Amazon-S3-Integration#

Die Amazon-S3-Integration verbindet deine S3-Buckets mit der Ultralytics Platform. Deine Bilder bleiben in deinen Buckets — Platform indexiert sie direkt dort, sodass du YOLO-Modelle durchsuchen, annotieren und trainieren kannst, ohne eine Kopie hochzuladen.

Schreibgeschützten IAM-Benutzer erstellen#

Platform liest ausschließlich aus deinem Speicher — Platform schreibt, ändert oder löscht niemals deine Objekte. Verwende einen dedizierten IAM-Benutzer, der nur über Listen- und Lesezugriff verfügt — verwende niemals Root-Zugangsdaten:

1. Gehe in der AWS-Konsole zu IAM > Users und erstelle einen Benutzer ohne Konsolenzugriff.

2. Füge eine Richtlinie hinzu, die nur Listen- und Lesezugriff auf die Buckets gewährt, die du verbinden möchtest:

   {
       "Version": "2012-10-17",
       "Statement": [
           { "Effect": "Allow", "Action": "s3:ListAllMyBuckets", "Resource": "*" },
           {
               "Effect": "Allow",
               "Action": ["s3:ListBucket", "s3:GetObject"],
               "Resource": ["arn:aws:s3:::my-bucket", "arn:aws:s3:::my-bucket/*"]
           }
       ]
   }

   s3:ListAllMyBuckets ist optional — damit kann Platform deine Buckets ermitteln, sodass du ihre Namen nicht eingeben musst.

3. Öffne den Tab Security credentials des Benutzers, erstelle einen access key und kopiere die Access-Key-ID und den geheimen Access Key.

Mit der Platform verbinden#

1. Gehe zu Settings > Integrations und wähle in der Integrationsliste Amazon S3 aus.
2. Gib die Access-Key-ID, den geheimen Access Key und die Bucket-Region ein (zum Beispiel us-east-1).
3. Klicke auf Find available buckets und wähle dann die Buckets aus, die du verbinden möchtest. Wenn die Richtlinie das Ermitteln der Buckets nicht erlaubt, gib manuell einen bekannten Bucket-Namen ein.
4. Klicke auf Connect. Die Platform prüft vor dem Speichern, ob sie die ausgewählten Buckets auflisten und auslesen kann.

Zum Verbinden eines Cloud-Speichers benötigst du die Rolle eines Administrators oder Besitzers des Arbeitsbereichs. Eine Verbindung kann bis zu 50 Buckets umfassen. Bei der Suche werden bis zu 300 der Buckets aufgelistet, auf die der Schlüssel zugreifen kann.

Wenn du denselben IAM-Benutzer später erneut verbindest, werden der bestehenden Integration neue Buckets hinzugefügt. Gespeicherte Zugangsdaten werden nur ersetzt, wenn die neuen Zugangsdaten weiterhin auf alle bereits verbundenen Buckets zugreifen können.

Dataset aus einem S3-Bucket erstellen#

1. Klicke auf New Dataset und öffne den Tab Cloud.
2. Wähle einen verbundenen Bucket aus und navigiere zu dem Ordner, der deine Daten enthält.
3. Bestätige den Ordner, passe den Datensatznamen an und erstelle den Datensatz.

Die Platform listet den Ordner einmal auf und erstellt einen Index der gefundenen Inhalte:

• Bilder – Für .jpg-, .jpeg-, .png-, .webp- und .avif-Objekte wird anhand von begrenzten Anfragen ein Index mit den Bildmaßen erstellt. Die Platform speichert keine zweite Kopie des Originalbilds.
• Labels – YOLO-.txt-Begleitdateien werden als Platform-Annotationen eingelesen. Sie werden anhand der üblichen Ordnerstruktur images/ → labels/ oder anhand von Dateien im selben Ordner zugeordnet.
• Metadaten – Eine YAML-Datei enthält die Klassennamen und die Form der Pose-Schlüsselpunkte, genau wie bei einem Archiv-Upload. Wenn der Ordner mehrere solcher Dateien enthält, werden data.yaml und data.yml bevorzugt.
• Aufgabe – Die Aufgabe wird anhand einer Stichprobe der Labeldateien bestimmt. Ordner für Segmentierung, Pose und OBB werden daher anhand der Form ihrer Labels erkannt, nicht anhand der Aufgabe, die du im Dialog ausgewählt hast.
• Aufteilungen — Ordnernamen train, val und test im Objektschlüssel weisen automatisch Aufteilungen zu.

Der Datensatz funktioniert anschließend wie jeder andere: Du kannst ihn durchsuchen und annotieren, öffentlich oder privat einstellen, mit deinem Team teilen und über verwaltetes Training darauf trainieren. Originale werden bei Bedarf gestreamt, und indexierte Bilder werden nicht auf dein Platform-Speicherkontingent angerechnet.

Fehlgeschlagene Importe#

Wenn ein Import fehlschlägt – etwa wegen eines leeren Ordners, eines Tippfehlers im Pfad oder widerrufener Berechtigungen –, wird der Fehler auf der Datensatzseite angezeigt. Editoren können auf Retry import klicken, um den Import mit dem gespeicherten Bucket und Ordner neu zu starten, oder einen neuen Datensatz erstellen, der auf den korrigierten Pfad verweist.

Bei einem erneuten Versuch wird der Ordner erneut aufgelistet, anstatt der Import fortgesetzt zu werden: Seit dem ersten Versuch hinzugefügte Objekte werden übernommen, nicht mehr vorhandene Objekte aus dem Datensatz entfernt.

Training#

Verwaltetes Training funktioniert über den normalen Trainingsablauf. Während des Trainings werden für die Dauer des Laufs die eigenen Kopien der gebundenen Bilder von Platform verwendet. Deine AWS-Zugangsdaten werden Trainingsworkloads niemals zugänglich gemacht.

Verbindung trennen#

Beim Trennen werden die gespeicherten Zugangsdaten gelöscht, ohne etwas in AWS anzutasten. Datasets, die aus diesen Buckets erstellt wurden, bleiben mit ihren Klassen, Labels und Annotationen in deinem Arbeitsbereich erhalten. Ihre Bilder können jedoch erst wieder geladen, in der Vorschau angezeigt oder für das Training verwendet werden, wenn derselbe IAM-Benutzer erneut verbunden wird.

Verwende die REST API mit der Integrations-ID, die von GET /api/integrations/buckets zurückgegeben wird:

curl -X DELETE \
  -H "Authorization: Bearer YOUR_API_KEY" \
  https://platform.ultralytics.com/api/integrations/buckets/INTEGRATION_ID

from ultralytics_platform import Platform

client = Platform()  # reads ULTRALYTICS_API_KEY
integrations = client.storage_integrations.list()
client.storage_integrations.delete("INTEGRATION_ID")

Um den Zugriff stattdessen direkt in AWS zu widerrufen, deaktiviere oder lösche den Access Key in AWS IAM.

Aktuelle Einschränkungen#

S3-basierte Datasets unterstützen derzeit keine Funktionen, für die Platform eigene Kopien deiner Bilder benötigt: automatische Annotation, Clustering-Analyse, das Klonen von Datasets und unveränderliche Versions-Snapshots.

Wenn du ein S3-basiertes Dataset oder einzelne Bilder daraus löschst, werden nur die Verweise von Platform entfernt — deine Objekte bleiben unangetastet.

Siehe auch die Integrationen für Google Cloud Storage und Azure Blob Storage.

Häufig gestellte Fragen#