Meet YOLO26: next-gen vision AI.

Link to this sectionGiao diện dòng lệnh#

Giao diện dòng lệnh (CLI) của Ultralytics cung cấp một phương thức đơn giản để sử dụng các model YOLO của Ultralytics mà không cần đến môi trường Python. CLI hỗ trợ chạy nhiều 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 số [detect, segment, semantic, classify, pose, obb]
  • MODE (bắt buộc) là một trong số [train, val, predict, export, track, benchmark]
  • ARGS (tùy chọn) là bất kỳ số lượng cặp arg=value tùy chỉnh nào như imgsz=320 nhằm ghi đè lên các giá trị mặc định.

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

Trong đó:

  • TASK (tùy chọn) là một trong số [detect, segment, semantic, classify, pose, obb]. Nếu không được truyền vào một cách rõ ràng, YOLO sẽ cố gắng suy luận TASK từ loại model.
  • MODE (bắt buộc) là một trong số [train, val, predict, export, track, benchmark]
  • ARGS (tùy chọn) là bất kỳ số lượng cặp arg=value tùy chỉnh nào như imgsz=320 nhằm ghi đè lên 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 cặp arg=val, cách nhau bởi 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 ❌

Link to this sectionHuấn luyện (Train)#

Huấn luyện YOLO trên tập dữ liệu COCO8 trong 100 epoch với 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

Link to this sectionVal#

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

Ví dụ

Đánh giá một model YOLO26n chính thức:

yolo detect val model=yolo26n.pt

Link to this sectionDự 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'

Link to this sectionXuất (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 khả dụng của Ultralytics nằm trong bảng dưới đây. Bạn có thể xuất sang bất kỳ định dạng nào bằng cách sử dụng đối số format, ví dụ: format='onnx' hoặc format='engine'.

Định dạngTham số formatMô hìnhMetadataTham số
PyTorch-yolo26n.pt✅-
TorchScripttorchscriptyolo26n.torchscript✅imgsz, quantize, dynamic, optimize, 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, workspace, nms, batch, data, fraction, device
CoreMLcoremlyolo26n.mlpackage✅imgsz, dynamic, quantize, nms, batch, device
TF SavedModelsaved_modelyolo26n_saved_model/✅imgsz, keras, quantize, nms, batch, data, fraction, device
TF GraphDefpbyolo26n.pb❌imgsz, batch, device
TF Litetfliteyolo26n.tflite✅imgsz, quantize, nms, batch, data, fraction, device
TF Edge TPUedgetpuyolo26n_edgetpu.tflite✅imgsz, quantize, data, fraction, device
TF.jstfjsyolo26n_web_model/✅imgsz, quantize, nms, batch, data, fraction, device
PaddlePaddlepaddleyolo26n_paddle_model/✅imgsz, batch, device
MNNmnnyolo26n.mnn✅imgsz, batch, quantize, device
NCNNncnnyolo26n_ncnn_model/✅imgsz, quantize, batch, device
IMX500imxyolo26n_imx_model/✅imgsz, quantize, data, fraction, nms, device
RKNNrknnyolo26n_rknn_model/✅imgsz, batch, name, quantize, data, fraction, device
ExecuTorchexecutorchyolo26n_executorch_model/✅imgsz, batch, device
Axeleraaxelerayolo26n_axelera_model/✅imgsz, batch, quantize, data, fraction, device
DEEPXdeepxyolo26n_deepx_model/✅imgsz, quantize, data, optimize, device
Qualcomm QNNqnnyolo26n_qnn.onnx✅imgsz, batch, name, quantize, data, fraction, device

Xem chi tiết export đầy đủ trên trang Xuất.

Link to this sectionGhi 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

Link to this sectionGhi 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, ví dụ 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, lệnh này sẽ tạo ra một tệp default_copy.yaml.

Sau đó, bạn có thể truyền 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

Link to this sectionCác 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 các tính năng đếm đối tượng, cắt, làm mờ, giám sát bài tập, 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 vùng — 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.

Link to this sectionCâu hỏi thường gặp#

Link to this sectionLàm thế nào để tôi sử dụng giao diện dòng lệnh (CLI) YOLO của Ultralytics để huấn luyện model?#

Để huấn luyện một model bằng CLI, hãy thực thi một lệnh dòng đơn trong terminal. Ví dụ, để huấn luyện một model 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.

Link to this sectionTôi có thể thực hiện những tác vụ gì với CLI YOLO của Ultralytics?#

CLI YOLO của Ultralytics hỗ trợ nhiều tác vụ, bao gồm phát hiện, phân đoạn, phân đoạn ngữ nghĩa, 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 Model: 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 Model: 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 và ví dụ chi tiết, hãy xem các phần tương ứng như Huấn luyện, Dự đoán, và Xuất.

Link to this sectionLàm thế nào tôi có thể đánh giá độ chính xác của một model YOLO đã huấn luyện bằng CLI?#

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

yolo val model=yolo26n.pt data=coco8.yaml batch=1 imgsz=640

Lệnh này đánh giá model trên tập dữ liệu đã chỉ định và cung cấp các chỉ số hiệu suất như mAP, độ chính xác (precision), và độ hồi tưởng (recall). Để biết thêm chi tiết, hãy tham khảo phần Đánh giá (Val).

Link to this sectionTôi có thể xuất các model YOLO của mình sang những định dạng nào bằng CLI?#

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 model của bạn cho các môi trường triển khai cụ thể. Để biết chi tiết đầy đủ về tất cả các định dạng xuất khả dụng và các tham số cụ thể của chúng, hãy truy cập trang Xuất.

Link to this sectionLàm thế nào để tôi sử dụng các giải pháp có sẵn trong CLI của Ultralytics?#

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 đều có các tham số cụ thể có thể tùy chỉnh để phù hợp với nhu cầu của bạn.

Những người đóng góp
GLglenn-jocher27AMambitious-octopus3BUBurhan-Q3RAraimbekovm2JKjk4e2LALaughing-q1PDpderrenger1MAMatthewNoyce1RIRizwanMunawar1

Bình luận