Ultralytics Platform Schnellstart

Ultralytics Platform ist benutzerfreundlich und intuitiv gestaltet, sodass du deine Datensätze schnell hochladen und neue YOLO Modelle trainieren kannst. Sie bietet eine Reihe von vortrainierten Modellen, aus denen du wählen kannst, was den Einstieg erleichtert. Sobald ein Modell trainiert ist, kann es direkt im Browser getestet und mit nur einem Klick in die Produktion überführt werden.

Das folgende interaktive Diagramm veranschaulicht die vier Hauptphasen des Workflows der Ultralytics Platform. Klicke auf eine Phase oder einen Teilschritt, um detaillierte Anweisungen für diesen Bereich zu erhalten.

graph LR
    A(Sign Up) --> B(Prepare Data) --> C(Train) --> D(Deploy)
    A -.- A1["<a href='#get-started'>Create account</a><br/><a href='#region-selection'>Select region</a>"]
    B -.- B1["<a href='#upload-your-first-dataset'>Upload dataset</a><br/><a href='#create-your-first-project'>Create Project</a>"]
    C -.- C1["<a href='#training-configuration'>Configure training</a><br/><a href='#monitor-training'>Monitor progress</a>"]
    D -.- D1["<a href='#test-your-model'>Test model</a><br/><a href='#deploy-to-production'>Deploy endpoint</a>"]

    click A "#get-started"
    click B "#upload-your-first-dataset"
    click C "#train-your-first-model"
    click D "#deploy-to-production"

Erste Schritte

Ultralytics Platform bietet eine Vielzahl von einfachen Anmeldeoptionen. Du kannst dich mit deinem Google- oder GitHub-Konto oder mit deiner E-Mail-Adresse registrieren und anmelden.

Regionsauswahl

Während des Onboardings wirst du aufgefordert, deine Datenregion auszuwählen. Die Plattform misst automatisch die Latenz zu jeder Region und empfiehlt die nächstgelegene. Dies ist eine wichtige Entscheidung, da sie festlegt, wo deine Daten, Modelle und Deployments gespeichert werden.

Kostenlose Credits

Jedes neue Konto erhält kostenlose Credits für das Cloud GPU Training:

Vervollständige dein Profil

Der Onboarding-Ablauf führt dich durch drei Schritte:

1. Profil – Gib deinen Anzeigenamen, deinen eindeutigen Benutzernamen (dauerhaft, kann später nicht mehr geändert werden), deine Organisation (optional) und deinen primären Anwendungsfall ein
2. Datenregion – Wähle US, EU oder AP mit einer visuellen Weltkarte, die die Latenz anzeigt
3. Abschließen – Überprüfe deine Auswahl, löse optional einen Gutscheincode ein und schließe die Anmeldung ab, um deine Willkommens-Credits zu erhalten

Start-Dashboard

Nach dem Anmelden wirst du zur Startseite der Ultralytics Platform weitergeleitet. Dort findest du eine Willkommenskarte mit Workspace-Statistiken, schnellen Zugriff auf Datensätze, Projekte und Speicher sowie einen Feed mit kürzlich erfolgten Aktivitäten.

Seitenleisten-Navigation

Die Seitenleiste bietet Zugriff auf alle Bereiche der Plattform:

Willkommenskarte

Die Willkommenskarte zeigt auf einen Blick dein Profil, deinen Plan-Status und Workspace-Statistiken:

Schnellaktionen

Unterhalb der Willkommenskarte zeigt das Dashboard drei Karten:

• Datensätze: Erstelle einen neuen Datensatz oder lade Bilder, Videos oder Datensatzdateien hoch. Zeigt deine kürzlichen Datensätze.
• Projekte: Erstelle ein neues Projekt oder lade .pt Modelldateien hoch. Zeigt deine kürzlichen Projekte.
• Speicher: Übersicht deiner Speichernutzung (Datensätze, Modelle, Exporte) mit Plan-Limits.

Eine Kürzliche Aktivitäten-Tabelle am unteren Rand zeigt deine neuesten Datensätze, Modelle und Trainingsläufe.

