
|
ch |
int
|
Giriş kanalı sayısı. |
3
|
nc |
int
|
Sınıf sayısı. Varsayılan değer Yok'tur. |
None
|
verbose |
bool
|
Başlatma sırasında ek bilgi yazdırır. Varsayılan değer True'dur. |
True
|
Kaynak kodu ultralytics/nn/tasks.py
init_criterion()
RTDETRDetectionModel için kayıp ölçütünü başlatın.
loss(batch, preds=None)
Verilen veri grubu için kaybı hesaplayın.
Parametreler:
İsim | Tip | Açıklama | Varsayılan |
---|---|---|---|
batch |
dict
|
Görüntü ve etiket verilerini içeren sözlük. |
gerekli |
preds |
Tensor
|
Önceden hesaplanmış model tahminleri. Varsayılan değer Yok'tur. |
None
|
İade:
Tip | Açıklama |
---|---|
tuple
|
Bir tensor adresindeki toplam kayıp ve ana üç kaybı içeren bir tuple. |
Kaynak kodu ultralytics/nn/tasks.py
predict(x, profile=False, visualize=False, batch=None, augment=False, embed=None)
Modelden ileri doğru bir geçiş gerçekleştirin.
Parametreler:
İsim | Tip | Açıklama | Varsayılan |
---|---|---|---|
x |
Tensor
|
Giriş tensor. |
gerekli |
profile |
bool
|
True ise, her katman için hesaplama süresinin profilini çıkarır. Varsayılan değer False'dir. |
False
|
visualize |
bool
|
True ise, görselleştirme için özellik haritalarını kaydedin. Varsayılan değer False'dir. |
False
|
batch |
dict
|
Değerlendirme için temel gerçek verileri. Varsayılan değer Yok'tur. |
None
|
augment |
bool
|
True ise, çıkarım sırasında veri artırımı gerçekleştirin. Varsayılan değer False'dir. |
False
|
embed |
list
|
Döndürülecek özellik vektörleri/gövdeleri listesi. |
None
|
İade:
Tip | Açıklama |
---|---|
Tensor
|
Modelin çıktısı tensor. |
Kaynak kodu ultralytics/nn/tasks.py
ultralytics.nn.tasks.WorldModel
Üsler: DetectionModel
YOLOv8 Dünya Modeli.
Kaynak kodu ultralytics/nn/tasks.py
558 559 560 561 562 563 564 565 566 567 568 569 570 571 572 573 574 575 576 577 578 579 580 581 582 583 584 585 586 587 588 589 590 591 592 593 594 595 596 597 598 599 600 601 602 603 604 605 606 607 608 609 610 611 612 613 614 615 616 617 618 619 620 621 622 623 624 625 626 627 628 629 630 631 632 633 634 635 636 637 638 639 640 641 642 643 644 |
|
__init__(cfg='yolov8s-world.yaml', ch=3, nc=None, verbose=True)
YOLOv8 dünya modelini verilen yapılandırma ve parametrelerle başlatın.
Kaynak kodu ultralytics/nn/tasks.py
loss(batch, preds=None)
Kaybı hesaplayın.
Parametreler:
İsim | Tip | Açıklama | Varsayılan |
---|---|---|---|
batch |
dict
|
Kayıp hesaplanacak parti. |
gerekli |
preds |
Tensor | List[Tensor]
|
Tahminler. |
None
|
Kaynak kodu ultralytics/nn/tasks.py
predict(x, profile=False, visualize=False, txt_feats=None, augment=False, embed=None)
Modelden ileri doğru bir geçiş gerçekleştirin.
Parametreler:
İsim | Tip | Açıklama | Varsayılan |
---|---|---|---|
x |
Tensor
|
Giriş tensor. |
gerekli |
profile |
bool
|
True ise, her katman için hesaplama süresinin profilini çıkarır. Varsayılan değer False'dir. |
False
|
visualize |
bool
|
True ise, görselleştirme için özellik haritalarını kaydedin. Varsayılan değer False'dir. |
False
|
txt_feats |
Tensor
|
Metin özellikleri, eğer verilmişse kullanın. Varsayılan değer Yok'tur. |
None
|
augment |
bool
|
True ise, çıkarım sırasında veri artırımı gerçekleştirin. Varsayılan değer False'dir. |
False
|
embed |
list
|
Döndürülecek özellik vektörleri/gövdeleri listesi. |
None
|
İade:
Tip | Açıklama |
---|---|
Tensor
|
Modelin çıktısı tensor. |
Kaynak kodu ultralytics/nn/tasks.py
set_classes(text, batch=80, cache_clip_model=True)
Modelin klip modeli olmadan çevrimdışı çıkarım yapabilmesi için sınıfları önceden ayarlayın.
Kaynak kodu ultralytics/nn/tasks.py
ultralytics.nn.tasks.Ensemble
Üsler: ModuleList
Modeller topluluğu.
Kaynak kodu ultralytics/nn/tasks.py
__init__()
forward(x, augment=False, profile=False, visualize=False)
İşlev, YOLO ağının son katmanını oluşturur.
Kaynak kodu ultralytics/nn/tasks.py
ultralytics.nn.tasks.temporary_modules(modules=None)
Python'un modül önbelleğine geçici olarak modül eklemek veya değiştirmek için bağlam yöneticisi (sys.modules
).
