YOLO11训练推理预测CMD操作命令参数大全-诺瓦小站

Ultralytics YOLO11 是一款前沿的、最先进的SOTA模型，它在之前 YOLO 版本的成功基础上进行了改进，并引入了新的功能和优化，以进一步提升性能和灵活性。YOLO11 旨在实现快速、准确且易于使用，使其成为广泛目标检测与跟踪、实例分割、图像分类以及姿态估计任务的理想选择。

YOLO11的功能十分强大，所以操作命令也非常多，我根据官方文档整理了最新版YOLO11的各项任务的详细操作命令，包括主要的训练和推理预测等。

YOLO命令格式：yolo TASK MODE ARGS

TASK:任务类型，值可以省略。TASK 的可选值如下：

Detect（默认参数）

任务类型：目标检测

功能：检测图像或视频中的物体，并输出物体的边界框和类别标签。

示例命令：

yolo detect predict model=yolo11n.pt source=’image.jpg’

segment

任务类型：实例分割

功能：不仅检测物体，还为每个物体生成像素级的掩码。

示例命令：

yolo segment predict model=yolo11n-seg.pt source=’image.jpg’

classify

任务类型：图像分类

功能：对图像进行分类，输出图像的类别标签。

示例命令：

yolo classify predict model=yolo11n-cls.pt source=’image.jpg’

pose

任务类型：姿态估计

功能：检测图像中的人体关键点（如关节），并输出关键点的位置。

示例命令：

yolo pose predict model=yolo11n-pose.pt source=’image.jpg’

obb

任务类型：旋转框检测

功能：检测物体并输出旋转的边界框（适用于倾斜的物体）。

示例命令：

yolo obb predict model=yolo11n-obb.pt source=’image.jpg’

