Google Cloud Storage-Integration#

Die Google Cloud Storage-Integration verbindet deine GCS-Buckets mit der Ultralytics Platform. Deine Bilder bleiben in deinen Buckets – die Platform erstellt dort einen Index, damit du YOLO-Modelle durchsuchen, annotieren und trainieren kannst, ohne eine Kopie hochzuladen.

Schreibgeschütztes Dienstkonto erstellen#

Die Platform liest ausschließlich aus deinem Speicher – sie schreibt, ändert oder löscht niemals deine Objekte. Erstelle ein eigenes Dienstkonto, das nur Lesezugriff hat:

1. Rufe in der Google Cloud Console IAM & Admin > Service Accounts auf und erstelle ein Dienstkonto.
2. Weise ihm 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 der 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 keine Buckets auflisten kann, 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 des Cloud-Speichers benötigst du die Rolle eines Workspace-Admins oder -Eigentümers. Eine Verbindung umfasst bis zu 50 Buckets. Bei der Ermittlung werden bis zu 300 der Buckets aufgelistet, auf die das Dienstkonto zugreifen kann.

Dein Browser liest die eingefügte Schlüsseldatei aus und sendet nur die drei Felder, die die Platform benötigt – client_email, private_key und project_id. Der übrige JSON-Inhalt verlässt die Seite nicht.

Wenn du später dasselbe Dienstkonto erneut verbindest, werden der bestehenden Integration neue Buckets hinzugefügt. Ein gespeicherter Zugangsschlüssel wird erst ersetzt, wenn der Ersatz weiterhin alle bereits verbundenen Buckets auslesen kann.

Datensatz aus einem GCS-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 wie train, val und test im Objektpfad legen die Aufteilungen automatisch fest.

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 läuft wie gewohnt ab. Für die Dauer des Trainings verwendet es eigene Kopien der gebundenen Bilder, die in der Platform gespeichert sind. Deine Google Cloud-Zugangsdaten werden Trainingsprozessen niemals offengelegt.

Verbindung trennen#

Beim Trennen der Verbindung werden die gespeicherten Zugangsdaten gelöscht, ohne etwas in Google Cloud anzutasten. Datensätze, die mit diesen Buckets erstellt wurden, bleiben mit ihren Klassen, Labels und Annotationen in deinem Workspace. Ihre Bilder können jedoch erst wieder geladen, in der Vorschau angezeigt oder zum Trainieren verwendet werden, wenn dasselbe Dienstkonto 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 direkt bei Google Cloud zu widerrufen, lösche stattdessen den Schlüssel des Dienstkontos.

Aktuelle Einschränkungen#

Bei GCS-gestützten Datensätzen sind Funktionen ausgeschlossen, für die die Platform eigene Kopien deiner Bilder benötigt: automatische Annotation, Clusteranalyse, das Klonen von Datensätzen und unveränderliche Versions-Snapshots.

Wenn du einen GCS-gestützten Datensatz oder einzelne Bilder daraus löschst, werden nur die Verweise der Platform entfernt – deine Objekte bleiben unangetastet.

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

Häufig gestellte Fragen#