Lokale Quelle#

On Premise ermöglicht es deinem Enterprise-Arbeitsbereich, Datensätze und Rechenleistung auf einem Linux-, macOS- oder Windows-Computer zu nutzen. Quellbilder und -videos bleiben auf deinem Computer. Das Training verhält sich wie an jedem anderen Remote-Trainings-Standort: Metriken werden an die Plattform übertragen und fertige Modellgewichte zum Herunterladen, für Vorhersagen, den Export und die Bereitstellung hochgeladen.

Die Einrichtung erfolgt mit einem einzigen Befehl. Die Plattform erkennt dein Betriebssystem, trägt sinnvolle Ordnerpfade ein, installiert bei Bedarf Docker und zeigt den Verbindungsfortschritt live an.

Funktionsweise#

flowchart LR
    A[Your browser] <-->|Interface, labels, and progress| B[Ultralytics Platform]
    A <-->|Dataset previews| C[Your On Premise computer]
    B <-->|Jobs, metrics, and model weights| C
    C --- D[(Dataset folder)]
    C --- E[(Models folder)]

Datenabgrenzungen#

Modellgewichte, Bezeichnungen, Annotationen und Metriken können Informationen enthalten, die aus deinen Bildern gelernt wurden. Nur die Pixel des Datensatzes unterliegen der strikten Vorgabe, lokal zu bleiben. Die Cloud-Vorhersage verarbeitet nur Bilder, die du separat an diesen Cloud-Ablauf übermittelst; der Worker leitet niemals ein Bild aus deinem eingebundenen Datensatz weiter.

Bevor du beginnst#

Wähle einen Computer, der deine Datensätze erreichen kann und eingeschaltet bleibt, während die Plattform sie verwendet:

Eine GPU ist optional. Jeder Computer kann Datensätze einlesen und Modelle auf seiner CPU trainieren. Eine kompatible NVIDIA GPU kann größere Trainingsjobs beschleunigen.

Deinen Computer verbinden#

1. Öffne Ultralytics Platform auf dem Computer, der auf deine Datensätze zugreifen kann.
2. Gehe zu Settings > Integrations und wähle On Premise aus der Integrationsliste.
3. Überprüfe die vorausgefüllten Pfade Datensatzordner auf diesem Computer und Modellordner auf diesem Computer.
4. Wähle Installationsbefehl erstellen.
5. Öffne das im Dialog genannten Terminal, kopiere den Befehl, füge ihn ein und drücke die Eingabetaste.
6. Lass die Integrationsseite geöffnet, bis der Fortschrittsindikator Verbunden anzeigt.

Die Seite verfolgt die sechs Einrichtungsschritte live – Ausführen des Befehls, Herunterladen der Worker-Dateien, Herunterladen des Docker- Images, Erstellen des Workers, Starten des Workers und Bestätigen der Verbindung –, sodass du den Fortschritt verfolgen kannst, ohne das Terminal zu lesen. Zum Verbinden eines Hosts sind die Arbeitsbereichs-Editor-Rolle und ein aktiver Enterprise-Plan erforderlich; Arbeitsbereiche mit einem anderen Plan sehen stattdessen eine Weiter-Schaltfläche, über die sie eine geführte On-Premise-Anleitung anfordern können.

Die Plattform trägt die Ordner und das einmalige Verbindungstoken ein, bevor du den Befehl kopierst. Der generierte Befehl folgt dem untenstehenden Format:

curl -fsSL 'https://platform.ultralytics.com/api/workers/install?os=linux' \
  | sudo sh -s -- \
    "/datasets" \
    "/models" \
    "YOUR_CONNECTION_TOKEN"

Die Standardwerte funktionieren ohne Änderungen:

Der Einrichtungsbefehl erstellt diese Ordner, installiert und startet Docker bei Bedarf und konfiguriert die Verbindung so, dass sie mit deinem Computer neu gestartet wird. Dein Betriebssystem fordert dich möglicherweise auf, die Installation oder einen Neustart zu bestätigen, bevor die Einrichtung abgeschlossen werden kann.

