YOLO Vision 2026:

Giao diện dòng lệnh#

Giao diện dòng lệnh (CLI) của 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 lệnh yolo, không yêu cầu tùy chỉnh hay mã Python.



Watch: Mastering Ultralytics YOLO: CLI
Ví dụ

Các lệnh yolo của Ultralytics sử dụng cú pháp sau:

yolo TASK MODE ARGS

Trong đó:

  • TASK (tùy chọn) là một trong [detect, segment, semantic, depth, classify, pose, obb]
  • MODE (bắt buộc) là một trong [train, val, predict, export, track, benchmark]
  • ARGS (tùy chọn) là bất kỳ số lượng cặp arg=value tùy chỉnh nào như imgsz=320 để ghi đè các giá trị mặc định.

Xem tất cả các tham số (ARGS) trong Hướng dẫn Cấu hình đầy đủ hoặc với yolo cfg.

Trong đó:

  • TASK (tùy chọn) là một trong [detect, segment, semantic, depth, classify, pose, obb]. Nếu không được truyền vào một cách tường minh, 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 cặp arg=value tùy chỉnh nào như imgsz=320 để ghi đè các giá trị mặc định. Để có danh sách đầy đủ các ARGS khả dụng, hãy xem trang Cấu hình và default.yaml.
Cảnh báo

Các đối số phải được truyền dưới dạng các cặp arg=val, được ngăn cách bằng dấu bằng = và phân cách bằng khoảng trắng giữa các cặp. Không sử dụng tiền tố đối số -- hoặc dấu phẩy , giữa các đối số.

  • yolo predict model=yolo26n.pt imgsz=640 conf=0.25 ✅
  • yolo predict model yolo26n.pt imgsz 640 conf 0.25 ❌
  • yolo predict --model yolo26n.pt --imgsz 640 --conf 0.25 ❌

Huấn luyện (Train)#

Huấn luyện YOLO trên tập dữ liệu COCO8 trong 100 epoch ở kích thước ảnh 640. Để có danh sách đầy đủ các đối số khả dụng, hãy xem trang Cấu hình.

Ví dụ

Bắt đầu huấn luyện YOLO26n trên COCO8 trong 100 epoch với kích thước ảnh 640:

yolo detect train data=coco8.yaml model=yolo26n.pt epochs=100 imgsz=640

Val#

Đánh giá độ chính xác của mô hình đã huấn luyện trên tập dữ liệu COCO8. Không cần đối số nào vì model giữ lại data và các đối số huấn luyện của nó dưới dạng các thuộc tính của mô hình.

Ví dụ

Đánh giá một model YOLO26n chính thức:

yolo detect val model=yolo26n.pt

Dự đoán (Predict)#

Sử dụng một model đã huấn luyện để chạy dự đoán trên các hình ảnh.

Ví dụ

Dự đoán với một model YOLO26n chính thức:

yolo detect predict model=yolo26n.pt source='https://ultralytics.com/images/bus.jpg'

Xuất (Export)#

Xuất model sang một định dạng khác như ONNX hoặc CoreML.

Ví dụ

Xuất một model YOLO26n chính thức sang định dạng ONNX:

yolo export model=yolo26n.pt format=onnx

Các định dạng xuất có sẵn của Ultralytics nằm trong bảng dưới đây. Bạn có thể xuất sang bất kỳ định dạng nào bằng cách sử dụng đối số format, tức là format='onnx' hoặc format='engine'.

Định dạngĐối số formatMô hìnhMetadataTham số
PyTorch-yolo26n.pt✅-
TorchScripttorchscriptyolo26n.torchscript✅imgsz, quantize, dynamic, nms, batch, device
ONNXonnxyolo26n.onnx✅imgsz, quantize, dynamic, simplify, opset, nms, batch, data, fraction, device
OpenVINOopenvinoyolo26n_openvino_model/✅imgsz, quantize, dynamic, nms, batch, data, fraction, device
TensorRTengineyolo26n.engine✅imgsz, quantize, dynamic, simplify, opset, workspace, nms, batch, data, fraction, device
CoreMLcoremlyolo26n.mlpackage✅imgsz, dynamic, quantize, nms, batch, device
TF SavedModelsaved_modelyolo26n_saved_model/✅imgsz, keras, quantize, opset, nms, batch, data, fraction, device
TF GraphDefpbyolo26n.pb❌imgsz, opset, batch, device
TF Edge TPUedgetpuyolo26n_edgetpu.tflite✅imgsz, quantize, opset, data, fraction, device
PaddlePaddlepaddleyolo26n_paddle_model/✅imgsz, batch, device
MNNmnnyolo26n.mnn✅imgsz, batch, dynamic, quantize, simplify, opset, nms, device
NCNNncnnyolo26n_ncnn_model/✅imgsz, quantize, batch, device
IMX500imxyolo26n_imx_model/✅imgsz, quantize, data, fraction, nms, device
RKNNrknnyolo26n_rknn_model/✅imgsz, batch, name, quantize, simplify, opset, data, fraction, device
ExecuTorchexecutorchyolo26n_executorch_model/✅imgsz, batch, device
Axeleraaxelerayolo26n_axelera_model/✅imgsz, batch, quantize, data, fraction, device
DEEPXdeepxyolo26n_deepx_model/✅imgsz, quantize, simplify, opset, data, optimize, device
Qualcomm QNNqnnyolo26n_qnn.onnx✅imgsz, batch, name, quantize, simplify, opset, data, fraction, device
LiteRTlitertyolo26n.tflite✅imgsz, quantize, batch, data, fraction, device
Hailohailoyolo26n_hailo_model/✅imgsz, name, quantize, data, fraction, simplify, conf, iou
Huawei Ascendascendyolo26n_ascend_model/✅imgsz, batch, name, quantize, opset, simplify, nms