TASK值默认可以忽略，程序会根据模型类型自动推断任务类型，处理多种任务时推荐指明参数。

MODE：必需，用于指定要执行的操作模式，定义了 YOLO 的具体行为

train

功能：训练模型。

用途：使用指定的数据集和配置文件训练 YOLO 模型。

示例命令：

yolo detect train data=coco8.yaml model=yolo11n.pt epochs=100 imgsz=640

在图像大小为640的COCO8数据集上训练YOLO11n 100个迭代周期。

val

功能：验证模型。

用途：在验证集上评估模型的性能，计算指标（如 mAP、精度、召回率等）。

示例命令：

yolo detect val model=yolo11n.pt

predict

功能：推理预测。

用途：使用训练好的模型对新的图像或视频进行推理，生成检测结果（如边界框、类别标签、置信度等）。

示例命令：

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

export

功能：导出模型。

用途：将训练好的模型导出为其他格式（如 ONNX、TensorRT、CoreML 等），以便在其他平台或框架中使用。

示例命令：

yolo export model=yolo11n.pt format=onnx

track

功能：目标跟踪。

用途：在视频中进行目标检测并跟踪物体的运动轨迹。

示例命令：

yolo track model=yolo11n.pt source=’video.mp4′

benchmark

功能：模型性能基准测试。

用途：测试模型在不同硬件上的推理速度（如 FPS）和资源占用情况。

示例命令：

yolo benchmark model=yolo11n.pt imgsz=640

Train训练

示例代码：

yolo detect train data=coco8.yaml model=yolo11n.pt epochs=100 imgsz=640

命令解释：在图像大小为640的COCO8数据集上训练YOLO11n 100个迭代周期。其他参数：

参数	类型	默认值	描述
model	str	None	指定用于训练的模型文件。接受 .pt 预训练模型或 .yaml 配置文件的路径。用于定义模型结构或初始化权重。
data	str	None	数据集配置文件的路径（如 coco8.yaml）。该文件包含数据集相关参数，包括训练和验证数据的路径、类别名称和类别数量。
epochs	int	100	训练的总轮数。每轮代表对整个数据集的完整遍历。调整此值会影响训练时长和模型性能。
time	float	None	训练的最大时间（以小时为单位）。如果设置，此参数会覆盖 epochs 参数，允许在指定时间后自动停止训练。适用于时间受限的训练场景。
patience	int	100	在验证指标没有改善的情况下，等待的轮数，之后提前停止训练。有助于防止过拟合，当性能趋于平稳时停止训练。
batch	int	16	批量大小，支持三种模式：设置为整数（如 batch=16），自动模式（使用 60% 的 GPU 内存，batch=-1），或指定利用率分数的自动模式（如 batch=0.70）。
imgsz	int 或 list	640	训练的目标图像尺寸。所有图像在输入模型之前会被调整为此尺寸。影响模型精度和计算复杂度。
save	bool	True	启用训练检查点和最终模型权重的保存。适用于恢复训练或模型部署。
save_period	int	-1	保存模型检查点的频率（以轮数为单位）。值为 -1 时禁用此功能。适用于长时间训练中保存中间模型。
cache	bool	False	启用数据集图像的缓存（True/ram 表示内存缓存，disk 表示磁盘缓存，False 表示禁用缓存）。通过减少磁盘 I/O 提高训练速度，但会增加内存使用。
device	int 或 str 或 list	None	指定训练的计算设备：单个 GPU（device=0），多个 GPU（device=0,1），CPU（device=cpu），或 Apple silicon 的 MPS（device=mps）。
workers	int	8	数据加载的工作线程数（如果是多 GPU 训练，则每个 RANK 的线程数）。影响数据预处理和输入模型的速度，尤其适用于多 GPU 设置。
project	str	None	保存训练输出的项目目录名称。允许对不同实验进行有序存储。
name	str	None	训练运行的名称。用于在项目文件夹中创建子目录，保存训练日志和输出。
exist_ok	bool	False	如果为 True，允许覆盖现有的项目/名称目录。适用于无需手动清除先前输出的迭代实验。
pretrained	bool	True	确定是否从预训练模型开始训练。可以是布尔值或指定模型的路径。提高训练效率和模型性能。
optimizer	str	‘auto’	训练优化器的选择。选项包括 SGD、Adam、AdamW、NAdam、RAdam、RMSProp 等，或 auto 以根据模型配置自动选择。影响收敛速度和稳定性。
seed	int	0	设置训练的随机种子，确保在相同配置下运行的结果可复现。
deterministic	bool	True	强制使用确定性算法，确保结果可复现，但可能因限制非确定性算法而影响性能和速度。
single_cls	bool	False	在多类别数据集中将所有类别视为单一类别进行训练。适用于二分类任务或仅关注物体存在而非分类的场景。
classes	list[int]	None	指定要训练的类别 ID 列表。适用于在训练中过滤并仅关注某些类别。
rect	bool	False	启用矩形训练，优化批次组合以减少填充。可提高效率和速度，但可能影响模型精度。
multi_scale	bool	False	启用多尺度训练，在训练期间将 imgsz 增加/减少最多 0.5 倍。训练模型在推理时对多种图像尺寸更准确。
cos_lr	bool	False	使用余弦学习率调度器，根据余弦曲线调整学习率。有助于更好地管理学习率以实现收敛。
close_mosaic	int	10	在最后 N 轮禁用马赛克数据增强，以在训练结束前稳定训练。设置为 0 禁用此功能。
resume	bool	False	从上次保存的检查点恢复训练。自动加载模型权重、优化器状态和轮数，无缝继续训练。
amp	bool	True	启用自动混合精度（AMP）训练，减少内存使用并可能加速训练，同时对精度影响最小。
fraction	float	1.0	指定用于训练的数据集比例。允许在完整数据集的子集上进行训练，适用于实验或资源有限的情况。
profile	bool	False	启用 ONNX 和 TensorRT 速度的性能分析，适用于优化模型部署。
freeze	int 或 list	None	冻结模型的前 N 层或指定索引的层，减少可训练参数数量。适用于微调或迁移学习。
lr0	float	0.01	初始学习率（如 SGD=1E-2，Adam=1E-3）。调整此值对优化过程至关重要，影响模型权重更新的速度。
lrf	float	0.01	最终学习率作为初始学习率的一部分（即 lr0 * lrf），与调度器结合使用以随时间调整学习率。
momentum	float	0.937	SGD 的动量因子或 Adam 的 beta1，影响当前更新中过去梯度的结合。
weight_decay	float	0.0005	L2 正则化项，惩罚较大的权重以防止过拟合。
warmup_epochs	float	3.0	学习率预热轮数，逐渐将学习率从低值增加到初始学习率，以在训练初期稳定训练。
warmup_momentum	float	0.8	预热阶段的初始动量，逐渐调整到设定的动量值。
warmup_bias_lr	float	0.1	预热阶段偏置参数的学习率，帮助在初始轮次稳定模型训练。
box	float	7.5	损失函数中边界框损失分量的权重，影响对准确预测边界框坐标的重视程度。
cls	float	0.5	分类损失在总损失函数中的权重，影响正确分类预测相对于其他分量的重要性。
dfl	float	1.5	分布焦点损失的权重，用于某些 YOLO 版本中的细粒度分类。
pose	float	12.0	姿态估计模型中姿态损失的权重，影响对准确预测姿态关键点的重视程度。
kobj	float	2.0	姿态估计模型中关键点目标性损失的权重，平衡检测置信度与姿态准确性。
nbs	int	64	损失归一化的标称批量大小。
overlap_mask	bool	True	确定是否将对象掩码合并为单个掩码进行训练，或为每个对象保留单独的掩码。在重叠情况下，较小的掩码会在合并时覆盖较大的掩码。
mask_ratio	int	4	分割掩码的下采样比例，影响训练期间使用的掩码分辨率。
dropout	float	0.0	分类任务中的 dropout 率，通过在训练期间随机省略单元来防止过拟合。
val	bool	True	在训练期间启用验证，允许在单独的数据集上定期评估模型性能。
plots	bool	False	生成并保存训练和验证指标的图表以及预测示例，提供对模型性能和学习进展的直观洞察。