Docker-Basis-Images#

Das Installationsprogramm führt einen Container aus und wählt das offizielle Ultralytics-Basis-Image für den Host aus:

Das Installationsprogramm wählt ein offiziell veröffentlichtes, versionsgebundenes Image für den Host aus. Der Worker fügt seine Abhängigkeiten für die Verbindung hinzu, ohne Ultralytics erneut zu installieren. Er erkennt CUDA während der Einrichtung, sodass ein NVIDIA-Host weiterhin einen Container statt separater CPU- und GPU-Worker ausführt. Die Cloud-Dienste der Plattform übernehmen Modellvorhersagen und den Export, nachdem der beste Prüfpunkt hochgeladen wurde.

Einen Datensatz hinzufügen#

1. Lege deinen Datensatz in den konfigurierten Datensatzordner.
2. Wähle in der Plattform Neuer Datensatz > On Premise.
3. Wähle den verbundenen Computer aus.
4. Navigiere zum Datensatzordner, wähle die Aufgabe aus und wähle Erstellen.

Die Plattform indiziert den Datensatz lokal und öffnet ihn in derselben Galerie, die auch für hochgeladene Datensätze und Datensätze aus Cloud-Speichern verwendet wird. Du kannst Bilder in der Vorschau anzeigen, Bezeichnungen prüfen, den Datensatz filtern und Annotationen erstellen, ohne die Pixel hochzuladen.

Unterstützte Daten#

On Premise unterstützt dieselben Formate zum Einlesen und Computer-Vision-Aufgaben wie hochgeladene Daten:

• Bilder und Videos
• ZIP-, TAR-, TAR.GZ- und TGZ-Archive
• Ultralytics NDJSON und COCO JSON
• YOLO-Datensätze und Ordner zur Klassifizierung
• Aufgaben zur Erkennung, Segmentierung, semantischen Segmentierung, Klassifizierung, Posenschätzung und mit orientierten Begrenzungsrahmen (OBB)

Die Plattform erkennt automatisch gängige Datensatzstrukturen, Klassen, Bezeichnungen und Aufteilungen in Training, Validierung und Test. Der Datensatzordner wird schreibgeschützt eingebunden, sodass die Plattform deine Quelldateien niemals skaliert, neu codiert, bearbeitet oder löscht. Alles, was beim Einlesen abgeleitet wird – extrahierte Archive, heruntergeladene NDJSON-Ressourcen und Videoframes –, wird in ein privates Docker-Volume auf demselben Computer geschrieben.

Vorschau und Annotation#

Wenn du ein Bild öffnest, lädt dein Browser es direkt vom verbundenen Computer. Es sind weder Zertifikat, Hostname, VPN noch eine Vorschaukonfiguration erforderlich.

Annotationen und die Organisation des Datensatzes werden in deinem Plattform-Arbeitsbereich gespeichert, aber Bearbeitungen in der Plattform ändern niemals deine Quellbild- oder Bezeichnungsdateien.

Ein Modell trainieren#

Starte das Training über den normalen Trainingsdialog der Plattform:

1. Öffne ein Projekt und wähle Neues Modell.
2. Wähle den On-Premise-Datensatz aus.
3. Wähle ein Modell und die Trainingseinstellungen aus.
4. Starte das Training.

Die Plattform führt den Job auf dem verbundenen Computer aus. Sie verwendet automatisch eine verfügbare NVIDIA GPU oder wechselt auf die CPU, sodass ein Mac ein kleines Modell wie YOLO26n auf COCO8 ohne dedizierte GPU-Hardware trainieren kann.

Trainingsdateien werden während des laufenden Trainings in den konfigurierten Modellordner geschrieben. Das Ultralytics-Paket verwendet dieselben Rückruffunktionen für Remote-Training wie jeder kundenseitig verwaltete Computer: Fortschritt und Metriken werden an die Plattform übertragen, der beste Prüfpunkt wird in den Plattformspeicher hochgeladen und das fertige Modell funktioniert mit den bestehenden Abläufen zum Herunterladen, für Vorhersagen, den Export und die Bereitstellung. Andere Trainingsartefakte bleiben in deinem Modellordner. Beim On-Premise-Training werden keine Rechenkontingente der Plattform verwendet, und die Plattform sendet den Trainingsjob niemals an Cloud-Rechenressourcen.

