Integration mit Azure Blob Storage#

Die Integration von Azure Blob Storage verbindet die Container deines Speicherkontos mit der Ultralytics Platform. Deine Bilder bleiben in deinen Containern – die Platform erstellt dort einen Index, sodass du YOLO-Modelle durchsuchen, annotieren und trainieren kannst, ohne eine Kopie hochzuladen.

Verbindungszeichenfolge abrufen#

Die Platform liest ausschließlich aus deinem Speicher – sie schreibt, ändert oder löscht niemals deine Blobs. Für die aktuelle Integration ist eine Verbindungszeichenfolge mit Zugriffsschlüssel für das Konto erforderlich. Diese gewährt kontoweite Berechtigungen, obwohl die Platform nur List- und Lesevorgänge ausführt:

1. Öffne im Azure-Portal dein Speicherkonto.
2. Gehe zu Sicherheit + Netzwerk > Zugriffsschlüssel.
3. Kopiere eine Verbindungszeichenfolge.

Die Zeichenfolge muss AccountName, AccountKey und HTTPS als Protokoll enthalten – so sieht das Format aus, das Azure unter Zugriffsschlüssel bereitstellt. Verbindungszeichenfolgen mit SAS-Token, die statt AccountKey den Wert SharedAccessSignature enthalten, werden abgelehnt.

Mit der Platform verbinden#

1. Gehe zu Einstellungen > Integrationen und wähle in der Integrationsliste Azure Blob Storage aus.
2. Füge die Verbindungszeichenfolge ein.
3. Klicke auf Verfügbare Container suchen und wähle dann die Container aus, die du verbinden möchtest. Du kannst auch manuell einen Containernamen eingeben.
4. Klicke auf Verbinden. Die Platform prüft, ob sie jeden ausgewählten Container auflisten und auslesen kann, bevor sie etwas speichert.

Zum Verbinden eines Cloud-Speichers benötigst du die Rolle eines Workspace-Admins oder -Eigentümers. Eine Verbindung umfasst bis zu 50 Container, und bei der Suche werden bis zu 300 Container im Speicherkonto angezeigt.

Wenn du dasselbe Speicherkonto später erneut verbindest, werden der bestehenden Integration neue Container hinzugefügt. Ein gespeicherter Zugangsschlüssel wird erst ersetzt, wenn der Ersatz weiterhin alle Container auslesen kann, die du bereits verbunden hast.

Datensatz aus einem Blob-Container erstellen#

1. Klicke auf New Dataset und öffne den Tab Cloud.
2. Wähle einen verbundenen Container 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 — Blobs mit den Endungen .jpg, .jpeg, .png, .webp und .avif werden indiziert. Die Abmessungen werden über begrenzte Anfragen ausgelesen. Die Platform speichert keine zweite Kopie des Quellbilds.
• 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 Blob-Pfad 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. Bearbeiter können auf Import wiederholen klicken, um den Import mit dem gespeicherten Container und Ordner neu zu starten, oder einen neuen Datensatz mit dem korrigierten Pfad erstellen.

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

Training#

Verwaltetes Training funktioniert über den üblichen Trainingsablauf. Während des Trainings verwendet die Platform ihre eigenen Kopien der fixierten Bilder. Deine Azure-Zugangsdaten werden niemals für Trainings-Workloads offengelegt.

Verbindung trennen#

Beim Trennen wird die gespeicherte Verbindungszeichenfolge gelöscht, ohne dass Azure-Daten verändert werden. Aus diesen Containern erstellte Datensätze bleiben mit ihren Klassen, Beschriftungen und Annotationen in deinem Workspace erhalten. Die Bilder können jedoch erst wieder geladen, in der Vorschau angezeigt oder zum Training verwendet werden, wenn dasselbe Speicherkonto 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 widerrufen, rotiere die Zugriffsschlüssel des Speicherkontos in Azure.

Aktuelle Einschränkungen#

Bei Azure-gestützten Datensätzen sind derzeit Funktionen nicht verfügbar, für die eigene Bildkopien in der Platform erforderlich sind: automatische Annotation, Clusteranalyse, das Klonen von Datensätzen und unveränderliche Versions-Snapshots.

Wenn du einen Azure-gestützten Datensatz oder einzelne Bilder daraus löschst, entfernt die Platform nur ihre Verweise – deine Blobs bleiben unberührt.

Siehe auch die Integrationen für Google Cloud Storage und Amazon S3.

Häufig gestellte Fragen#