在 Python>=3.8 环境和 PyTorch>=1.8 中安装 ultralytics 软件包，包括所有 requirements。

命令行界面

您可以直接通过命令行界面（CLI）使用Ultralytics YOLO，命令为yolo：

# Predict using a pretrained YOLO model (e.g., YOLO26n) on an image
yolo predict model=yolo26n.pt source='https://ultralytics.com/images/bus.jpg'

yolo命令支持多种任务和模式，可接受imgsz=640等附加参数。更多示例请参阅YOLO CLI文档。

Python

Ultralytics YOLO还可直接集成到您的Python项目中。它接受与CLI相同的配置参数：

from ultralytics import YOLO

# Load a pretrained YOLO26n model
model = YOLO("yolo26n.pt")

# Train the model on the COCO8 dataset for 100 epochs
train_results = model.train(
    data="coco8.yaml",  # Path to dataset configuration file
    epochs=100,  # Number of training epochs
    imgsz=640,  # Image size for training
    device="cpu",  # Device to run on (e.g., 'cpu', 0, [0,1,2,3])
)

# Evaluate the model's performance on the validation set
metrics = model.val()

# Perform object detection on an image
results = model("path/to/image.jpg")  # Predict on an image
results[0].show()  # Display results

# Export the model to ONNX format for deployment
path = model.export(format="onnx")  # Returns the path to the exported model

在 YOLO Python 文档 中了解更多示例。

查看 目标检测文档 获取使用示例。这些模型在 COCO 数据集 上训练，包含 80 个目标类别。

• mAP^val 值指在 COCO val2017 数据集上的单模型单尺度性能。详情参见 YOLO 性能指标。
  使用 yolo val detect data=coco.yaml device=0 复现结果
• 速度 指标是在 Amazon EC2 P4d 实例上对 COCO val 图像取平均得到的。CPU 速度通过 ONNX 导出测量。GPU 速度通过 TensorRT 导出测量。
  使用 yolo val detect data=coco.yaml batch=1 device=0|cpu 复现结果

参考 实例分割文档 获取使用示例。这些模型在 COCO-Seg 上训练，包含 80 个类别。

• mAP^val 值指在 COCO val2017 数据集上的单模型单尺度性能。详情参见 YOLO 性能指标。
  使用 yolo val segment data=coco.yaml device=0 复现结果
• 速度 指标是在 Amazon EC2 P4d 实例上对 COCO val 图像取平均得到的。CPU 速度通过 ONNX 导出测量。GPU 速度通过 TensorRT 导出测量。
  使用 yolo val segment data=coco.yaml batch=1 device=0|cpu 复现结果

查阅 图像分类文档 获取使用示例。这些模型在 ImageNet 上训练，涵盖 1000 个类别。

• 准确率 值表示模型在 ImageNet 数据集验证集上的精度。
  使用 yolo val classify data=path/to/ImageNet device=0 复现结果
• 速度 指标是在 Amazon EC2 P4d 实例上对 ImageNet val 图像取平均得到的。CPU 速度通过 ONNX 导出测量。GPU 速度通过 TensorRT 导出测量。
  使用 yolo val classify data=path/to/ImageNet batch=1 device=0|cpu 复现结果

参见 姿态估计文档 获取使用示例。这些模型在 COCO-Pose 上训练，专注于“人”类别。

• mAP^val 值指在 COCO Keypoints val2017 数据集上的单模型单尺度性能。详情参见 YOLO 性能指标。
  使用 yolo val pose data=coco-pose.yaml device=0 复现结果
• 速度 指标是在 Amazon EC2 P4d 实例上对 COCO val 图像取平均得到的。CPU 速度通过 ONNX 导出测量。GPU 速度通过 TensorRT 导出测量。
  使用 yolo val pose data=coco-pose.yaml batch=1 device=0|cpu 复现结果

查看 OBB 文档 获取使用示例。这些模型在 DOTAv1 上训练，包含 15 个类别。

• mAP^test 值指在 DOTAv1 测试集 上的单模型多尺度性能。
  通过 yolo val obb data=DOTAv1.yaml device=0 split=test 生成结果，并将合并后的结果提交至 DOTA 评估服务器 复现。
• 速度 指标是在 Amazon EC2 P4d 实例上对 DOTAv1 val 图像 取平均得到的。CPU 速度通过 ONNX 导出测量。GPU 速度通过 TensorRT 导出测量。
  通过 yolo val obb data=DOTAv1.yaml batch=1 device=0|cpu 复现结果