Chuyển đến nội dung

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 ra TASK 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 nào arg=value như imgsz=320 ghi đè các giá trị mặc định. Để có danh sách đầy đủ các ARGS, xem Cấu hìnhdefaults.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 thếphát 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, PredictExport.

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 xácđộ 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.



📅 Đã tạo 1 năm trước ✏️ Cập nhật 5 tháng trước

Bình luận