Globale Suche

Drücke Cmd+K (Mac) oder Ctrl+K (Windows/Linux), um die Suchleiste zu öffnen. Durchsuche Seiten, Projekte, Datensätze und Deployments sofort.

KI-Chat-Assistent

Ein schwebendes Chat-Widget ist auf jeder Seite verfügbar. Klicke darauf, um Fragen zum YOLO-Training, zur Annotation, zum Deployment oder zu einer beliebigen Plattform-Funktion zu stellen. Der Assistent bietet kontextbezogene Hilfe basierend auf der aktuellen Seite.

Onboarding-Touren

Die Plattform enthält geführte Touren, die dich bei der Erkundung verschiedener Bereiche mit den wichtigsten Funktionen vertraut machen:

Touren neu starten

Um eine Tour zu wiederholen:

• Schaltfläche „Tour wiederholen“ (Redo Tour) — Klicke auf deinen Profil-Avatar (unten links in der Seitenleiste), um das Benutzermenü zu öffnen, und wähle dann Redo Tour. Dies setzt alle Touren zurück, sodass sie bei deinem nächsten Besuch jedes Bereichs erneut abgespielt werden.
• URL-Parameter — Navigiere zu platform.ultralytics.com/home?tour=nav, um die Nav Tour direkt neu zu starten.

Lade deinen ersten Datensatz hoch

Navigiere in der Seitenleiste zu Annotate und klicke auf New Dataset, um deine Trainingsdaten hinzuzufügen. Du kannst Dateien auch direkt per Drag-and-Drop auf die Datasets-Karte im Home-Dashboard ziehen.

Ultralytics Platform unterstützt mehrere Upload-Formate (alle Details findest du unter Datasets):

graph LR
    A[Drop Files] --> B[Auto-Package ZIP]
    B --> C[Upload to Storage]
    C --> D[Backend Worker]
    D --> E[Resize & Thumbnail]
    E --> F[Parse Labels]
    F --> G[Compute Statistics]
    G --> H[Dataset Ready]

Nach dem Upload verarbeitet die Plattform deine Daten automatisch:

1. Bilder größer als 4096px werden skaliert (unter Beibehaltung des Seitenverhältnisses)
2. 256px-Vorschaubilder werden für schnelles Durchsuchen generiert
3. Labels werden geparst und validiert (YOLO .txt format)
4. Statistiken werden berechnet (Klassenverteilung, Heatmaps, Abmessungen)

my-dataset.zip
├── data.yaml          # Class names and splits
├── train/
│   ├── images/
│   │   ├── img001.jpg
│   │   └── img002.jpg
│   └── labels/
│       ├── img001.txt
│       └── img002.txt
└── val/
    ├── images/
    └── labels/

Lies mehr über datasets und unterstützte Formate für detect, segment, pose, OBB und classify.

Erstelle dein erstes Projekt

Projekte helfen dir, verwandte Modelle und Experimente zu organisieren. Navigiere zu Projects und klicke auf „Create Project“.

Gib einen Namen und eine optionale Beschreibung für dein Projekt ein. Projekte enthalten:

• Models: Trainierte Checkpoints
• Activity Log: Historie der Änderungen

Lies mehr über projects.

Trainiere dein erstes Modell

Klicke in deinem Projekt auf Train Model, um das Cloud-Training zu starten.

Training-Konfiguration

1. Select Dataset: Wähle aus deinen hochgeladenen Datensätzen (nur Datensätze mit einem train split werden angezeigt)
2. Choose Model: Wähle ein Basismodell - offizielle Ultralytics-Modelle oder deine eigenen trainierten Modelle
3. Set Epochs: Anzahl der Trainingsiterationen (Standard: 100)
4. Select GPU: Wähle Rechenressourcen basierend auf deinem Budget und der Modellgröße. Der Standard ist RTX PRO 6000 (96 GB Blackwell, $1.89/Std.), das jede YOLO26-Variante verarbeitet. Siehe die vollständige GPU-Preistabelle oder den Cloud Training GPU-Schritt für die vollständige Liste und Einschränkungen der Stufen.

Training überwachen

Sobald das Training beginnt, kannst du den Fortschritt in Echtzeit über drei Untertabs überwachen:

Metriken werden in Echtzeit über SSE (Server-Sent Events) gestreamt. Nach Abschluss des Trainings werden Validierungsdiagramme generiert, einschließlich Konfusionsmatrix, PR-Kurven und F1-Kurven.

