YOLOv10自定义训练——导入YOLO还是YOLOv10？

Question

我希望在我拥有的数据集上使用 YoloV10n 进行自定义训练（到目前为止我一直在使用 YoloV8），但我不确定是使用/导入 YOLO 还是 YOLOv10。

我最初尝试使用YOLOv10，并能够成功完成自定义训练和推理。但是，由于断言不一致，我无法将模型导出到 tflite。然后我切换回 YOLO（从预先训练的 yolov10.pt 模型开始）并能够将其导出到 tflite。此外，Ultralytics 的官方文档确实指导使用 YOLO（而不是 YOLOv10）进行 YoloV10 训练。另一方面，RoboFlow 教程确实指导使用 YOLOv10...🤔

我应该使用

from ultralytics import YOLOv10

还是

from ultralytics import YOLO

？有关系吗？相同的答案是否适用于训练、推理和导出（tflite 等）？

Answer 1

如最新的 Ultralytics 文档中所述，使用

from ultralytics import YOLO

是正确的：

from ultralytics import YOLO

# Load YOLOv10n model from scratch
model = YOLO("yolov10n.yaml")

# Train the model
model.train(data="coco8.yaml", epochs=100, imgsz=640)

# Export the model to NCNN format
model.export(format="ncnn")  # creates 'yolov10n_ncnn_model'

至于使用 YOLOv10 模块的建议，来自于该模型尚未完全集成到 Ultralytics 的早期（大约 2024 年 5 月）。例如，在 5 月 24 日的这篇 Roboflow 文章中，建议手动克隆 YOLOv10 的官方 PyTorch 实现，然后将其与 Ultralytics 一起使用，目前这太过分了，可能会导致导出问题等不良行为。如果您使用 Ultralytics，请按照官方教程操作 v10，就像使用 v8 模型一样。