Amazon-S3-Integration#

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

Schreibgeschützten IAM-Benutzer erstellen#

Die Platform liest ausschließlich aus deinem Speicher – sie schreibt, ändert oder löscht niemals deine Objekte. Verwende einen dedizierten IAM-Benutzer mit ausschließlich Listen- und Lesezugriff – niemals Root-Anmeldedaten:

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

2. Füge eine Richtlinie hinzu, die ausschließlich 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 die Platform deine Buckets erkennen, sodass du deren Namen nicht eingeben musst.

3. Öffne beim Benutzer den Tab Security credentials, 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 Amazon S3 aus der Integrationsliste 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 anschließend die Buckets aus, die du verbinden möchtest. Wenn die Richtlinie die Erkennung nicht erlaubt, gib den Namen eines bekannten Buckets manuell ein.
4. Klicke auf Connect. Die Platform überprüft, ob sie jeden ausgewählten Bucket auflisten und lesen kann, bevor sie etwas speichert.

Du benötigst die Rolle eines Workspace-Administrators oder -Besitzers, um Cloud-Speicher zu verbinden. Eine Verbindung unterstützt bis zu 50 Buckets, und bei der Erkennung werden bis zu 300 der Buckets aufgelistet, die der Schlüssel sehen kann.

Wenn du denselben IAM-Benutzer später erneut verbindest, werden neue Buckets zur bestehenden Integration hinzugefügt. Gespeicherte Anmeldedaten werden erst ersetzt, wenn die neuen Anmeldedaten weiterhin aus allen bereits verbundenen Buckets lesen 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 Dataset-Namen an und erstelle das Dataset.

Die Platform listet den Ordner einmal auf und indiziert die gefundenen Inhalte:

• Bilder – Die Objekte .jpg, .jpeg, .png, .webp und .avif werden mit Abmessungen indiziert, die über begrenzte Anfragen ausgelesen werden. Die Platform speichert keine zweite Kopie des Originalbilds.
• Labels – YOLO-.txt-Begleitdateien werden in Platform-Annotationen eingelesen und entweder anhand des standardmäßigen Layouts images/ → labels/ oder als Geschwisterdateien im selben Ordner zugeordnet.
• Metadaten – Eine YAML-Datei enthält die Klassennamen und die Form der Posenschlüsselpunkte, genau wie bei einem Archiv-Upload. data.yaml und data.yml werden bevorzugt, wenn der Ordner mehrere solcher Dateien enthält.
• Aufgabe – Ein Beispiel der Labeldateien bestimmt die Aufgabe. Daher werden Ordner für Segmentierung, Pose und OBB anhand der Form ihrer Labels erkannt und nicht anhand der Aufgabe, die du im Dialog ausgewählt hast.
• Splits – Die Ordnernamen train, val und test im Objektschlüssel weisen automatisch Splits zu.

Das Dataset verhält sich anschließend wie jedes andere: Durchsuche und annotiere es, setze es auf öffentlich oder privat, teile es mit deinem Team und trainiere damit über verwaltetes Training. Originale werden bei Bedarf gestreamt, und indizierte Bilder verbrauchen kein Speicherkontingent deiner Platform.

Fehlgeschlagene Importe#

Wenn ein Import fehlschlägt – etwa wegen eines leeren Ordners, eines Tippfehlers im Pfad oder widerrufener Berechtigungen –, zeigt das Dataset den Fehler auf seiner Seite an. Bearbeiter können auf Retry import klicken, um den Import mit dem gespeicherten Bucket und Ordner neu zu starten, oder ein neues Dataset mit dem korrigierten Pfad erstellen.

Bei einem erneuten Versuch wird der Ordner erneut aufgelistet, statt den Vorgang fortzusetzen: Seit dem ersten Versuch hinzugefügte Objekte werden übernommen, und nicht mehr vorhandene Objekte werden aus dem Dataset entfernt.

Training#

Verwaltetes Training funktioniert über den normalen Trainingsablauf. Während der Ausführung verwendet das Training die eigenen Kopien der gebundenen Bilder durch die Platform, und deine AWS-Anmeldedaten werden niemals Trainings-Workloads zugänglich gemacht.

Verbindung trennen#

Beim Trennen werden die gespeicherten Anmeldedaten gelöscht, ohne etwas in AWS zu verändern. Datasets, die aus diesen Buckets erstellt wurden, bleiben mit ihren Klassen, Labels und Annotationen in deinem Workspace erhalten. Ihre Bilder können jedoch erst wieder geladen, in der Vorschau angezeigt oder zum Trainieren 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 an der Quelle zu entziehen, deaktiviere oder lösche den Access Key in AWS IAM.

Aktuelle Einschränkungen#

S3-gestützte Datasets unterstützen derzeit keine Funktionen, die eigene Kopien deiner Bilder durch die Platform erfordern: automatische Annotation, Clusteranalyse, Klonen von Datasets und unveränderliche Versions-Snapshots.

Beim Löschen eines S3-gestützten Datasets oder einzelner Bilder daraus werden nur die Verweise der Platform entfernt – deine Objekte bleiben unberührt.

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

FAQ#