苏州市建设交易中心网站首页wordpress调用摘要

苏州市建设交易中心网站首页,wordpress调用摘要,旺道seo优化软件怎么用,南宁关键词排名提升Ultralytics 基于多年来在计算机视觉和人工智能领域的基础研究#xff0c;打造了前沿的、最先进的#xff08;SOTA#xff09;YOLO模型。我们的模型不断更新#xff0c;以提升性能和灵活性#xff0c;具有速度快、精度高和易于使用的特点。 它们在目标检测、跟踪、实例分割…Ultralytics 基于多年来在计算机视觉和人工智能领域的基础研究打造了前沿的、最先进的SOTAYOLO模型。我们的模型不断更新以提升性能和灵活性具有速度快、精度高和易于使用的特点。它们在目标检测、跟踪、实例分割、图像分类和姿态估计任务中表现出色。安装在配备 PyTorch1.8 的 Python3.8 环境中安装包含所有依赖项的 ultralytics 包pipinstallultralytics用法命令行界面CLI你可以直接通过命令行界面CLI使用 Ultralytics YOLO命令为 yolo# 使用预训练的 YOLO26n 模型对图像进行预测yolo predictmodelyolo26n.ptsourcehttps://ultralytics.com/images/bus.jpgyolo 命令支持各种任务和模式可接受 imgsz640 等附加参数。更多示例请查看 YOLO CLI 文档。PythonUltralytics YOLO 也可以直接集成到你的 Python 项目中。它接受与命令行界面相同的配置参数fromultralyticsimportYOLO# 加载预训练的 YOLO26n 模型modelYOLO(yolo26n.pt)# 在 COCO8 数据集上训练模型共 100 轮train_resultsmodel.train(datacoco8.yaml,# 数据集配置文件路径epochs100,# 训练轮数imgsz640,# 训练图像尺寸devicecpu,# 运行设备如 cpu, 0, [0,1,2,3])# 在验证集上评估模型性能metricsmodel.val()# 对图像执行目标检测resultsmodel(path/to/image.jpg)# 预测results[0].show()# 显示结果# 将模型导出为 ONNX 格式用于部署pathmodel.export(formatonnx)# 返回导出模型的路径在 YOLO Python 文档中发现更多示例。模型Ultralytics 支持多种 YOLO 模型从早期版本如 YOLOv3 到最新的 YOLO26 均有涵盖。下表展示了在 COCO 数据集上预训练的 YOLO26 模型适用于目标检测、图像分割和姿态估计任务。此外还有在 ImageNet 数据集上预训练的分类模型。跟踪模式与所有检测、分割和姿态模型兼容。所有模型在首次使用时会从 Ultralytics 最新版本中自动下载。目标检测COCO这些模型在 COCO 数据集上进行了训练包含 80 个对象类别。模型尺寸 (像素)mAPval 50-95mAPval 50-95 (e2e)CPU ONNX 速度 (ms)T4 TensorRT 速度 (ms)参数量 (M)FLOPs (B)YOLO26n64040.940.138.9 ± 0.71.7 ± 0.02.45.4YOLO26s64048.647.887.2 ± 0.92.5 ± 0.09.520.7YOLO26m64053.152.5220.0 ± 1.44.7 ± 0.120.468.2YOLO26l64055.054.4286.2 ± 2.06.2 ± 0.224.886.4YOLO26x64057.556.9525.8 ± 4.011.8 ± 0.255.7193.9mAPval 值指的是在 COCO val2017 数据集上的单模型单尺度性能。速度指标是在 COCO 验证集图像上使用 Amazon EC2 P4d 实例取平均值得到的。CPU 速度通过 ONNX 导出测量GPU 速度通过 TensorRT 导出测量。集成我们与 Weights Biases、Comet ML、Roboflow 和 Intel OpenVINO 等领先 AI 平台深度集成增强数据标注、训练、可视化和模型管理能力。下载链接 https://github.com/ultralytics/ultralytics