Google-Cloud-Storage-Integration#

Die Integration mit Google Cloud Storage verbindet deine GCS-Buckets mit Ultralytics Platform. Deine Bilder bleiben in deinen Buckets. Platform indiziert sie direkt dort, sodass du sie durchsuchen, annotieren und YOLO-Modelle trainieren kannst, ohne eine Kopie hochzuladen.

Ein schreibgeschütztes Dienstkonto erstellen#

Platform liest nur aus deinem Speicher und schreibt, ändert oder löscht niemals deine Objekte. Erstelle ein dediziertes Dienstkonto, das nur Lesezugriff hat:

1. Öffne in der Google-Cloud-Konsole IAM & Admin > Service Accounts und erstelle ein Dienstkonto.
2. Weise dem Dienstkonto für die Buckets, die du verbinden möchtest, die Rolle Storage Object Viewer (roles/storage.objectViewer) zu.
3. Öffne das Dienstkonto, wähle Keys > Add key > Create new key, wähle JSON und lade die Schlüsseldatei herunter.

Mit Platform verbinden#

1. Gehe zu Settings > Integrations und wähle in der Integrationsliste Google Cloud Storage aus.
2. Füge den Inhalt des JSON-Schlüssels für das Dienstkonto ein.
3. Klicke auf Find available buckets und wähle dann die Buckets aus, die du verbinden möchtest. Wenn das Dienstkonto Buckets nicht auflisten kann, gib den Namen eines bekannten Buckets manuell ein.
4. Klicke auf Connect. Platform prüft vor dem Speichern, ob die ausgewählten Buckets aufgelistet und gelesen werden können.

Zum Verbinden von Cloud-Speicher brauchst du die Rolle eines Arbeitsbereichsadmins oder -inhabers. Du kannst bis zu 50 Buckets gleichzeitig hinzufügen. Bei der Suche werden bis zu 300 der für das Dienstkonto sichtbaren Buckets aufgelistet.

Dein Browser liest die eingefügte Schlüsseldatei und sendet nur die drei Felder, die Platform benötigt: client_email, private_key und project_id. Der Rest der JSON-Datei verlässt die Seite nie.

Wenn du später dasselbe Dienstkonto erneut verbindest, werden neue Buckets zur bestehenden Integration hinzugefügt. Gespeicherte Anmeldedaten werden erst ersetzt, wenn mit den neuen Anmeldedaten weiterhin auf alle bereits verbundenen Buckets zugegriffen werden kann. Ist ein Bucket nicht lesbar, wird er in der Fehlermeldung genannt – auch wenn er zuvor mit demselben Dienstkonto verbunden wurde.

Einen Datensatz aus einem GCS-Bucket erstellen#

1. Klicke auf New Dataset und öffne den Tab Cloud.
2. Wähle einen verbundenen Bucket aus und navigiere zum Ordner mit deinen Daten.
3. Bestätige den Ordner, passe den Datensatznamen an und erstelle den Datensatz.

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

• Bilder – Objekte mit den Endungen .jpg, .jpeg, .png, .webp und .avif werden indiziert. Die Abmessungen werden mit begrenzten Anfragen ausgelesen. Platform speichert keine zweite Kopie des Quellbilds.
• Labels – YOLO-.txt-Begleitdateien werden in Platform-Annotationen umgewandelt. Die Zuordnung erfolgt anhand der üblichen Struktur images/ → labels/ oder über gleichgeordnete Dateien im selben Ordner.
• Metadaten – Eine YAML-Datei enthält Klassennamen und die Form der Pose-Keypoints, genau wie beim Hochladen eines Archivs. Wenn der Ordner mehrere Dateien enthält, werden data.yaml und data.yml bevorzugt.
• Aufgabe – Die Aufgabe wird anhand einer Stichprobe der Labeldateien bestimmt. Segmentierungs-, Pose- und OBB-Ordner werden daher an der Form ihrer Labels erkannt und nicht anhand der im Dialog ausgewählten Aufgabe.
• Aufteilungen – Ordnernamen train, val und test im Objektpfad weisen die Aufteilungen automatisch zu.

Der Datensatz funktioniert anschließend wie jeder andere: Du kannst ihn durchsuchen, annotieren, öffentlich oder privat schalten, mit deinem Team teilen und über verwaltetes Training damit trainieren. Originale werden bei Bedarf übertragen und indizierte Bilder werden nicht auf dein Speicherkontingent in Platform angerechnet.

Fehlgeschlagene Importe#

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

Bei einem erneuten Versuch wird der Ordner neu aufgelistet, statt den Import fortzusetzen: Seit dem ersten Versuch hinzugefügte Objekte werden erfasst, und nicht mehr vorhandene Objekte werden aus dem Datensatz entfernt.

Training#

Verwaltetes Training läuft über den regulären Trainingsablauf. Während des Trainings verwendet Platform eigene Kopien der gebundenen Bilder. Deine Google Cloud-Anmeldedaten werden niemals den Trainingsprozessen offengelegt.

Verbindung trennen#

Beim Trennen der Verbindung werden die gespeicherten Anmeldedaten gelöscht, ohne etwas in Google Cloud zu ändern. Aus diesen Buckets erstellte Datensätze bleiben mit ihren Klassen, Beschriftungen und Anmerkungen in deinem Arbeitsbereich, aber ihre Bilder können erst wieder geladen, in der Vorschau angezeigt oder für das Training verwendet werden, wenn dasselbe Dienstkonto erneut verbunden wird. Auch ohne Verbindung kannst du sie umbenennen, ihre Beschriftungen bearbeiten oder sie löschen.

Um die Verbindung zu trennen, gehe zu Einstellungen > Integrationen, wähle Google Cloud Storage aus, klicke neben den Anmeldedaten auf Trennen und bestätige den Vorgang. Wenn du anschließend einen der zugehörigen Datensätze öffnest, wird Google Cloud Storage getrennt mit einem Link zu diesen Einstellungen angezeigt. Nach der erneuten Verbindung ist der Datensatz automatisch wieder verfügbar.

Du kannst die Verbindung auch über die REST API trennen. Verwende dazu die von GET /api/integrations/buckets zurückgegebene Integrations-ID:

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, lösche den Schlüssel des Dienstkontos in Google Cloud.

Derzeitige Einschränkungen#

Bei Datensätzen auf GCS sind derzeit Funktionen ausgeschlossen, die eigene Kopien deiner Bilder durch Platform erfordern: automatische Beschriftung, Clusteranalyse, das Klonen von Datensätzen und unveränderliche Versionsaufnahmen.

Beim Löschen eines Datensatzes auf GCS oder einzelner Bilder daraus werden nur die Verweise von Platform entfernt – deine Objekte bleiben unberührt.

Siehe auch die Integrationen für Amazon S3 und Azure Blob Storage.

Häufig gestellte Fragen#