Bỏ qua nội dung

Giao diện dòng lệnh

Các Ultralytics giao diện dòng lệnh ( CLI ) cung cấp một cách đơn giản để sử dụng Ultralytics YOLO mô hình mà không cần một Python môi trường. Các CLI hỗ trợ chạy nhiều tác vụ khác nhau trực tiếp từ thiết bị đầu cuối bằng cách sử dụng yolo lệnh, không yêu cầu tùy chỉnh hoặc Python mã số.



Đồng hồ: Làm chủ Ultralytics YOLO : CLI

Ví dụ

Ultralytics yolo lệnh sử dụng cú pháp sau: 

yolo TASK MODE ARGS

Ở đâu: - TASK (tùy chọn) là một trong [phát hiện, phân đoạn, phân loại, đặt ra, obb] - MODE (bắt buộc) là một trong [train, val, predict, export, track, benchmark] - ARGS (tùy chọn) là bất kỳ số lượng tùy chỉnh nào arg=value cặp như imgsz=320 ghi đè lên các giá trị mặc định.

Xem tất cả ARGS đầy đủ Hướng dẫn cấu hình hoặc với yolo cfg.

Đào tạo mô hình phát hiện trong 10 kỷ nguyên với tốc độ học ban đầu là 0,01:

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

Dự đoán bằng cách sử dụng mô hình phân đoạn được đào tạo trước trên video YouTube có kích thước hình ảnh 320:

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

Xác thực mô hình phát hiện được đào tạo trước với kích thước lô là 1 và kích thước hình ảnh là 640:

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

Xuất khẩu một YOLO mô hình phân loại để ONNX định dạng với kích thước hình ảnh 224x128 (không yêu cầu NHIỆM VỤ):

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 nhiều hơn nữa:

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

Ở đâu:

  • TASK (tùy chọn) là một trong [detect, segment, classify, pose, obb]. Nếu không được thông qua một cách rõ ràng, YOLO sẽ cố gắng suy ra TASK từ loại mô hình.
  • MODE (bắt buộc) là một trong [train, val, predict, export, track, benchmark]
  • ARGS (tùy chọn) là bất kỳ số lượng tùy chỉnh nào arg=value cặp như imgsz=320 ghi đè mặc định. Để có danh sách đầy đủ các ARGS, xem Cấu hình trang và defaults.yaml.

Cảnh báo

Các đối số phải được thông qua như arg=val cặp, được phân tách bằng dấu bằng = dấu và được phân cách bằng khoảng cách giữa các cặp. Không sử dụng -- tiền tố đối số hoặc dấu phẩy , giữa các lập luận.

  • 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   ❌

Xe lửa

Xe lửa YOLO trên tập dữ liệu COCO8 trong 100 kỷ nguyên ở kích thước hình ảnh 640. Để biết danh sách đầy đủ các đối số khả dụng, hãy xem trang Cấu hình .

Ví dụ

Bắt đầu đào tạo YOLO11n trên COCO8 trong 100 kỷ nguyên ở kích thước hình ảnh 640:

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

Tiếp tục buổi tập luyện bị gián đoạn:

yolo detect train resume model=last.pt

Giá trị

Xác thực sự chính xác của mô hình được đào tạo trên tập dữ liệu COCO8. Không cần đối số vì model giữ lại sự đào tạo của mình data và các đối số như các thuộc tính mô hình.

Ví dụ

Xác thực mô hình YOLO11n chính thức:

yolo detect val model=yolo11n.pt

Xác thực mô hình được đào tạo tùy chỉnh:

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

Dự đoán

Sử dụng mô hình được đào tạo để chạy dự đoán trên hình ảnh.

Ví dụ

Dự đoán bằng mô hình YOLO11n chính thức:

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

Dự đoán bằng mô hình tùy chỉnh:

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

Xuất khẩu

Xuất mô hình sang một định dạng khác như ONNX hoặc CoreML .

Ví dụ

Xuất một mô hình YOLO11n chính thức sang ONNX định dạng:

yolo export model=yolo11n.pt format=onnx

Xuất một mô hình được đào tạo tùy chỉnh sang ONNX định dạng:

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

Có sẵn Ultralytics định dạng xuất khẩu nằm trong bảng dưới đây. Bạn có thể xuất khẩu sang bất kỳ định dạng nào bằng cách sử dụng format lập luận, tức là, format='onnx' hoặc format='engine'.

Định dạng format Lý lẽ Người mẫu Siêu dữ liệu Lập luận
PyTorch - yolo11n.pt ✅ -
TorchScript torchscript yolo11n.torchscript ✅ imgsz, optimize, nms, batch
ONNX onnx yolo11n.onnx ✅ imgsz, half, dynamic, simplify, opset, nms, batch
OpenVINO openvino yolo11n_openvino_model/ ✅ imgsz, half, dynamic, int8, nms, batch, data
TensorRT engine yolo11n.engine ✅ imgsz, half, dynamic, simplify, workspace, int8, nms, batch, data
CoreML coreml yolo11n.mlpackage ✅ imgsz, half, int8, nms, batch
TF SavedModel saved_model yolo11n_saved_model/ ✅ imgsz, keras, int8, nms, batch
TF GraphDef pb yolo11n.pb ❌ imgsz, batch
TF Nhẹ tflite yolo11n.tflite ✅ imgsz, half, int8, nms, batch, data
TF Bờ rìa TPU edgetpu yolo11n_edgetpu.tflite ✅ imgsz
TF .js tfjs yolo11n_web_model/ ✅ imgsz, half, int8, nms, batch
PaddlePaddle paddle yolo11n_paddle_model/ ✅ imgsz, batch
MNN mnn yolo11n.mnn ✅ imgsz, batch, int8, half
NCNN ncnn yolo11n_ncnn_model/ ✅ imgsz, half, batch
IMX500 imx yolov8n_imx_model/ ✅ imgsz, int8, data
RKNN rknn yolo11n_rknn_model/ ✅ imgsz, batch, name