Lies mehr über cloud training.

Teste dein Modell

Nach Abschluss des Trainings kannst du dein Modell direkt im Browser testen:

1. Navigiere zum Predict-Tab deines Modells
2. Lade ein Bild hoch, per Drag-and-Drop oder verwende Beispielbilder (automatische Inferenz beim Ablegen)
3. Zeige Inferenz-Ergebnisse mit auf die Leinwand gezeichneten Bounding-Boxen an

Passe Inferenz-Parameter an:

Der Predict-Tab bietet einsatzbereite Code-Beispiele mit deinem bereits ausgefüllten API-Schlüssel:

import requests

url = "https://platform.ultralytics.com/api/models/{model_id}/predict"
headers = {"Authorization": "Bearer YOUR_API_KEY"}

with open("image.jpg", "rb") as f:
    response = requests.post(url, headers=headers, files={"file": f})

print(response.json())

Erfahre mehr über Inferenz.

In die Produktion bereitstellen

Stelle dein Modell für den Produktionseinsatz auf einem dedizierten Endpunkt bereit:

1. Navigiere zum Tab Deploy deines Modells
2. Wähle eine Region auf der interaktiven Weltkarte aus (43 Regionen verfügbar)
3. Die Karte zeigt Latenzmessungen in Echtzeit mit Ampelfarben (grün < 100 ms, gelb < 200 ms, rot > 200 ms)
4. Klicke auf Deploy, um deinen Endpunkt zu erstellen

graph LR
    A[Select Region] --> B[Deploy]
    B --> C[Provisioning ~1 min]
    C --> D[Running]
    D --> E{Lifecycle}
    E --> F[Stop]
    E --> G[Delete]
    F --> H[Resume]
    H --> D

Dein Endpunkt ist in etwa einer Minute einsatzbereit mit:

• Eindeutige URL: HTTPS-Endpunkt für API-Aufrufe
• Skalierung auf Null: Keine Kosten für Leerlaufzeiten (Bereitstellungen führen derzeit eine einzelne aktive Instanz aus)
• Überwachung: Anfragemetriken und Protokolle

Nach der Bereitstellung kannst du alle deine Endpunkte über den Bereich Deploy in der Seitenleiste verwalten, der eine globale Karte mit aktiven Bereitstellungen, Übersichtsmetriken und eine Liste aller Endpunkte anzeigt.

Erfahre mehr über Endpunkte.

Remote-Training (Optional)

Wenn du lieber auf deiner eigenen Hardware trainierst, kannst du Metriken mit deinem API-Schlüssel an die Plattform streamen. Dies funktioniert ähnlich wie Weights & Biases – trainiere überall, überwache auf der Plattform.

1. Generiere einen API-Schlüssel unter Settings > API Keys
2. Setze die Umgebungsvariable und trainiere mit einem project/name Format:

export ULTRALYTICS_API_KEY="YOUR_API_KEY"

yolo train model=yolo26n.pt data=coco.yaml epochs=100 project=username/my-project name=exp1

Erfahre mehr über API-Schlüssel, Dataset-URIs und Remote-Training.

Feedback & Hilfe

Die Hilfe-Seite in der Fußzeile der Seitenleiste enthält ein In-App-Feedback-Formular. Du kannst deine Erfahrung bewerten, eine Feedback-Art wählen (Bug, Feature-Anfrage oder Allgemein) und Screenshots anhängen.

Wenn du weitere Hilfe benötigst:

• AI Chat: Klicke auf jeder Seite auf das schwebende Chat-Widget für sofortige Hilfe
• Dokumentation: Durchstöbere diese Dokumentation nach detaillierten Anleitungen zu Datasets, Annotation, Training, Bereitstellung und Abrechnung
• Discord: Tritt unserer Discord-Community für Diskussionen bei
• GitHub: Melde Probleme auf GitHub
• REST API: Sieh dir die API-Referenz an oder probiere die interaktiven API-Dokumente für den programmatischen Zugriff auf alle Plattform-Funktionen