Die Verbindung verwalten#

Öffne Settings > Integrations, um jeden verbundenen Computer, seinen Hostnamen und seine Hardware sowie den aktuellen Online-Status seiner CPU und GPU anzuzeigen. Der Host meldet sich kontinuierlich, sodass ein heruntergefahrener Computer oder ein Computer mit verlorener Verbindung als offline angezeigt wird und seine Datensätze vorübergehend nicht verfügbar sind, anstatt auf Cloud-Rechenressourcen auszuweichen.

Erneut verbinden stellt einen neuen Installationsbefehl für einen Host aus, den du zuvor getrennt hast. Dabei wird derselbe Hostdatensatz wiederverwendet, sodass die vorhandenen Datensätze weiter funktionieren, ohne erneut importiert werden zu müssen.

Trennen entzieht diesem Host sofort den Zugriff. Wartende, startende und laufende Jobs, die an ihn gebunden sind, werden abgebrochen, einschließlich eines laufenden Trainings, und ein Datensatz, der noch importiert wurde, schlägt mit On Premise host disconnected during ingest. fehl. Datensätze, deren Import abgeschlossen war, behalten ihre Klassen, Bezeichnungen und Annotationen, können aber erst nach einer erneuten Verbindung in der Vorschau angezeigt oder trainiert werden. Auf dem Computer wird nichts gelöscht, und bereits in die Plattform hochgeladene Modelle bleiben verfügbar.

Aktuelle Einschränkungen#

• Kein erneutes Scannen. Ein Datensatz wird einmalig erstellt, wenn du ihn anlegst. Wenn sich die Quelldateien danach ändern, bemerkt die Plattform dies nicht – erstelle einen neuen Datensatz, um die Änderungen zu übernehmen.
• Funktionen mit Plattformkopien sind nicht verfügbar. On-Premise-Datensätze unterstützen keine Funktionen, die eigene Kopien deiner Bilder in der Plattform benötigen: automatische Annotation, Clustering-Analyse, das Klonen von Datensätzen und unveränderliche Versions-Snapshots.
• Das Training wird nicht verschoben. Wenn der Worker-Prozess während eines Laufs stoppt, schlägt der Lauf fehl, anstatt an einem anderen Ort neu gestartet zu werden.
• Modelldateien bleiben auf dem Host. Wenn du ein Modell in der Plattform löschst oder in den Papierkorb verschiebst, wird es aus der Plattform entfernt, nicht aus deinem Modellordner – räume diesen Ordner selbst auf, wenn ein Lauf nicht mehr benötigt wird.

Wenn du einen On-Premise-Datensatz oder einzelne Bilder daraus löschst, werden nur die Verweise und Annotationen der Plattform entfernt. Deine Dateien werden niemals verändert.

Wenn die Einrichtung nicht abgeschlossen wird#

• Docker fragt nach einer Berechtigung: Bestätige die Aufforderung und warte, bis Docker gestartet ist. Die Einrichtung wird automatisch fortgesetzt.
• Windows fordert einen Neustart an: Starte den Computer neu, kehre zu Settings > Integrations zurück und erstelle einen neuen Installationsbefehl.
• Der Einrichtungsbefehl ist abgelaufen: Erstelle einen neuen Installationsbefehl. Jeder Befehl ist temporär und funktioniert nur einmal.
• Die Verbindung bleibt offline: Öffne Docker Desktop, führe einen neu generierten Befehl erneut aus und lasse das Terminal geöffnet, bis gemeldet wird, dass On Premise ausgeführt wird.
• Vorschauen werden nicht geladen: Öffne Platform in einem Browser auf dem verbundenen Computer. Die Vorschauen der Datensätze werden direkt von diesem Computer geladen.
• Du benötigst die Worker-Protokolle: Das Installationsprogramm schreibt unter Linux in /opt/ultralytics-worker und unter macOS und Windows in ~/.ultralytics/worker. Führe in diesem Ordner docker compose logs -f aus, um den Worker zu verfolgen.

Siehe auch Datensätze, Annotationen und Training.

FAQ#