Ultralytics HUB-Integrationen
Erfahren Sie mehr über die Ultralytics HUB-Integrationen 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 ist, können Sie ein Modell darauf trainieren, wie Sie es mit nativen Ultralytics HUB-Datensätzen tun würden.
Roboflow
Sie können Roboflow auf der Seite Ultralytics HUB Datasets leicht filtern.
Ultralytics HUB unterstützt zwei Arten von Integrationen mit Roboflow: Universe und Workspace.
Universum
Die Roboflow Universe-Integration ermöglicht es Ihnen, jeweils einen Datensatz aus Roboflow in Ultralytics HUB zu importieren.
Importieren
Wenn Sie einen Roboflow exportieren, wählen Sie das Ultralytics HUB-Format. Diese Aktion leitet Sie zu Ultralytics HUB weiter und öffnet das Dialogfeld Dataset Import.
Importieren Sie Ihren Roboflow , indem Sie auf die Schaltfläche Importieren klicken.
Als nächstes können Sie ein Modell auf Ihrem neu importierten Datensatz trainieren.
entfernen
Navigieren Sie zur Datensatzseite des Roboflow , den Sie entfernen möchten. Öffnen Sie das Dropdown-Menü der Datensatzaktionen und klicken Sie auf die Option Entfernen.
Tipp
Sie können einen importierten Roboflow auch direkt auf der Hauptseite Datensätze 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 abrufen " klicken, werden Sie zu den Einstellungen Ihres Roboflow weitergeleitet, wo Sie Ihren privaten API-Schlüssel finden können.
Dadurch wird Ihr Ultralytics HUB-Konto mit Ihrem Roboflow verbunden, so dass Ihre Roboflow in Ultralytics HUB verfügbar sind.
Als Nächstes können Sie ein Modell mit einem der Datensätze aus dem verbundenen Arbeitsbereich trainieren.
entfernen
Navigieren Sie über die Seitenleiste zur Integrations-Seite. Klicken Sie auf die Schaltfläche " Verknüpfung aufheben " für den Roboflow , dessen Verbindung Sie trennen möchten.
Tipp
Sie können die Verknüpfung eines verbundenen Roboflow auch direkt auf der Seite Datensatz eines zu diesem Arbeitsbereich gehörenden Datensatzes aufheben.
Tipp
Alternativ können Sie einen verbundenen Roboflow direkt von der Hauptseite Datensätze entfernen, indem Sie die Option Entfernen verwenden, die mit jedem Datensatz dieses Arbeitsbereichs verbunden ist.
Modelle
Ausfuhren
Nachdem Sie ein Modell trainiert haben, können Sie es mit dem Exportmodus in 13 verschiedene Formate exportieren, darunter auch gängige Formate wie ONNX, OpenVINO, CoreML, TensorFlow, und PaddlePaddle.
Die verfügbaren Exportformate sind in der nachstehenden Tabelle aufgeführt.
| Format | format Argument |
Modell | Metadaten | Argumente |
|---|---|---|---|---|
| PyTorch | - | yolo11n.pt |
✅ | - |
| TorchScript | torchscript |
yolo11n.torchscript |
✅ | imgsz, 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 Kante 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 |
yolov8n_imx_model/ |
✅ | imgsz, int8, data, fraction, device |
| RKNN | rknn |
yolo11n_rknn_model/ |
✅ | imgsz, batch, name, device |
Aufregende neue Funktionen auf dem Weg 🎉
Wir arbeiten ständig daran, die Integrationsmöglichkeiten von Ultralytics HUB zu erweitern. Zukünftige Funktionen umfassen:
- Zusätzliche Datensatzintegrationen
- Detaillierte Export-Integrationsleitfäden
- Schritt-für-Schritt-Anleitungen für jede Integration
Auf dem Laufenden bleiben 🚧
Auf dieser Seite können Sie sich über die neuesten Integrations-Updates und Funktionseinführungen informieren. Bleiben Sie in Verbindung durch:
- Newsletter: Abonnieren Sie unseren Ultralytics für Ankündigungen, Veröffentlichungen und Aktualisierungen für den frühen Zugang.
- Soziale Medien: Folgen Sie Ultralytics auf LinkedIn, um einen Blick hinter die Kulissen zu werfen, Produktneuigkeiten zu erfahren und die Highlights der Community kennenzulernen.
- Blog: Im Ultralytics AI-Blog finden Sie ausführliche Artikel, Anleitungen und Hinweise auf Anwendungsfälle.
Wir schätzen Ihren Input 🗣️
Helfen Sie mit, die Zukunft von Ultralytics HUB zu gestalten, indem Sie Ihre Ideen, Ihr Feedback und Ihre Integrationswünsche über unser offizielles Kontaktformular mitteilen.
Danke, Gemeinschaft! 🌍
Ihre Beiträge und Ihre kontinuierliche Unterstützung tragen dazu bei, dass wir die Grenzen der KI-Innovation immer weiter hinausschieben. Bleiben Sie dran - aufregende Dinge stehen vor der Tür!
Gespannt auf das, was noch kommt? Setzen Sie ein Lesezeichen auf diese Seite und sehen Sie sich unseren Quickstart Guide an, um mit unseren aktuellen Tools loszulegen, während Sie warten. Machen Sie sich bereit für eine transformative KI- und ML-Reise mit Ultralytics! 🛠️🤖
