Ultralytics HUB Integrationen
Erfahren Sie mehr über die Integrationen von Ultralytics HUB mit verschiedenen Plattformen und Formaten, um Ihre KI-Workflows zu optimieren.
Datensätze
Importieren Sie Ihre Datensätze nahtlos in Ultralytics HUB für effizientes Modelltraining.
Sobald ein Datensatz importiert wurde, können Sie ein Modell damit trainieren, genau wie mit nativen Ultralytics HUB-Datensätzen.
Roboflow
Sie können Roboflow-Datensätze einfach auf der Ultralytics HUB Datensätze-Seite filtern.
Ultralytics HUB unterstützt zwei Arten von Integrationen mit Roboflow: Universe und Workspace.
Universum
Die Roboflow Universe-Integration ermöglicht es Ihnen, jeweils einen Datensatz von Roboflow in Ultralytics HUB zu importieren.
Importieren
Wählen Sie beim Exportieren eines Roboflow-Datensatzes das Ultralytics HUB-Format aus. Diese Aktion leitet Sie zu Ultralytics HUB weiter und öffnet den Dialog Datensatz importieren.
Importieren Sie Ihren Roboflow-Datensatz, indem Sie auf die Schaltfläche Importieren klicken.
Als Nächstes können Sie ein Modell auf Ihrem neu importierten Datensatz trainieren.
Entfernen
Navigieren Sie zur Dataset-Seite des Roboflow-Datasets, das Sie entfernen möchten. Öffnen Sie das Dropdown-Menü mit den Dataset-Aktionen und klicken Sie auf die Option Remove.
Tipp
Sie können ein importiertes Roboflow-Dataset auch direkt von der Hauptseite Datasets entfernen.
Arbeitsbereich
Die Roboflow Workspace-Integration ermöglicht es Ihnen, einen gesamten Roboflow Workspace auf einmal in Ultralytics HUB zu importieren.
Importieren
Navigieren Sie zur Seite Integrationen, indem Sie in der Seitenleiste auf die Schaltfläche Integrationen klicken.
Geben Sie Ihren privaten Roboflow Workspace API-Schlüssel ein und klicken Sie auf die Schaltfläche Hinzufügen.
Tipp
Wenn Sie auf die Schaltfläche Meinen API-Schlüssel erhalten klicken, werden Sie zu Ihren Roboflow Workspace-Einstellungen weitergeleitet, wo Sie Ihren privaten API-Schlüssel finden.
Dies verbindet Ihr Ultralytics HUB-Konto mit Ihrem Roboflow-Workspace, wodurch Ihre Roboflow-Datensätze innerhalb von Ultralytics HUB verfügbar werden.
Als Nächstes können Sie ein Modell mit einem der Datensätze aus dem verbundenen Workspace trainieren.
Entfernen
Navigieren Sie über die Seitenleiste zur Seite Integrationen. Klicken Sie auf die Schaltfläche Unlink für den Roboflow-Workspace, den Sie trennen möchten.
Tipp
Sie können auch die Verknüpfung eines verbundenen Roboflow-Arbeitsbereichs direkt von der Datensatzseite eines beliebigen Datensatzes, der zu diesem Arbeitsbereich gehört, aufheben.
Tipp
Alternativ können Sie einen verbundenen Roboflow-Workspace direkt von der Hauptseite Datasets entfernen, indem Sie die Entfernungsoption verwenden, die jedem Dataset aus diesem Workspace zugeordnet ist.
Modelle
Exporte
Nach dem Trainieren eines Modells können Sie es im Exportmodus in 13 verschiedene Formate exportieren, darunter gängige Formate wie ONNX, OpenVINO, CoreML, TensorFlow und PaddlePaddle.
Die verfügbaren Exportformate sind in der folgenden Tabelle aufgeführt.
Format | format Argument |
Modell | Metadaten | Argumente |
---|---|---|---|---|
PyTorch | - | yolo11n.pt |
✅ | - |
TorchScript | torchscript |
yolo11n.torchscript |
✅ | imgsz , half , dynamic , optimize , nms , batch , device |
ONNX | onnx |
yolo11n.onnx |
✅ | imgsz , half , dynamic , simplify , opset , nms , batch , device |
OpenVINO | openvino |
yolo11n_openvino_model/ |
✅ | imgsz , half , dynamic , int8 , nms , batch , data , fraction , device |
TensorRT | engine |
yolo11n.engine |
✅ | imgsz , half , dynamic , simplify , workspace , int8 , nms , batch , data , fraction , device |
CoreML | coreml |
yolo11n.mlpackage |
✅ | imgsz , half , int8 , nms , batch , device |
TF SavedModel | saved_model |
yolo11n_saved_model/ |
✅ | imgsz , keras , int8 , nms , batch , device |
TF GraphDef | pb |
yolo11n.pb |
❌ | imgsz , batch , device |
TF Lite | tflite |
yolo11n.tflite |
✅ | imgsz , half , int8 , nms , batch , data , fraction , device |
TF Edge TPU | edgetpu |
yolo11n_edgetpu.tflite |
✅ | imgsz , device |
TF.js | tfjs |
yolo11n_web_model/ |
✅ | imgsz , half , int8 , nms , batch , device |
PaddlePaddle | paddle |
yolo11n_paddle_model/ |
✅ | imgsz , batch , device |
MNN | mnn |
yolo11n.mnn |
✅ | imgsz , batch , int8 , half , device |
NCNN | ncnn |
yolo11n_ncnn_model/ |
✅ | imgsz , half , batch , device |
IMX500 | imx |
yolo11n_imx_model/ |
✅ | imgsz , int8 , data , fraction , device |
RKNN | rknn |
yolo11n_rknn_model/ |
✅ | imgsz , batch , name , device |
Spannende neue Funktionen sind auf dem Weg 🎉
Wir arbeiten kontinuierlich daran, die Integrationsfähigkeiten von Ultralytics HUB zu erweitern. Zu den kommenden Funktionen gehören:
- Zusätzliche Datensatzintegrationen
- Detaillierte Anleitungen zur Exportintegration
- Schritt-für-Schritt Tutorials für jede Integration
Bleiben Sie auf dem Laufenden 🚧
Diese Seite ist Ihre zentrale Anlaufstelle für die neuesten Integrations-Updates und Feature-Rollouts. Bleiben Sie in Verbindung über:
- Newsletter: Abonnieren Sie unseren Ultralytics Newsletter für Ankündigungen, Releases und Early-Access-Updates.
- Soziale Medien: Folgen Sie Ultralytics auf LinkedIn für Einblicke hinter die Kulissen, Produktneuigkeiten und Community-Highlights.
- Blog: Tauchen Sie ein in den Ultralytics AI-Blog für ausführliche Artikel, Tutorials und Anwendungsfall-Spotlights.
Wir schätzen Ihren Beitrag 🗣️
Gestalten Sie die Zukunft von Ultralytics HUB mit, indem Sie Ihre Ideen, Ihr Feedback und Ihre Integrationswünche über unser offizielles Kontaktformular mitteilen.
Vielen Dank, Community! 🌍
Ihre Beiträge und fortlaufende Unterstützung befeuern unser Engagement, die Grenzen der KI-Innovation zu erweitern. Bleiben Sie dran—aufregende Dinge stehen vor der Tür!
Sind Sie gespannt auf das, was kommt? Setzen Sie ein Lesezeichen auf diese Seite und sehen Sie sich unseren Schnellstart-Leitfaden an, um mit unseren aktuellen Tools loszulegen, während Sie warten. Machen Sie sich bereit für eine transformative KI- und ML-Reise mit Ultralytics! 🛠️🤖