YOLO26推理保存路径？predict结果输出指南
YOLO26推理保存路径？predict结果输出指南
你刚拉起YOLO26官方镜像，运行完python detect.py，却没在当前目录看到任何结果图？终端里只刷了一堆日志，runs/detect/predict/在哪？为什么save=True却没生成文件？别急——这不是代码写错了，而是你还没摸清YOLO26（基于Ultralytics v8.4.2）默认的输出逻辑和路径规则。
本文不讲原理、不堆参数，只聚焦一个工程师最常卡住的问题：YOLO26的model.predict()结果到底存在哪？怎么改才能存到你想要的位置？怎么快速验证是否成功保存？全程基于你手头这个开箱即用的官方镜像环境，所有操作可直接复现，无需额外安装或配置。
1. 镜像环境与YOLO26基础认知
先明确一个关键前提：你正在使用的，是基于Ultralytics 官方代码库 v8.4.2构建的 YOLO26 专用镜像。它不是魔改版，也不是精简版，而是完整保留了 Ultralytics 标准行为逻辑的生产级环境。这意味着它的predict输出路径、命名规则、目录结构，完全遵循 Ultralytics 的默认约定——而这个约定，恰恰是新手最容易忽略的“隐形开关”。
1.1 环境核心配置（确认无误再动手）
| 组件 | 版本 | 说明 |
|---|---|---|
| PyTorch | 1.10.0 | 与 CUDA 12.1 兼容稳定，支持 YOLO26 所有算子 |
| CUDA | 12.1 | 镜像已预装驱动与 toolkit，无需手动配置 |
| Python | 3.9.5 | Ultralytics v8.4.2 官方推荐版本，避免兼容问题 |
| Ultralytics | v8.4.2 | YOLO26 官方适配分支，predict行为以此为准 |
注意：镜像启动后默认进入
torch25环境，但YOLO26依赖的包全部安装在yolo环境中。必须先执行conda activate yolo，否则import ultralytics会报错或加载旧版本。
1.2 为什么save=True却找不到图片？
这是最典型的误解来源。Ultralytics 的predict方法从不把结果保存在你运行脚本的当前目录，也不会覆盖你指定的source路径。它严格遵循一套自动生成的、带时间戳的嵌套目录规则：
runs/ └── detect/ └── predict/ ← 第一次运行 ├── image1.jpg ├── image2.jpg └── ... └── predict2/ ← 第二次运行（自动编号） ├── image1.jpg └── ...这个runs/detect/目录，永远生成在你执行python detect.py命令时所在的那个工作目录下，而不是代码文件所在目录，更不是/root/ultralytics-8.4.2/根目录。
所以，如果你在/root/workspace/ultralytics-8.4.2/下运行命令，结果就在/root/workspace/ultralytics-8.4.2/runs/detect/；
如果你在/root/下运行，结果就在/root/runs/detect/——路径由你的终端当前位置决定，而非代码位置。
2. predict结果保存路径详解与实操验证
现在，我们一步步拆解model.predict()的保存逻辑，并用最短路径验证结果是否真的生成了。
2.1 默认保存路径的生成规则
当你调用：
model.predict(source='./ultralytics/assets/zidane.jpg', save=True)Ultralytics 会做三件事：
- 自动创建顶级目录：
runs/detect/（固定前缀 + 任务类型） - 智能生成子目录名：
predict→predict2→predict3…（按存在顺序递增，不重置） - 严格保持原始文件名：
zidane.jpg→runs/detect/predict/zidane.jpg（不加前缀、不改后缀）
关键结论：只要终端显示
Results saved to ...，就代表保存成功。路径一定在runs/detect/下，且子目录名一定是predict或其变体（如predict2）。
2.2 三步定位你的结果图（零失败）
别再满系统find / -name "zidane.jpg"了。按这个流程，10秒内找到：
第一步：确认你运行脚本时的当前路径
在终端输入：
pwd假设输出是/root/workspace/ultralytics-8.4.2。
第二步：直接跳转到预测结果根目录
cd runs/detect/ ls -l你会看到类似：
total 4 drwxr-xr-x 2 root root 4096 Jun 15 10:22 predict进入它：
cd predict ls -l输出应为：
-rw-r--r-- 1 root root 123456 Jun 15 10:22 zidane.jpg第三步：用OpenCV快速验证图片内容（防空文件）
在Python中执行：
import cv2 img = cv2.imread('zidane.jpg') print("图片尺寸:", img.shape) # 应输出 (1080, 1920, 3) 类似值 cv2.imshow('result', img) cv2.waitKey(0)如果窗口弹出并显示带检测框的图片，恭喜，路径完全正确。
2.3 如何自定义保存路径？（两种可靠方案）
