5. 驗證

官方 CLI

yolo classify val model=path/to/best.pt # val custom model

yolo classify val model=path/to/best.pt data=/datasets/my_images

# Windows 路徑加"//"

yolo classify val model=path//to//best.pt data=//datasets//my_images

# 方法二：Windows 路徑加r"your path"

SRC_DIR = r"C:\your\dataset\test" # ← 修改成你的來源資料夾

Python -val.py

#!/usr/bin/env python3# -*- coding: utf-8 -*-"""Created on Wed Apr 1 17:13:03 2026
Usage：python val_cls.pypython val_cls.py --model ./runs/classify/train/weights/best.pt --data /datasets/my_images --imgsz 224
# 使用 Apple Silicon GPUpython val_cls.py --device mps
# 使用 CPU (如果想對比效能差異)python val_cls.py --device cpu
Input：my_images/├── train/ # (可有可無，驗證時不讀取)└── val/ # 必須存在，驗證以此為準    ├── class_cat/ # 類別 A 的所有圖片    ├── class_dog/ # 類別 B 的所有圖片    └── ...    """
import argparseimport sysimport torchfrom ultralytics import YOLO
# =============================================================================# ★ 預設值（CLI 未指定時使用）# =============================================================================SRC_MODEL = "/path/to/weights/best.pt"DATASET = "/path/to/val"# DEVICE = "mps" #改成自動偵測IMG_SIZE = 224
def get_default_device():    """自動偵測最佳可用設備"""    if torch.cuda.is_available():        return "0" # NVIDIA GPU    elif torch.backends.mps.is_available():        return "mps" # Apple Silicon GPU    return "cpu" # 預設 CPU
def run_validation():    # 建立 CLI 參數解析器    parser = argparse.ArgumentParser(description="YOLO11-cls 分類模型驗證腳本 (支援 MPS/CUDA)")
    # --- 設定參數與預設值 ---    parser.add_argument("--model", type=str, default=SRC_MODEL,                         help="模型檔案路徑 (.pt)")        parser.add_argument("--data", type=str, default=DATASET,                         help="資料集目錄路徑 (需包含 val 子目錄)")        parser.add_argument("--imgsz", type=int, default=IMG_SIZE,                         help="輸入影像尺寸 (預設 224)")        # 設備參數：預設會自動執行 get_default_device()    parser.add_argument("--device", type=str, default=get_default_device(),                         help="運算設備: '0', 'cpu', 'mps'")
    args = parser.parse_args()
    try:        # 1. 載入模型        print(f"--- 正在載入模型: {args.model} ---")        model = YOLO(args.model)
        # 2. 執行驗證        print(f"--- 開始驗證 | 設備: {args.device} | 資料集: {args.data} ---")        results = model.val(            data=args.data,            imgsz=args.imgsz,            device=args.device,            split='val'        )
        # 3. 輸出結果摘要        print("\n" + "="*40)        print("驗證結果摘要:")        print(f"使用設備: {args.device.upper()}")        print(f"Top-1 Accuracy: {results.top1:.4f}")        print(f"Top-5 Accuracy: {results.top5:.4f}")        print("="*40)
    except Exception as e:        print(f"執行過程中發生錯誤: {e}")        sys.exit(1)
if __name__ == "__main__":    run_validation()