HongChuang/ultralytics-ascend
1
0
Fork 0
Code Issues Pull requests Projects Releases Packages Wiki Activity Actions 3

Update YOLOv3 and YOLOv5 YAMLs (#7574)

Browse source 
Signed-off-by: Glenn Jocher <glenn.jocher@ultralytics.com>
This commit is contained in:
Glenn Jocher 2024-01-14 20:10:32 +01:00 • committed by GitHub
parent 596c068b18
commit d762496989
No known key found for this signature in database
GPG key ID: 4AEE18F83AFDEB23
51 changed files with 284 additions and 304 deletions
Download patch file Download diff file Expand all files Collapse all files

2
docs/hi/datasets/index.md
View file

@ -83,7 +83,7 @@ Ultralytics कंप्यूटर विज्ञान कार्यों
इन छवियों को बाउंडिंग बॉक्स, संरेखण या कीपॉइंट्स के साथ थस्क करें, टास्क के आधार पर।
3. **एनोटेशन निर्यात करें**:
इन एनोटेशन को योलो *.txt फ़ाइल प्रारूप में निर्यात करें, जिसे Ultralytics समर्थित करता है।
इन एनोटेशन को योलो `*.txt` फ़ाइल प्रारूप में निर्यात करें, जिसे Ultralytics समर्थित करता है।
4. **डेटासेट व्यवस्थित करें**:
अपने डेटासेट को सही फ़ोल्डर संरचना में व्यवस्थित करें। आपके पास `train/` और `val/` शीर्ष-स्तर निर्देशिकाएँ होनी चाहिए, और हर एक में `images/` और `labels/` उप-निर्देशिका होनी चाहिए।

2
docs/hi/models/yolov3.md
View file

@ -48,7 +48,7 @@ YOLOv3 श्रृंखला, इनमें YOLOv3, YOLOv3-Ultralytics औ
=== "Python"
`*.pt` प्रीट्रेन किए गए PyTorch मॉडल और कॉन्फ़िगरेशन *.yaml फ़ाइल Python में YOLO() क्लास कों यूज़ करके एक मॉडल इंस्टेंस तैयार करने के लिए पास कर सकते हैं:
`*.pt` प्रीट्रेन किए गए PyTorch मॉडल और कॉन्फ़िगरेशन `*.yaml` फ़ाइल Python में YOLO() क्लास कों यूज़ करके एक मॉडल इंस्टेंस तैयार करने के लिए पास कर सकते हैं:
```python
from ultralytics import YOLO