YOLO如何通过命令行界面(CLI)直接使用,
时间: 2025-06-21 15:22:03 浏览: 11
<think>好的,用户想了解如何通过命令行界面(CLI)直接使用YOLO模型进行推理。首先,我需要回忆YOLO相关的文档和官方指南。记得YOLOv8和YOLO-World提供了CLI的支持,用户可以通过简单的命令执行训练、验证和推理。
根据用户提供的引用内容,他们之前可能已经接触过在Python脚本中调用YOLO的方法,比如通过导入YOLOWorld类并训练模型。现在用户希望切换到命令行操作,这样可能更方便快捷,不需要每次都写Python脚本。
接下来,我需要整理CLI的基本命令结构。YOLO的CLI通常以`yolo`开头,后跟任务类型(如detect、segment)、模式(train、val、predict等),然后是参数。例如,预测模式使用`yolo predict`,需要指定模型路径、输入源、参数如imgsz、conf等。
然后,用户可能需要具体的例子来说明如何使用。比如,使用预训练模型对图片或视频进行推理,或者验证模型在数据集上的表现。需要给出每个用例的具体命令,并解释参数的作用,比如`model=yolov8n.pt`指定模型,`source`指定输入,`imgsz`设置图像尺寸,`conf`调整置信度阈值。
另外,用户可能还想知道如何导出模型为不同格式,比如ONNX或TensorRT,这在部署时很重要。需要包括导出命令,并说明`format`参数的使用。
需要确保所有命令符合最新YOLO版本的语法,因为不同版本可能有差异。同时,提醒用户参考官方文档获取最新信息,因为CLI的参数可能会更新。
最后,生成相关问题时要覆盖用户可能遇到的后续疑问,比如调整参数、处理视频、使用自定义模型、导出格式选择以及验证方法。这样可以帮助用户更全面地掌握CLI的使用。</think>### 如何在命令行中使用YOLO模型执行推理
#### 1. CLI基础命令结构
YOLO命令行工具通过`yolo`指令调用,支持多种任务(检测/分割/分类)和模式(训练/验证/预测)。基础语法为:
```
yolo TASK MODE ARGS
```
- `TASK`: 任务类型(detect/segment/classify)
- `MODE`: 操作模式(predict/train/val/export)
- `ARGS`: 参数键值对(如model=... source=...)
#### 2. 执行推理的典型场景
**场景1:图片/视频推理**
```bash
yolo detect predict model=yolov8n.pt source="image.jpg" imgsz=640 conf=0.25
```
- `model`: 指定预训练模型权重(支持官方模型如yolov8n.pt/yolov8s-worldv2.pt)
- `source`: 输入源(图片/视频/文件夹路径或摄像头ID)
- `imgsz`: 输入分辨率(默认640)
- `conf`: 置信度阈值(0-1)
**场景2:验证模型性能**
```bash
yolo detect val model=yolov8s-worldv2.pt data=coco.yaml
```
- `data`: 数据集配置文件路径
- 输出mAP、精确率等指标
#### 3. 导出模型格式(部署准备)
```bash
yolo export model=yolov8n.pt format=onnx
```
支持导出为ONNX/TensorRT/OpenVINO等格式[^1]
#### 4. 完整示例流程
```bash
# 下载官方模型
wget https://github.com/ultralytics/assets/releases/download/v8.2.0/yolov8n.pt
# 执行摄像头实时检测
yolo detect predict model=yolov8n.pt source=0 show=True
```
阅读全文
相关推荐



