Xem đầy đủ export chi tiết về Xuất khẩu trang.

Ghi đè các đối số mặc định

Ghi đè các đối số mặc định bằng cách truyền chúng vào CLI BẰNG arg=value cặp.

Mẹo

Đào tạo một mô hình phát hiện trong 10 kỷ nguyên với tốc độ học là 0,01:

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

Dự đoán bằng cách sử dụng mô hình phân đoạn được đào tạo trước trên video YouTube có kích thước hình ảnh 320:

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

Xác thực mô hình phát hiện được đào tạo trước với kích thước lô là 1 và kích thước hình 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 tập tin cấu hình hoàn toàn bằng cách chuyển một tập tin mới với cfg lập luận, chẳng hạn như cfg=custom.yaml.

Để thực hiện điều 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 tài liệu.

Sau đó bạn có thể chuyển tập tin này như cfg=default_copy.yaml cùng với bất kỳ đối số bổ sung nào, như imgsz=320 trong ví dụ này:

Ví dụ

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

Giải pháp Lệnh

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 giúp đơn giản hóa việc thực hiện các tác vụ phức tạp như đếm đối tượng, theo dõi quá trình tập luyện và quản lý hàng đợi.

Ví dụ

Đếm các 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 luyện bằng cách sử dụng mô hình tư thế:

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 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 khả dụng và các tùy chọn của chúng:

yolo solutions help

Để biết thêm thông tin về Ultralytics giải pháp, hãy truy cập trang Giải pháp .

CÂU HỎI THƯỜNG GẶP

Làm thế nào để tôi sử dụng Ultralytics YOLO giao diện dòng lệnh ( CLI ) để đào tạo người mẫu?

Để đào tạo một mô hình bằng cách sử dụng CLI , thực hiện lệnh một dòng trong terminal. Ví dụ, để đào tạo mô hình phát hiện trong 10 kỷ nguyên với tốc độ học là 0,01, hãy chạy:

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

Lệnh này sử dụng train chế độ với các đối số cụ thể. Để biết danh sách đầy đủ các đối số khả dụng, hãy tham khảo Hướng dẫn cấu hình.

Tôi có thể thực hiện những nhiệm vụ nào với Ultralytics YOLO CLI ?

Các 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 định hướng . Bạn cũng có thể thực hiện các hoạt động như:

  • Đào tạo một 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 một mô hình: Thực hiện yolo export model=<model.pt> format=<export_format>.
  • Sử dụng giải pháp: Chạy yolo solutions <solution_name> cho các ứng dụng có sẵn.

Tùy chỉnh từng tác vụ với nhiều 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 thế nào tôi có thể xác nhận độ chính xác của một người được đào tạo? YOLO mô hình sử dụng CLI ?

Để xác thực một mô hình sự chính xác, sử dụng val chế độ. Ví dụ, để xác thực một mô hình phát hiện được đào tạo trước với kích thước lô của 1 và kích thước hình ảnh là 640, chạy:

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

Lệnh này đánh giá mô hình trên tập dữ liệu được chỉ định và cung cấp các số liệu hiệu suất như mAP , độ chính xác và độ thu hồi . Để biết thêm chi tiết, hãy tham khảo phần Val .

Tôi có thể xuất định dạng nào? YOLO mô hình sử dụng CLI ?

Bạn có thể xuất khẩu YOLO mô hình thành nhiều định dạng khác nhau bao gồm ONNX , TensorRT , CoreML , TensorFlow và nhiều hơn nữa. Ví dụ, để xuất một mô hình sang ONNX định dạng, chạy:

yolo export model=yolo11n.pt format=onnx

Lệnh xuất hỗ trợ nhiều tùy chọn để tối ưu hóa mô hình của bạn cho các môi trường triển khai cụ thể. Để biết thông tin chi tiết đầy đủ về tất cả các định dạng xuất có sẵn và các thông số cụ thể của chúng, hãy truy cập trang Xuất .

Làm thế nào để tôi sử dụng các giải pháp được xây 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 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 phổ biến. Để xem tất cả các giải pháp khả dụng, hãy chạy yolo solutions help. Mỗi giải pháp đều có các thông số cụ thể có thể tùy chỉnh để phù hợp với nhu cầu của bạn.

📅 Được tạo ra cách đây 1 năm ✏️ Đã cập nhật cách đây 5 ngày
glenn-jocher Trợ lý Ultralytics jk4e MatthewNoyce bạch tuộc đầy tham vọng Burhan-Q RizwanMunawar AyushExel Cười-q nihui

Bình luận