Python 的 ultralytics 库功能及安装方法
作者：白.夜
ultralytics 是一个专注于计算机视觉任务的 Python 库，尤其以 YOLO（You Only Look Once） 系列模型为核心，提供了简单易用的接口，支持目标检测、实例分割、姿态估计等任务。本文将详细介绍 ultralytics 库的功能、安装方法、核心模块以及使用示例。
1. ultralytics 库简介
ultralytics 库由 Ultralytics 团队开发，旨在为 YOLO 系列模型提供高效、灵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：
- 目标检测：检测图像或视频中的目标。
- 实例分割：对目标进行像素级分割。
- 姿态估计：检测目标的关键点（如人体姿态）。
- 模型训练：支持自定义数据集的训练。
- 模型导出：将模型导出为多种格式（如 ONNX、TensorRT 等）。
2. 安装 ultralytics
ultralytics 可以通过 pip 安装：
pip install ultralytics
安装完成后，可以通过以下命令验证是否安装成功：
import ultralytics print(ultralytics.__version__)
3. 核心模块与功能
（1）YOLO 模型加载与推理
ultralytics 提供了 YOLO 类，用于加载预训练模型或自定义模型，并进行推理。
加载模型
from ultralytics import YOLO
# 加载预训练模型
model = YOLO("yolov8n.pt") # YOLOv8 Nano 模型推理
# 对单张图像进行推理
results = model("image.jpg")
# 显示结果
results.show()保存结果
# 保存检测结果
results.save("output.jpg")（2）模型训练
ultralytics 支持自定义数据集的训练。
准备数据集
数据集需要按照 YOLO 格式组织：
dataset/
├── images/
│ ├── train/
│ └── val/
└── labels/
├── train/
└── val/训练模型
# 加载模型
model = YOLO("yolov8n.pt")
# 训练模型
results = model.train(data="coco128.yaml", epochs=50, imgsz=640)（3）模型验证
训练完成后，可以使用验证集评估模型性能。
# 验证模型 metrics = model.val() print(metrics.box.map) # 打印 mAP 值
（4）模型导出
ultralytics 支持将模型导出为多种格式，以便在其他平台上部署。
# 导出为 ONNX 格式 model.export(format="onnx")
4. 使用示例
目标检测
from ultralytics import YOLO
# 加载模型
model = YOLO("yolov8n.pt")
# 对图像进行推理
results = model("image.jpg")
# 显示结果
results.show()实例分割
from ultralytics import YOLO
# 加载实例分割模型
model = YOLO("yolov8n-seg.pt")
# 对图像进行推理
results = model("image.jpg")
# 显示分割结果
results.show()姿态估计
from ultralytics import YOLO
# 加载姿态估计模型
model = YOLO("yolov8n-pose.pt")
# 对图像进行推理
results = model("image.jpg")
# 显示姿态估计结果
results.show()视频推理
from ultralytics import YOLO
# 加载模型
model = YOLO("yolov8n.pt")
# 对视频进行推理
results = model("video.mp4")
# 保存结果
results.save("output.mp4")5. 高级功能
（1）自定义模型
ultralytics 支持加载自定义训练的模型。
from ultralytics import YOLO
# 加载自定义模型
model = YOLO("custom_model.pt")
# 推理
results = model("image.jpg")（2）多 GPU 训练
ultralytics 支持多 GPU 训练，以加速训练过程。
# 使用 4 个 GPU 进行训练 results = model.train(data="coco128.yaml", epochs=50, imgsz=640, device=[0, 1, 2, 3])
（3）TensorRT 加速
ultralytics 支持将模型导出为 TensorRT 格式，以在 NVIDIA GPU 上加速推理。
# 导出为 TensorRT 格式 model.export(format="engine")
6. 总结
ultralytics 是一个功能强大且易于使用的计算机视觉库，特别适合 YOLO 系列模型的应用。它提供了从模型加载、推理、训练到导出的完整功能，支持目标检测、实例分割、姿态估计等多种任务。无论是研究还是生产环境，ultralytics 都能满足你的需求。
希望本文能帮助你快速上手 ultralytics 库！如果有任何问题，欢迎在评论区留言讨论！ 😊
参考链接
到此这篇关于Python 的 ultralytics 库详解的文章就介绍到这了,更多相关Python ultralytics 库内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家！