腳本之家服務器常用軟件

快捷導航

Python?的?ultralytics?庫功能及安裝方法

更新時間：2025年03月28日 11:16:17 作者：白.夜

ultralytics庫由Ultralytics團隊開發(fā),旨在為YOLO系列模型提供高效、靈活且易于使用的工具,本文將詳細介紹ultralytics庫的功能、安裝方法、核心模塊以及使用示例,感興趣的朋友一起看看吧

ultralytics 是一個專注于計算機視覺任務的 Python 庫，尤其以 YOLO（You Only Look Once） 系列模型為核心，提供了簡單易用的接口，支持目標檢測、實例分割、姿態(tài)估計等任務。本文將詳細介紹 ultralytics 庫的功能、安裝方法、核心模塊以及使用示例。

1. ultralytics 庫簡介

ultralytics 庫由 Ultralytics 團隊開發(fā)，旨在為 YOLO 系列模型提供高效、靈活且易于使用的工具。它支持 YOLOv5、YOLOv8 等最新版本的 YOLO 模型，并提供了以下核心功能：

目標檢測：檢測圖像或視頻中的目標。
實例分割：對目標進行像素級分割。
姿態(tài)估計：檢測目標的關鍵點（如人體姿態(tài)）。
模型訓練：支持自定義數(shù)據(jù)集的訓練。
模型導出：將模型導出為多種格式（如 ONNX、TensorRT 等）。

2. 安裝 ultralytics

ultralytics 可以通過 pip 安裝：

pip install ultralytics

安裝完成后，可以通過以下命令驗證是否安裝成功：

import ultralytics
print(ultralytics.__version__)

3. 核心模塊與功能

（1）YOLO 模型加載與推理

ultralytics 提供了 YOLO 類，用于加載預訓練模型或自定義模型，并進行推理。

加載模型

from ultralytics import YOLO
# 加載預訓練模型
model = YOLO("yolov8n.pt")  # YOLOv8 Nano 模型

推理

# 對單張圖像進行推理
results = model("image.jpg")
# 顯示結果
results.show()

保存結果

# 保存檢測結果
results.save("output.jpg")

（2）模型訓練

ultralytics 支持自定義數(shù)據(jù)集的訓練。

準備數(shù)據(jù)集

數(shù)據(jù)集需要按照 YOLO 格式組織：

dataset/
├── images/
│   ├── train/
│   └── val/
└── labels/
    ├── train/
    └── val/

訓練模型

# 加載模型
model = YOLO("yolov8n.pt")
# 訓練模型
results = model.train(data="coco128.yaml", epochs=50, imgsz=640)

（3）模型驗證

訓練完成后，可以使用驗證集評估模型性能。

# 驗證模型
metrics = model.val()
print(metrics.box.map)  # 打印 mAP 值

（4）模型導出

ultralytics 支持將模型導出為多種格式，以便在其他平臺上部署。

# 導出為 ONNX 格式
model.export(format="onnx")

4. 使用示例

目標檢測

from ultralytics import YOLO
# 加載模型
model = YOLO("yolov8n.pt")
# 對圖像進行推理
results = model("image.jpg")
# 顯示結果
results.show()

實例分割

from ultralytics import YOLO
# 加載實例分割模型
model = YOLO("yolov8n-seg.pt")
# 對圖像進行推理
results = model("image.jpg")
# 顯示分割結果
results.show()

姿態(tài)估計

from ultralytics import YOLO
# 加載姿態(tài)估計模型
model = YOLO("yolov8n-pose.pt")
# 對圖像進行推理
results = model("image.jpg")
# 顯示姿態(tài)估計結果
results.show()

視頻推理

from ultralytics import YOLO
# 加載模型
model = YOLO("yolov8n.pt")
# 對視頻進行推理
results = model("video.mp4")
# 保存結果
results.save("output.mp4")

5. 高級功能

（1）自定義模型

ultralytics 支持加載自定義訓練的模型。

from ultralytics import YOLO
# 加載自定義模型
model = YOLO("custom_model.pt")
# 推理
results = model("image.jpg")

（2）多 GPU 訓練

ultralytics 支持多 GPU 訓練，以加速訓練過程。

# 使用 4 個 GPU 進行訓練
results = model.train(data="coco128.yaml", epochs=50, imgsz=640, device=[0, 1, 2, 3])

（3）TensorRT 加速

ultralytics 支持將模型導出為 TensorRT 格式，以在 NVIDIA GPU 上加速推理。

# 導出為 TensorRT 格式
model.export(format="engine")

6. 總結

ultralytics 是一個功能強大且易于使用的計算機視覺庫，特別適合 YOLO 系列模型的應用。它提供了從模型加載、推理、訓練到導出的完整功能，支持目標檢測、實例分割、姿態(tài)估計等多種任務。無論是研究還是生產(chǎn)環(huán)境，ultralytics 都能滿足你的需求。

希望本文能幫助你快速上手 ultralytics 庫！如果有任何問題，歡迎在評論區(qū)留言討論！ ??

參考鏈接