yolo --- 快速上手

命令行

下载好 ultralytics 项目并安装好 ultralytics 项目后，可以直接使用命令行（Command Line Interface, CLI）进行快速推理一张图片、视频、视频流、摄像头等等，举个例子：

yolo 任务名称 model=本地模型权重路径 source=图片路径

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

Python 脚本

模型训练

# 导入必要的库
from ultralytics import YOLO

# ---------- 加载模型 ----------
# 方法 1：通过 yaml 文件新建一个模型 (根据 yaml 文件中的模型定义自动搭建一个模型)
model = YOLO('yolov8n.yaml')  

# 方法 2：加载一个训练好的模型（直接从 pt 文件中读取模型架构从而搭建模型）
model = YOLO('yolov8n.pt')  

# ---------- 模型训练 ----------
# 训练 coco128.yaml 中定义的数据集，并且 epochs 为 3
model.train(
    data='coco128.yaml', 
    epochs=3
)

模型验证

当我们训练得到一个 .pt 文件后，可能需要对其进行评估以获取该 .pt 的指标，代码如下：

from ultralytics import YOLO


# ---------- 加载模型 ----------
model = YOLO('runs/detect/train3/weights/best.pt')  

# ---------- 模型评估 ----------
model.val(data='coco128.yaml')

模型预测

from ultralytics import YOLO


# ---------- 加载模型 ----------
model = YOLO('runs/detect/train3/weights/best.pt')  

# ---------- 模型预测 ----------
model.predict(
    source='https://ultralytics.com/images/bus.jpg', 
    save=True
)

模型导出

from ultralytics import YOLO


# ---------- 加载模型 ----------
model = YOLO('runs/detect/train3/weights/best.pt')  

# ---------- 模型导出 ----------
model.export(format='onnx', simplify=True)