Giao diện dòng lệnh
Giao diện dòng lệnh (CLI) Ultralytics cung cấp một cách đơn giản để sử dụng các mô hình Ultralytics YOLO mà không cần môi trường Python. CLI hỗ trợ chạy các tác vụ khác nhau trực tiếp từ terminal bằng cách sử dụng yolo
lệnh, không yêu cầu tùy chỉnh hoặc mã Python.
Xem: Làm chủ Ultralytics YOLO: CLI
Ví dụ
Ultralytics yolo
các lệnh sử dụng cú pháp sau:
yolo TASK MODE ARGS
Trong đó:
- TASK
(tùy chọn) là một trong [detect, segment, classify, pose, obb]
- MODE
(bắt buộc) là một trong các giá trị [train, val, predict, export, track, benchmark]
- ARGS
(tùy chọn) là bất kỳ số lượng tùy chỉnh nào arg=value
như imgsz=320
ghi đè các giá trị mặc định.
Xem tất cả ARGS trong phần đầy đủ Hướng dẫn Cấu hình hoặc với yolo cfg
.
Huấn luyện mô hình phát hiện trong 10 epochs (vòng lặp) với tỷ lệ học tập (learning rate) ban đầu là 0.01:
yolo train data=coco8.yaml model=yolo11n.pt epochs=10 lr0=0.01
Dự đoán bằng mô hình phân đoạn đã được huấn luyện trước trên video YouTube với kích thước ảnh 320:
yolo predict model=yolo11n-seg.pt source='https://youtu.be/LNwODJXcvt4' imgsz=320
Xác thực mô hình detection (phát hiện) đã được huấn luyện trước với batch size (kích thước lô) là 1 và kích thước ảnh là 640:
yolo val model=yolo11n.pt data=coco8.yaml batch=1 imgsz=640
Xuất mô hình phân loại YOLO sang định dạng ONNX với kích thước ảnh 224x128 (không yêu cầu TASK):
yolo export model=yolo11n-cls.pt format=onnx imgsz=224,128
Chạy các lệnh đặc biệt để xem phiên bản, cài đặt, chạy kiểm tra và hơn thế nữa:
yolo help
yolo checks
yolo version
yolo settings
yolo copy-cfg
yolo cfg
Trong đó:
TASK
(tùy chọn) là một trong các[detect, segment, classify, pose, obb]
. Nếu không được truyền rõ ràng, YOLO sẽ cố gắng suy raTASK
từ loại mô hình.MODE
(bắt buộc) là một trong các[train, val, predict, export, track, benchmark]
ARGS
(tùy chọn) là bất kỳ số lượng tùy chỉnh nàoarg=value
nhưimgsz=320
ghi đè các giá trị mặc định. Để có danh sách đầy đủ cácARGS
, xem Cấu hình vàdefaults.yaml
.
Cảnh báo
Các đối số phải được truyền dưới dạng arg=val
cặp, được phân tách bằng dấu bằng =
và được phân định bằng khoảng trắng giữa các cặp. Không sử dụng --
tiền tố đối số hoặc dấu phẩy ,
giữa các đối số.
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
❌
Huấn luyện
Huấn luyện YOLO trên bộ dữ liệu COCO8 trong 100 epochs với kích thước ảnh 640. Để có danh sách đầy đủ các đối số có sẵn, hãy xem trang Cấu hình.
Ví dụ
Bắt đầu huấn luyện YOLO11n trên COCO8 trong 100 epochs với kích thước ảnh 640:
yolo detect train data=coco8.yaml model=yolo11n.pt epochs=100 imgsz=640
Tiếp tục phiên đào tạo bị gián đoạn:
yolo detect train resume model=last.pt
Val
Xác thực độ chính xác của mô hình đã huấn luyện trên bộ dữ liệu COCO8. Không cần đối số nào vì model
giữ lại quá trình huấn luyện data
và các đối số của nó như các thuộc tính của mô hình.
Ví dụ
Xác thực mô hình YOLO11n chính thức:
yolo detect val model=yolo11n.pt
Xác thực mô hình đã được huấn luyện tùy chỉnh:
yolo detect val model=path/to/best.pt
Dự đoán
Sử dụng mô hình đã huấn luyện để chạy dự đoán trên hình ảnh.
Ví dụ
Dự đoán với một mô hình YOLO11n chính thức:
yolo detect predict model=yolo11n.pt source='https://ultralytics.com/images/bus.jpg'
Dự đoán với một mô hình tùy chỉnh:
yolo detect predict model=path/to/best.pt source='https://ultralytics.com/images/bus.jpg'
Xuất
Xuất mô hình sang một định dạng khác như ONNX hoặc CoreML.