Predict推理命令参数：

参数	类型	默认值	描述
source	str	‘ultralytics/assets’	指定推理的数据源。可以是图像路径、视频文件、或摄像头0。支持多种格式和来源，适用于不同类型的输入。
conf	float	0.25	设置检测的最小置信度阈值。置信度低于此阈值的检测对象将被忽略。调整此值有助于减少误报。
iou	float	0.7	非极大值抑制（NMS）的交并比（IoU）阈值。较低的值会通过消除重叠框减少检测数量，适用于减少重复检测。
imgsz	int 或 tuple	640	定义推理的图像尺寸。可以是单个整数（如 640，表示正方形调整）或 (高度, 宽度) 元组。适当的尺寸可以提高检测精度和处理速度。
half	bool	False	启用半精度（FP16）推理，可以在支持的 GPU 上加速模型推理，同时对精度影响最小。
device	str	None	指定推理的设备（如 `cpu`、`cuda:0` 或 `0`）。允许用户选择 CPU、特定 GPU 或其他计算设备来执行模型。
batch	int	1	指定推理的批量大小（仅在数据源为目录、视频文件或 `.txt` 文件时有效）。较大的批量大小可以提高吞吐量，缩短推理所需的总时间。
max_det	int	300	每张图像允许的最大检测数量。限制模型在单次推理中可以检测到的对象总数，防止在密集场景中输出过多结果。
vid_stride	int	1	视频输入的帧步幅。允许跳过视频中的帧以加快处理速度，但会降低时间分辨率。值为 `1` 时处理每一帧，较高的值会跳过帧。
stream_buffer	bool	False	确定是否为视频流队列传入帧。如果为 `False`，旧帧会被丢弃以容纳新帧（适用于实时应用）。如果为 `True`，新帧会被缓冲，确保不跳过任何帧，但如果推理 FPS 低于流 FPS，则会导致延迟。
visualize	bool	False	激活推理期间模型特征的可视化，提供模型“看到”的内容的洞察。适用于调试和模型解释。
augment	bool	False	启用测试时数据增强（TTA）进行预测，可能提高检测鲁棒性，但会降低推理速度。
agnostic_nms	bool	False	启用类别无关的非极大值抑制（NMS），合并不同类别的重叠框。适用于多类别检测场景中类别重叠常见的情况。
classes	list[int]	None	过滤预测结果到一组类别 ID。仅返回属于指定类别的检测结果。适用于在多类别检测任务中关注相关对象。
retina_masks	bool	False	返回高分辨率的分割掩码。如果启用，返回的掩码（`masks.data`）将匹配原始图像尺寸。如果禁用，则使用推理期间的图像尺寸。
embed	list[int]	None	指定从中提取特征向量或嵌入的层。适用于聚类或相似性搜索等下游任务。
project	str	None	如果启用了保存功能，则指定保存预测输出的项目目录名称。
name	str	None	预测运行的名称。如果启用了保存功能，则用于在项目文件夹中创建子目录，保存预测输出。

领即梦AI免费积分，开启AI创作之旅：速领>>

软件催更及1对1人工答疑支持： https://nuowa.net/1806

YOLO11训练推理预测CMD操作命令参数大全

Predict推理命令参数：

相关推荐

最近更新

带声音克隆功能的对话型文字转语音软件higgs-audio免安装一键启动整合包下载

本地离线翻译软件LibreTranslate免安装一键启动包下载

抖音出品高质量声音克隆文字转语音合成软件MegaTTS3整合包下载

副业变现项目分享20250709期

有声读物制作软件audiblez整合包下载，将epub电子书转为m4b有声书

百度夸克webdav服务+alist+RaiDrive,将网盘挂载为本地电脑硬盘方法教程

Unreal Engine 5恐怖游戏设计制作教程，从入门到精通从零开始完整项目开发详细讲解，中英文字幕

PDF/图片转markdown软件MonkeyOCR整合包，文档图片解析工具下载

AI视频变现项目，完整详细教程20250628期

即梦AI：创作者的强力“外挂”！免费积分等你领取

热门文章

觉得文章对你有帮助就打赏一下作者

非常感谢你的打赏，我将有更多的动力继续提供优质内容，让我们一起创建更加美好的世界！

支付宝扫一扫

微信扫一扫