Ultralytics YOLO命令行工具（CLI）是一个强大的工具，它允许用户在没有Python环境的情况下，通过简单的命令行操作来训练、验证、预测和导出YOLO模型。这个工具的设计非常直观，用户可以通过简单的命令来执行各种复杂的任务，而无需编写任何Python代码。例如，使用'yolo'命令，用户可以轻松地从终端运行所有任务。
要开始使用Ultralytics YOLO CLI，用户需要了解基本的命令语法。命令的基本格式是'yolo TASK MODE ARGS'，其中TASK是可选的，可以是'detect'、'segment'、'classify'、'pose'或'obb'中的一个；MODE是必需的，可以是'train'、'val'、'predict'、'export'、'track'或'benchmark'中的一个；ARGS是可选的，是一系列自定义的'arg=value'参数对，例如'imgsz=320'，这些参数可以覆盖默认设置。
例如，要训练一个检测模型10个周期，初始学习率为0.01，可以使用以下命令：
yolo train data=coco8.yaml model=yolo11n.pt epochs=10 lr0=0.01
此外，用户还可以使用预训练的分割模型来预测YouTube视频，或者验证预训练的检测模型的准确性。所有这些操作都可以通过CLI轻松完成。
除了训练和验证，Ultralytics YOLO CLI还支持模型的导出。用户可以将YOLO11模型导出为不同的格式，如ONNX、CoreML、TensorRT等。例如，要将模型导出为ONNX格式，可以使用以下命令：
yolo export model=yolo11n.pt format=onnx
导出的模型可以在不同的平台上运行，为用户提供了更大的灵活性。
如果需要覆盖默认参数，用户可以通过在CLI命令中以'arg=value'的形式传递参数来实现。例如，要训练一个模型并使用自定义参数，可以使用以下命令：
yolo train data=coco8.yaml model=yolo11n.pt epochs=10 lr0=0.01
在执行命令时，确保参数格式正确，不要使用'--'参数前缀或逗号分隔参数。