Bu fonksiyon çalışma zamanı sırasında modül yollarını değiştirmek için kullanılabilir. Kodu yeniden düzenlerken kullanışlıdır, Bir modülü bir konumdan başka bir konuma taşıdığınızda, ancak hala eski içe aktarımı desteklemek istediğinizde geriye dönük uyumluluk için yollar.
Parametreler:
İsim | Tip | Açıklama | Varsayılan |
---|---|---|---|
modules |
dict
|
Eski modül yollarını yeni modül yollarıyla eşleyen bir sözlük. |
None
|
Örnek
Not
Değişiklikler yalnızca bağlam yöneticisi içinde geçerlidir ve bağlam yöneticisinden çıkıldığında geri alınır.
Unutmayın ki doğrudan manipülasyon sys.modules
özellikle büyük ölçekli işletmelerde öngörülemeyen sonuçlara yol açabilir.
uygulamalar veya kütüphaneler. Bu işlevi dikkatli kullanın.
Kaynak kodu ultralytics/nn/tasks.py
ultralytics.nn.tasks.torch_safe_load(weight)
Bu fonksiyon, torch.load() fonksiyonu ile bir PyTorch modelini yüklemeye çalışır. Bir ModuleNotFoundError ortaya çıkarsa, hatayı yakalar, bir uyarı mesajı kaydeder ve eksik modülü check_requirements() fonksiyonu. Yüklemeden sonra, fonksiyon torch.load() kullanarak modeli tekrar yüklemeye çalışır.
Parametreler:
İsim | Tip | Açıklama | Varsayılan |
---|---|---|---|
weight |
str
|
PyTorch modelinin dosya yolu. |
gerekli |
İade:
Tip | Açıklama |
---|---|
dict
|
Yüklü PyTorch modeli. |
Kaynak kodu ultralytics/nn/tasks.py
ultralytics.nn.tasks.attempt_load_weights(weights, device=None, inplace=True, fuse=False)
Bir model topluluğunu weights=[a,b,c] veya tek bir modeli weights=[a] veya weights=a olarak yükler.
Kaynak kodu ultralytics/nn/tasks.py
ultralytics.nn.tasks.attempt_load_one_weight(weight, device=None, inplace=True, fuse=False)
Tek bir model ağırlığını yükler.
Kaynak kodu ultralytics/nn/tasks.py
ultralytics.nn.tasks.parse_model(d, ch, verbose=True)
Bir YOLO model.yaml sözlüğünü bir PyTorch modeline ayrıştırın.
Kaynak kodu ultralytics/nn/tasks.py
830 831 832 833 834 835 836 837 838 839 840 841 842 843 844 845 846 847 848 849 850 851 852 853 854 855 856 857 858 859 860 861 862 863 864 865 866 867 868 869 870 871 872 873 874 875 876 877 878 879 880 881 882 883 884 885 886 887 888 889 890 891 892 893 894 895 896 897 898 899 900 901 902 903 904 905 906 907 908 909 910 911 912 913 914 915 916 917 918 919 920 921 922 923 924 925 926 927 928 929 930 931 932 933 934 935 936 937 938 939 940 941 942 |
|
ultralytics.nn.tasks.yaml_model_load(path)
Bir YAML dosyasından bir YOLOv8 modeli yükleyin.
Kaynak kodu ultralytics/nn/tasks.py
ultralytics.nn.tasks.guess_model_scale(model_path)
Girdi olarak bir YOLO modelinin YAML dosyasının yolunu alır ve modelin ölçeğinin boyut karakterini çıkarır. Fonksiyon ile gösterilen YAML dosya adındaki model ölçeğinin desenini bulmak için düzenli ifade eşleştirmesini kullanır. n, s, m, l veya x. Fonksiyon, model ölçeğinin boyut karakterini bir dize olarak döndürür.
Parametreler:
İsim | Tip | Açıklama | Varsayılan |
---|---|---|---|
model_path |
str | Path
|
YOLO modelinin YAML dosyasının yolu. |
gerekli |
İade:
Tip | Açıklama |
---|---|
str
|
Modelin ölçeğinin boyut karakteri; n, s, m, l veya x olabilir. |
Kaynak kodu ultralytics/nn/tasks.py
ultralytics.nn.tasks.guess_model_task(model)
Bir PyTorch modelinin görevini mimarisinden veya yapılandırmasından tahmin edin.
Parametreler:
İsim | Tip | Açıklama | Varsayılan |
---|---|---|---|
model |
Module | dict
|
PyTorch YAML biçiminde model veya model yapılandırması. |
gerekli |
İade:
Tip | Açıklama |
---|---|
str
|
Modelin görevi ('tespit', 'segment', 'sınıflandırma', 'poz'). |
Zamlar:
Tip | Açıklama |
---|---|
SyntaxError
|
Modelin görevinin belirlenememesi durumunda. |
Kaynak kodu ultralytics/nn/tasks.py
982 983 984 985 986 987 988 989 990 991 992 993 994 995 996 997 998 999 1000 1001 1002 1003 1004 1005 1006 1007 1008 1009 1010 1011 1012 1013 1014 1015 1016 1017 1018 1019 1020 1021 1022 1023 1024 1025 1026 1027 1028 1029 1030 1031 1032 1033 1034 1035 1036 1037 1038 1039 1040 1041 1042 1043 1044 1045 1046 1047 1048 1049 1050 1051 1052 1053 1054 1055 |
|