方案一：用project+name参数（推荐，最干净）
修改你的detect.py：
model.predict( source='./ultralytics/assets/zidane.jpg', save=True, project='/root/my_results', # 指定父目录 name='my_detection' # 指定子目录名（不再自动编号） )运行后，结果将严格保存在：
/root/my_results/my_detection/zidane.jpg优势：路径完全可控，无歧义，适合批量处理或项目归档。
方案二：用save_dir参数（绝对路径，最直接）
from pathlib import Path model.predict( source='./ultralytics/assets/zidane.jpg', save=True, save_dir=Path('/root/output/images') # 必须是 Path 对象 )结果将保存在：
/root/output/images/zidane.jpg注意：save_dir会忽略project和name，且必须确保父目录/root/output/images已存在（可用mkdir -p /root/output/images创建）。
3. 视频与摄像头推理的保存路径特殊说明
图片是单文件，视频和摄像头流则是整个文件夹。路径规则一致，但内容不同：
3.1 视频推理（source='video.mp4'）
- 结果保存为同名MP4文件，但存放在
runs/detect/下的对应子目录中 - 例如：
source='data/test.mp4'→ 输出为runs/detect/predict/test.mp4 - 验证方法：
ls runs/detect/predict/ && ffprobe test.mp4（检查是否为有效视频）
3.2 摄像头实时推理（source='0'）
- 默认不保存！因为
source=0是流式输入，没有“文件名”可继承 - 必须显式指定
save_txt=False, save_conf=True等参数，并配合stream=True使用 - 更实用的做法：先录屏保存为MP4，再用YOLO26处理该MP4文件（路径规则同上）
4. 训练输出路径与推理路径的关联性
你可能注意到：训练时指定了project='runs/train'，而推理默认是runs/detect/。它们是完全独立的两个目录树，互不影响。
runs/train/exp/weights/best.pt→ 训练好的模型权重runs/detect/predict/zidane.jpg→ 推理结果图片
但二者可以联动：
将训练得到的best.pt直接用于推理：
model = YOLO('/root/workspace/ultralytics-8.4.2/runs/train/exp/weights/best.pt') model.predict(source='test.jpg', save=True, project='/root/inference_results')路径清晰，职责分明。
5. 常见陷阱与避坑指南
| 问题现象 | 根本原因 | 一招解决 |
|---|---|---|
runs/detect/目录不存在 | 从未成功运行过predict(save=True)，或终端报错中断 | 运行一次最简代码：model.predict('zidane.jpg', save=True)，看是否生成 |
找到predict目录但里面是空的 | source路径写错（如文件不存在），YOLO静默失败 | 先用ls ./ultralytics/assets/zidane.jpg确认文件真实存在 |
| 图片有检测框但颜色异常（全黑/全白） | OpenCV 读取BGR格式，YOLO26输出RGB，显示时未转换 | 用cv2.cvtColor(img, cv2.COLOR_RGB2BGR)再显示 |
多次运行后出现predict2,predict3 | Ultralytics 为避免覆盖，自动递增目录名 | 删除旧目录：rm -rf runs/detect/predict*，再运行即可重置为predict |
| Xftp下载时提示“权限拒绝” | runs/目录属主是root，Xftp默认以普通用户连接 | 在Xftp中右键连接 → “属性” → “高级” → 勾选“使用root用户登录” |
6. 总结：记住这三条铁律
1. 路径由终端位置定，不由代码位置定
执行python detect.py时你在哪个目录，runs/detect/就建在哪个目录下。pwd是你最好的朋友。
2.save=True必然生成runs/detect/predict*/，绝不在当前目录平铺
看到Results saved to ...日志，立刻cd runs/detect/ && ls，99%的问题当场解决。
3. 自定义路径只用两个参数：project（父目录）+name（子目录名）
组合使用，路径完全可控，告别猜测和搜索。
现在，打开你的终端，cd 到/root/workspace/ultralytics-8.4.2，运行一次python detect.py，然后ls runs/detect/—— 你亲手生成的第一个 YOLO26 检测结果，正安静地躺在那里，等着你打开查看。
获取更多AI镜像
想探索更多AI镜像和应用场景？访问 CSDN星图镜像广场，提供丰富的预置镜像，覆盖大模型推理、图像生成、视频生成、模型微调等多个领域，支持一键部署。