Link to this sectionAzure Blob Storage-Integration#

Die Azure Blob Storage-Integration verbindet deine Storage-Account-Container mit der Ultralytics Platform. Deine Bilder bleiben in deinen Containern — die Platform indexiert sie direkt vor Ort, sodass du YOLO-Modelle durchsuchen, annotieren und trainieren kannst, ohne eine Kopie hochladen zu müssen.

Pro-Funktion

Azure Blob Storage-Datasets erfordern einen Pro- oder Enterprise-Plan. Kostenlose Workspaces sehen die Integration und werden beim Verbinden dazu aufgefordert, ein Upgrade durchzuführen. Bestehende Azure Blob Storage-Datasets bleiben bei Ablauf eines Abonnements vollständig zugänglich — nur für neue Verbindungen und Importe ist ein Pro-Plan erforderlich.

Link to this sectionBesorge dir eine Verbindungszeichenfolge (Connection String)#

Die Platform liest immer nur aus deinem Speicher — sie schreibt, modifiziert oder löscht niemals deine Blobs. Die aktuelle Integration erfordert eine Verbindungszeichenfolge mit Kontozugriffsschlüssel, die kontoweite Privilegien gewährt, obwohl die Platform nur Listen- und Leseoperationen verwendet:

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

Nur öffentliche Azure-Cloud

Verbindungen nutzen den Standard-Endpunkt blob.core.windows.net. Sovereign Clouds (Azure China, Azure Government) und benutzerdefinierte Blob-Endpunkte werden nicht unterstützt.

Link to this sectionVerbindung zur Platform herstellen#

1. Gehe zu Einstellungen > Integrationen und suche die Microsoft Azure-Karte.
2. Klicke auf Verbinden und füge die Verbindungszeichenfolge ein.
3. Die Platform listet die Container im Speicherkonto auf. Wähle die zu verbindenden Container aus oder gib manuell einen Containernamen ein.
4. Klicke auf Verbinden. Die Platform überprüft, ob sie jeden ausgewählten Container auflisten und lesen kann, bevor sie etwas speichert.

Das erneute Verbinden desselben Speicherkontos fügt später neue Container zur bestehenden Integration hinzu. Ein gespeicherter Anmeldehinweis wird erst dann ersetzt, wenn die neue Verbindung jeden bereits verbundenen Container weiterhin lesen kann.

Sicherheit der Anmeldedaten

Ein Kontoschlüssel kann Schreib- und Löschvorgänge autorisieren oder SAS-Token erstellen, falls er außerhalb der Platform offengelegt wird. Anmeldedaten werden im Ruhezustand mit AES-256-GCM verschlüsselt, niemals an den Browser zurückgegeben und gelangen niemals in die Payloads von Trainings-Jobs. Verwende nach Möglichkeit ein dediziertes Speicherkonto. Um den Zugriff zu widerrufen, rotiere die Zugriffsschlüssel des Speicherkontos in Azure.

Link to this sectionErstelle ein Dataset aus einem Blob-Container#

1. Klicke auf New Dataset und öffne den Tab Cloud storage.
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 Plattform listet den Ordner einmalig auf und indiziert die gefundenen Inhalte:

• Bilder — .jpg, .jpeg, .png, .webp und .avif-Blobs werden indexiert, wobei die Dimensionen über begrenzte Header-Anfragen ausgelesen werden. Quellpixel werden niemals aus deinem Container kopiert.
• Labels — YOLO .txt Sidecar-Dateien werden in Plattform-Annotationen umgewandelt, passend zum Standard-Layout images/ → labels/ oder als Geschwisterdateien im gleichen Ordner.
• Metadaten — eine data.yaml/data.yml Datei liefert Klassennamen, Aufgabentyp und Pose-Keypoint-Formate, genau wie bei einem Archiv-Upload.
• Splits — Die Ordnernamen train, val und test im Blob-Pfad weisen die Splits automatisch zu.

Der Datensatz verhält sich dann wie jeder andere: Durchsuche und annotiere ihn, mache ihn öffentlich oder privat, teile ihn mit deinem Team und trainiere damit durch verwaltetes Training. Originale werden bei Bedarf gestreamt und indexierte Bilder verbrauchen nicht dein Speicherkontingent der Platform.

Einschränkungen

Ein einzelner Import indexiert bis zu 50.000 Blobs sowie Label- oder YAML-Dateien mit jeweils bis zu 1 MB. Größere Container sollten auf mehrere Datasets aufgeteilt werden.

Halte indexierte Blobs unveränderlich

Jedes indexierte Bild ist an seinen Blob ETag gebunden, und die Platform schlägt fehl, falls ein Blob im Hintergrund geändert wird. Füge neue Blobs hinzu, anstatt bestehende zu überschreiben.

Link to this sectionFehlgeschlagene Importe#

Falls ein Import fehlschlägt — etwa durch einen leeren Ordner, einen Tippfehler im Pfad oder entzogene Berechtigungen — zeigt das Dataset den Fehler auf seiner Seite an. Editoren können auf Import wiederholen klicken, um ihn mit dem gespeicherten Container und Ordner neu zu starten, oder ein neues Dataset erstellen, das auf den korrigierten Pfad verweist.

Link to this sectionTraining#

Das verwaltete Training funktioniert über den normalen Trainingsablauf. Worker laden die fixierten Originale für den Durchlauf in einen temporären Job-Speicher herunter und entfernen sie bei der Job-Bereinigung — deine Azure-Anmeldedaten erreichen niemals die Compute-Instanz.

Link to this sectionAktuelle Einschränkungen#

Azure-basierte Datasets schließen derzeit Funktionen aus, die von der Platform verwaltete Kopien deiner Bilder erfordern: Auto-Annotation, Clustering-Analyse, Dataset-Klonen und unveränderliche Versions-Snapshots.

Das Löschen eines Azure-basierten Datasets oder einzelner Bilder daraus entfernt nur die Referenzen der Platform — deine Blobs werden niemals berührt.

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