libreyolo doctor

Führt eine Reihe von Health-Checks über einen Detection-Datensatz aus und meldet, was einem Trainingslauf schaden würde: fehlende Dateien, kaputte Labels, beschädigte Bilder, Leakage zwischen Splits und Klassenungleichgewicht.

Befehl: libreyolo doctor
Erforderlich: data
Ausgabe: Ein Befundbericht auf stdout. Exit 1, wenn Fehler gefunden werden

Synopsis

bash

libreyolo doctor <data.yaml> [key=value ...]

Der Datensatz steht positional, und data=<path> wird als Alternative akzeptiert. Beides mit unterschiedlichen Werten anzugeben, endet mit config_conflict. Alles andere ist ein key=value-Paar, und die POSIX-Form funktioniert ebenfalls, sodass imgsz=1024 und --imgsz 1024 dasselbe Argument sind.

Argumente

Argument	Default	Bedeutung
`data`		Positional. Datensatz-YAML im YOLO-Detection-Format, z. B. `coco8.yaml`. Erforderlich
`imgsz`	`640`	Trainings-Bildgröße für pixelbasierte Prüfungen wie winzige Objekte
`fast`	`false`	Überspringt die Bilddekodierung, wodurch die Prüfungen auf Beschädigung, Duplikate und Leakage entfallen
`skip`		Kommagetrennte Prüf-IDs oder Familien, die übersprungen werden, z. B. `images,labels.tiny_object`
`only`		Kommagetrennte Prüf-IDs oder Familien, die ausschließlich laufen
`strict`	`false`	Warnungen lassen den Exit-Code ebenfalls fehlschlagen, für CI-Gates
`download`	`false`	Erlaubt den URL-basierten Download des Datensatzes, falls er fehlt. Niemals Skripte
`json`	`false`	JSON-Ausgabe auf stdout
`quiet`	`false`	Unterdrückt stderr
`help_json`	`false`	Gibt das Befehlsschema als JSON aus und beendet sich

Prüffamilien

skip und only akzeptieren entweder eine vollständige Prüf-ID oder ein Familien-Präfix, sodass images jede images.*-Prüfung auswählt.

Familie	Deckt ab
`config`	Die Datensatz-YAML selbst: fehlende `names`, `nc` gegen `names`, fehlende Splits, nicht auflösbarer `path`, doppelte Klassennamen
`files`	Zuordnung von Bildern und Labels: fehlende Labels, fehlende Bilder, verwaiste Labels, nicht unterstützte Dateiendungen, Kollisionen bei Groß- und Kleinschreibung
`labels`	Label-Inhalt: Syntax, Polygonzeilen, Klassen-IDs außerhalb des Bereichs, Koordinaten außerhalb des Bereichs, entartete Boxen, winzige Objekte, riesige Boxen, extreme Seitenverhältnisse, doppelte Boxen, überfüllte Bilder, identische Dateien
`images`	Pixeldaten: beschädigte Dateien, EXIF-Orientierung, ungewöhnliche Farbmodi, winzige oder extreme Abmessungen, einfarbige Bilder, exakte und nahe Duplikate
`splits`	Leakage zwischen Splits, exakt und nah
`balance`	Klassenverteilung: Klassen mit null oder wenigen Instanzen, Ungleichgewicht, Split-Abdeckung, Hintergrundanteil, Split-Schieflage

Beispiele

Basis

# download=true lässt die mitgelieferte coco8.yaml fehlende Bilder holen.libreyolo doctor coco8.yaml download=true

Schneller Durchlauf, ohne Bilddekodierung

libreyolo doctor coco8.yaml download=true fast=true

CI-Gate für ausgewählte Prüfungen

libreyolo doctor coco8.yaml download=true strict=true json=true \  only=labels,files,config

Hinweise

Exit-Codes

0, wenn keine Fehler gefunden wurden, 1, wenn irgendein Befund ein Fehler ist. Mit strict=true heben auch Warnungen den Exit-Code auf 1, und das ist die Einstellung, die ein CI-Gate will.

Bedienfehler haben eigene Codes: 2 für eine unbekannte Prüf-ID oder Familie in skip oder only, 3, wenn der Datensatz nicht gefunden wird, und 3, wenn der Datensatz nicht die Form eines Detection-Datensatzes hat.

Die Auswahl wird vor dem Scan aufgelöst

skip und only werden gegen die Prüf-Registry aufgelöst, bevor irgendetwas von der Festplatte gelesen wird, sodass ein Tippfehler sofort fehlschlägt und nicht erst nach einem langen Bilddurchlauf. Ein Selektor, der auf nichts passt, ist ein Fehler, und die Meldung listet die bekannten Familien auf.

Wenn die Kombination aus skip, only und fast keine Prüfungen übrig lässt, ist das ebenfalls ein Fehler und kein stiller Durchlauf.

Downloads

Der Datensatz wird nur mit download=true geholt, und es werden ausschließlich URL-Downloads ausgeführt. Ein eingebettetes Python-Download-Skript in einer Datensatz-YAML wird von diesem Befehl nie ausgeführt, egal wie das Flag steht.

Geltungsbereich

Die Prüfungen sind für Detection-Datensätze geschrieben. Ein Datensatz, dessen Labels die Form von Pose, Segmentierung oder orientierten Boxen haben, wird erkannt und mit data_invalid abgelehnt, statt gegen die falschen Regeln bewertet zu werden.

Ausgabe

Der menschenlesbare Bericht geht auf stdout, und json=true ersetzt ihn durch ein strukturiertes Objekt mit den Summenzahlen, den Datensatz-Statistiken, jedem Befund und der Liste der übersprungenen Prüfungen.

Verwandt: libreyolo train, der Lauf, vor dem dieser Befehl ausgeführt werden soll.