Ví dụ
Xuất mô hình YOLO11n chính thức sang định dạng ONNX:
yolo export model=yolo11n.pt format=onnx
Xuất mô hình đã huấn luyện tùy chỉnh sang định dạng ONNX:
yolo export model=path/to/best.pt format=onnx
Các định dạng xuất Ultralytics hiện có được liệt kê trong bảng dưới đây. Bạn có thể xuất sang bất kỳ định dạng nào bằng cách sử dụng format
đối số, ví dụ: format='onnx'
hoặc format='engine'
.
Định dạng | format Đối số |
Mô hình | Metadata (Siêu dữ liệu) | Các đối số |
---|---|---|---|---|
PyTorch | - | yolo11n.pt |
✅ | - |
TorchScript | torchscript |
yolo11n.torchscript |
✅ | imgsz , half , dynamic , optimize , nms , batch , device |
ONNX | onnx |
yolo11n.onnx |
✅ | imgsz , half , dynamic , simplify , opset , nms , batch , device |
OpenVINO | openvino |
yolo11n_openvino_model/ |
✅ | imgsz , half , dynamic , int8 , nms , batch , data , fraction , device |
TensorRT | engine |
yolo11n.engine |
✅ | imgsz , half , dynamic , simplify , workspace , int8 , nms , batch , data , fraction , device |
CoreML | coreml |
yolo11n.mlpackage |
✅ | imgsz , half , int8 , nms , batch , device |
TF SavedModel | saved_model |
yolo11n_saved_model/ |
✅ | imgsz , keras , int8 , nms , batch , device |
TF GraphDef | pb |
yolo11n.pb |
❌ | imgsz , batch , device |
TF Lite | tflite |
yolo11n.tflite |
✅ | imgsz , half , int8 , nms , batch , data , fraction , device |
TF Edge TPU | edgetpu |
yolo11n_edgetpu.tflite |
✅ | imgsz , device |
TF.js | tfjs |
yolo11n_web_model/ |
✅ | imgsz , half , int8 , nms , batch , device |
PaddlePaddle | paddle |
yolo11n_paddle_model/ |
✅ | imgsz , batch , device |
MNN | mnn |
yolo11n.mnn |
✅ | imgsz , batch , int8 , half , device |
NCNN | ncnn |
yolo11n_ncnn_model/ |
✅ | imgsz , half , batch , device |
IMX500 | imx |
yolo11n_imx_model/ |
✅ | imgsz , int8 , data , fraction , device |
RKNN | rknn |
yolo11n_rknn_model/ |
✅ | imgsz , batch , name , device |
Xem đầy đủ export
chi tiết về Xuất trang.
Ghi Đè Đối Số Mặc Định
Ghi đè các đối số mặc định bằng cách truyền chúng trong CLI dưới dạng arg=value
cặp.
Mẹo
Huấn luyện mô hình phát hiện trong 10 epochs với tỷ lệ học tập là 0.01:
yolo detect train data=coco8.yaml model=yolo11n.pt epochs=10 lr0=0.01
Dự đoán bằng mô hình phân đoạn đã được huấn luyện trước trên video YouTube với kích thước ảnh 320:
yolo segment predict model=yolo11n-seg.pt source='https://youtu.be/LNwODJXcvt4' imgsz=320
Xác thực mô hình detection (phát hiện) đã được huấn luyện trước với batch size (kích thước lô) là 1 và kích thước ảnh là 640:
yolo detect val model=yolo11n.pt data=coco8.yaml batch=1 imgsz=640
Ghi Đè Tệp Cấu Hình Mặc Định
Ghi đè default.yaml
tệp cấu hình hoàn toàn bằng cách chuyển một tệp mới với cfg
đối số, chẳng hạn như cfg=custom.yaml
.
Để thực hiện việc này, trước tiên hãy tạo một bản sao của default.yaml
trong thư mục làm việc hiện tại của bạn với yolo copy-cfg
lệnh, tạo ra một default_copy.yaml
tập tin.
Sau đó, bạn có thể chuyển tệp này dưới dạng cfg=default_copy.yaml
cùng với bất kỳ đối số bổ sung nào, chẳng hạn như imgsz=320
trong ví dụ này:
Ví dụ
yolo copy-cfg
yolo cfg=default_copy.yaml imgsz=320
Các lệnh Giải pháp
Ultralytics cung cấp các giải pháp sẵn sàng sử dụng cho các ứng dụng thị giác máy tính phổ biến thông qua CLI. Các giải pháp này đơn giản hóa việc triển khai các tác vụ phức tạp như đếm đối tượng, giám sát tập luyện và quản lý hàng đợi.