Xem chi tiết đầy đủ về export trên trang Xuất.

Ghi đè các đối số mặc định#

Ghi đè các đối số mặc định bằng cách truyền chúng trong CLI dưới dạng các cặp arg=value.

Mẹo

Huấn luyện một model phát hiện trong 10 epoch với tốc độ học là 0,01:

yolo detect train data=coco8.yaml model=yolo26n.pt epochs=10 lr0=0.01

Ghi đè tệp cấu hình mặc định#

Ghi đè hoàn toàn tệp cấu hình default.yaml bằng cách truyền một tệp mới với đối số cfg, chẳng hạn như cfg=custom.yaml.

Để làm điều này, trước tiên hãy tạo một bản sao của default.yaml trong thư mục làm việc hiện tại của bạn bằng lệnh yolo copy-cfg, thao tác này sẽ tạo ra một tệp default_copy.yaml.

Sau đó, bạn có thể truyền tệp này làm 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

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. Lệnh yolo solutions cung cấp tính năng đếm đối tượng, cắt ảnh, làm mờ, giám sát tập luyện, bản đồ nhiệt, phân đoạn thực thể, VisionEye, ước tính tốc độ, quản lý hàng đợi, phân tích, suy luận Streamlit và theo dõi dựa trên khu vực — hãy xem trang Giải pháp để biết danh mục đầy đủ. Chạy yolo solutions help để liệt kê mọi giải pháp được hỗ trợ và các đối số của chúng.

Ví dụ

Đếm đối tượng trong một video hoặc luồng trực tiếp:

yolo solutions count show=True
yolo solutions count source="path/to/video.mp4" # specify video file path

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

Câu hỏi thường gặp#

  • 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 phát hiện trong 10 epoch với tốc độ học là 0.01, hãy chạy:

    yolo train data=coco8.yaml model=yolo26n.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 khả dụng, hãy tham khảo Hướng dẫn Cấu hình.

  • CLI của Ultralytics YOLO hỗ trợ nhiều tác vụ khác nhau, bao gồm phát hiện, phân đoạn, phân đoạn ngữ nghĩa, ước tính chiều sâu, phân loại, ước tính tư thế và phát hiện hộp bao định 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 có sẵn.

    Tùy chỉnh từng tác vụ với nhiều đối số khác nhau. Để biết cú pháp chi tiết và các ví dụ, hãy xem các phần tương ứng như Huấn luyện, Dự đoán và Xuất.

  • Để đánh giá độ chính xác của mô hình, hãy sử dụng chế độ val. Ví dụ, để đánh giá một mô hình phát hiện đã huấn luyện trước với kích thước batch là 1 và kích thước ảnh là 640, hãy chạy:

    yolo val model=yolo26n.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 chỉ số hiệu suất như mAP, độ chính xác dương và độ thu hồi. Để biết thêm chi tiết, hãy tham khảo phần Val.

  • Bạn có thể xuất các model YOLO sang nhiều định dạng bao gồm ONNX, TensorRT, CoreML, TensorFlow, và hơn thế nữa. Ví dụ, để xuất một model sang định dạng ONNX, hãy chạy:

    yolo export model=yolo26n.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 chi tiết hoàn chỉnh về tất cả các định dạng xuất khả dụng và các tham số cụ thể của chúng, hãy truy cập trang Xuất.

  • Ultralytics cung cấp các giải pháp sẵn sàng sử dụng thông qua lệnh solutions. 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 tức thì 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 có các tham số cụ thể có thể được tùy chỉnh để phù hợp với nhu cầu của bạn.

Những người đóng góp
GLglenn-jocher27AMambitious-octopus3BUBurhan-Q3RAraimbekovm2JKjk4e2SEsergiuwaxmann1BOBovey08091LALaughing-q1PDpderrenger1MAMatthewNoyce1RIRizwanMunawar1

Bình luận