命令行界面使用方法
YOLO 命令行界面 (CLI) 允许使用简单的单行命令,而无需Python 环境。CLI 不需要定制或Python 代码。您只需使用 yolo
指挥。
观看: 掌握Ultralytics YOLOv8 :CLI
示例
Ultralytics yolo
命令使用以下语法:
yolo TASK MODE ARGS
Where TASK (optional) is one of [detect, segment, classify]
MODE (required) is one of [train, val, predict, export, track]
ARGS (optional) are any number of custom 'arg=value' pairs like 'imgsz=320' that override defaults.
yolo cfg
在图像大小为 320 时,使用预训练的分割模型预测 YouTube 视频:
将YOLOv8n 分类模型导出为ONNX 格式,图像大小为 224 x 128(无需 TASK)
在哪里?
TASK
(可选)是[detect, segment, classify]
.如果没有明确传递,YOLOv8 将尝试猜测TASK
来自模型类型。MODE
(必填)是[train, val, predict, export, track]
ARGS
(可选)是任意数量的自定义arg=value
如imgsz=320
可覆盖默认值。有关可用ARGS
参见 配置 页和defaults.yaml
GitHub 消息来源.
警告
参数必须以 arg=val
对,用等号分割 =
符号,并以空格分隔 对之间。不要使用
--
参数 ,
参数之间。
yolo predict model=yolov8n.pt imgsz=640 conf=0.25
✅yolo predict model yolov8n.pt imgsz 640 conf 0.25
❌yolo predict --model yolov8n.pt --imgsz 640 --conf 0.25
❌
火车
在 COCO8 数据集上对YOLOv8n 进行 100 次历时训练,图像大小为 640。有关可用参数的完整列表,请参阅配置页面。
示例
瓦尔
在 COCO8 数据集上验证训练有素的YOLOv8n 模型的准确性。无需传递参数,因为 model
保留培训 data
和参数作为模型属性。
示例
预测
使用训练有素的YOLOv8n 模型对图像进行预测。
示例
出口
将YOLOv8n 模型导出为不同格式,如ONNX,CoreML 等。
示例
YOLOv8 可用的导出格式如下表所示。您可以使用 format
参数,即 format='onnx'
或 format='engine'
.
格式 | format 论据 |
模型 | 元数据 | 论据 |
---|---|---|---|---|
PyTorch | - | yolov8n.pt |
✅ | - |
TorchScript | torchscript |
yolov8n.torchscript |
✅ | imgsz , optimize , batch |
ONNX | onnx |
yolov8n.onnx |
✅ | imgsz , half , dynamic , simplify , opset , batch |
OpenVINO | openvino |
yolov8n_openvino_model/ |
✅ | imgsz , half , int8 , batch |
TensorRT | engine |
yolov8n.engine |
✅ | imgsz , half , dynamic , simplify , workspace , batch |
CoreML | coreml |
yolov8n.mlpackage |
✅ | imgsz , half , int8 , nms , batch |
TF SavedModel | saved_model |
yolov8n_saved_model/ |
✅ | imgsz , keras , int8 , batch |
TF GraphDef | pb |
yolov8n.pb |
❌ | imgsz , batch |
TF 轻型 | tflite |
yolov8n.tflite |
✅ | imgsz , half , int8 , batch |
TF 边缘TPU | edgetpu |
yolov8n_edgetpu.tflite |
✅ | imgsz , batch |
TF.js | tfjs |
yolov8n_web_model/ |
✅ | imgsz , half , int8 , batch |
PaddlePaddle | paddle |
yolov8n_paddle_model/ |
✅ | imgsz , batch |
NCNN | ncnn |
yolov8n_ncnn_model/ |
✅ | imgsz , half , batch |
查看全文 export
中的详细信息 出口 page.
覆盖默认参数
只要在CLI 中将默认参数作为参数传递,就可以覆盖默认参数。 arg=value
成双成对。
训练检测模型 10 epochs
与 learning_rate
的 0.01
在图像大小为 320 时,使用预训练的分割模型预测 YouTube 视频:
覆盖默认配置文件
您可以覆盖 default.yaml
通过传递一个带有 cfg
参数,即 cfg=custom.yaml
.
为此,首先创建一个 default.yaml
在当前工作目录中使用 yolo copy-cfg
指挥。
这将创建 default_copy.yaml
,然后将其作为 cfg=default_copy.yaml
以及其他参数,例如 imgsz=320
在此示例中:
创建于 2023-11-12,更新于 2024-04-27
作者:glenn-jocher(14),Burhan-Q(1),RizwanMunawar(1),AyushExel(1),Laughing-q(1),shuizhuyuanluo@126.com(1)