Ví dụ
Đếm số lượng đối tượng trong video hoặc luồng trực tiếp:
yolo solutions count show=True
yolo solutions count source="path/to/video.mp4" # specify video file path
Theo dõi các bài tập bằng mô hình dáng người:
yolo solutions workout show=True
yolo solutions workout source="path/to/video.mp4" # specify video file path
# Use keypoints for ab-workouts
yolo solutions workout kpts=[5, 11, 13] # left side
yolo solutions workout kpts=[6, 12, 14] # right side
Đếm các đối tượng trong một hàng đợi hoặc khu vực được chỉ định:
yolo solutions queue show=True
yolo solutions queue source="path/to/video.mp4" # specify video file path
yolo solutions queue region="[(20, 400), (1080, 400), (1080, 360), (20, 360)]" # configure queue coordinates
Thực hiện phát hiện đối tượng, phân đoạn thể hiện hoặc ước tính tư thế trong trình duyệt web bằng Streamlit:
yolo solutions inference
yolo solutions inference model="path/to/model.pt" # use custom model
Xem các giải pháp hiện có và các tùy chọn của chúng:
yolo solutions help
Để biết thêm thông tin về các giải pháp của Ultralytics, hãy truy cập trang Giải pháp.
Câu hỏi thường gặp
Làm cách nào để sử dụng giao diện dòng lệnh (CLI) Ultralytics YOLO để huấn luyện mô hình?
Để huấn luyện một mô hình bằng CLI, hãy thực thi một lệnh một dòng trong terminal. Ví dụ: để huấn luyện một mô hình detection trong 10 epochs với learning rate là 0.01, hãy chạy:
yolo train data=coco8.yaml model=yolo11n.pt epochs=10 lr0=0.01
Lệnh này sử dụng chế độ train
với các đối số cụ thể. Để có danh sách đầy đủ các đối số có sẵn, hãy tham khảo Hướng dẫn Cấu hình.
Tôi có thể thực hiện những tác vụ nào với Ultralytics YOLO CLI?
Ultralytics YOLO CLI hỗ trợ nhiều tác vụ khác nhau, bao gồm phát hiện, phân đoạn, phân loại, ước tính tư thế và phát hiện hộp giới hạn theo hướng. Bạn cũng có thể thực hiện các thao tác như:
- Huấn luyện mô hình: Chạy
yolo train data=<data.yaml> model=<model.pt> epochs=<num>
. - Chạy Dự Đoán: Sử dụng
yolo predict model=<model.pt> source=<data_source> imgsz=<image_size>
. - Xuất Mô Hình: Thực thi
yolo export model=<model.pt> format=<export_format>
. - Sử dụng Giải pháp: Chạy
yolo solutions <solution_name>
cho các ứng dụng làm sẵn.
Tùy chỉnh từng tác vụ với các đối số khác nhau. Để biết cú pháp và ví dụ chi tiết, hãy xem các phần tương ứng như Train, Predict và Export.
Làm cách nào để xác thực độ chính xác của mô hình YOLO đã huấn luyện bằng CLI?
Để xác thực độ chính xác, hãy sử dụng val
. Ví dụ: để xác thực mô hình phát hiện được huấn luyện trước với kích thước lô kích thước lô là 1 và kích thước hình ảnh là 640, hãy chạy:
yolo val model=yolo11n.pt data=coco8.yaml batch=1 imgsz=640
Lệnh này đánh giá mô hình trên bộ dữ liệu đã chỉ định và cung cấp các số liệu hiệu suất như mAP, độ chính xác và độ phủ. Để biết thêm chi tiết, hãy tham khảo phần Val.
Tôi có thể xuất các mô hình YOLO của mình sang những định dạng nào bằng CLI?
Bạn có thể xuất các model YOLO sang nhiều định dạng khác nhau bao gồm ONNX, TensorRT, CoreML, TensorFlow, v.v. Ví dụ: để xuất một model sang định dạng ONNX, hãy chạy:
yolo export model=yolo11n.pt format=onnx
Lệnh export hỗ trợ nhiều tùy chọn để tối ưu hóa mô hình của bạn cho các môi trường triển khai cụ thể. Để biết đầy đủ chi tiết về tất cả các định dạng export có sẵn và các tham số cụ thể của chúng, hãy truy cập trang Export.
Làm cách nào để sử dụng các giải pháp dựng sẵn trong Ultralytics CLI?
Ultralytics cung cấp các giải pháp sẵn sàng sử dụng thông qua solutions
lệnh. Ví dụ: để đếm các đối tượng trong một video:
yolo solutions count source="path/to/video.mp4"
Các giải pháp này yêu cầu cấu hình tối thiểu và cung cấp chức năng ngay lập tức cho các tác vụ thị giác máy tính thông thường. Để xem tất cả các giải pháp có sẵn, hãy chạy yolo solutions help
. Mỗi giải pháp có các tham số cụ thể có thể được tùy chỉnh để phù hợp với nhu cầu của bạn.