AutoTrain mit Ask AI#
AutoTrain nutzt Ask AI, damit du Modelle im Dialog trainieren, vergleichen und verbessern kannst. Beginne mit einem Basismodell, prüfe die Ergebnisse und bitte um das nächste Experiment. Ask AI kann auch Datensätze finden, Bilder annotieren, Modelle exportieren und bereitstellen.
Melde dich bei der Ultralytics Platform an, öffne deinen Datensatz oder dein Projekt und klicke auf Ask AI.
Um Platform-Aktionen zu nutzen, erstelle zuerst unter Einstellungen > API-Schlüssel in deinem persönlichen Arbeitsbereich einen Ultralytics-API-Schlüssel. Ask AI verwendet automatisch deinen vorhandenen persönlichen Schlüssel; du musst ihn nicht in den Chat einfügen. Wenn du mit einem Teamarbeitsbereich arbeitest, füge den Projekt- oder Datensatzlink hinzu.
Vorschläge zum Ausprobieren#
Gib in deiner Anfrage die Zielmetrik, das Modell, die Epochengrenze und die Anzahl der Experimente an. Für vergleichbare Ergebnisse solltest du den Datensatz, die Splits und den Zufallsstartwert beibehalten und jeweils nur eine Einstellung ändern. Cloud-Läufe verwenden deine Trainingsguthaben.
Öffne den entsprechenden Datensatz oder das Projekt und frage:
| Ziel | Beispielanfrage |
|---|---|
| Projekt starten | Erstelle ein privates Projekt namens „Wildlife Lab“. Finde einen Datensatz zur Erkennung von Wildtieren und klone ihn. Bereite dann einen Trainingslauf als Ausgangsbasis vor. |
| Auflösungen vergleichen | Trainiere drei Modelle mit diesem Datensatz und den Bildgrößen 640, 800 und 960. Behalte alle anderen Einstellungen und Datensatz-Splits bei. |
| Datensatz erkunden | Finde Frachtschiffe, Schiffscontainer und Kräne in xView. Eignet sich der Datensatz als Ausgangspunkt für die Hafenlogistik? |
| Eine Baseline erstellen | Trainiere YOLO26n mit diesem Datensatz und nenne den Lauf „xview-baseline“. |
| Modelle vergleichen | Vergleiche die abgeschlossenen Modelle anhand des Validierungs-mAP50-95. Erkläre die Unterschiede und schlage das nächste Experiment vor. |
| Ein Modell bereitstellen | Stelle das abgeschlossene Modell mit dem besten Validierungs-mAP in diesem Projekt bereit. Nenne mir die URL des Endpunkts und seinen Status. |
| Automatisch annotieren | Verwende mein bestes kompatibles Modell, um nicht annotierte Bilder in diesem Datensatz zu annotieren. Bestehende Annotationen sollen erhalten bleiben. |
| Klassifikation überprüfen | Welches Modell hat die beste Klassifikationsgenauigkeit? Welche Rassen lassen sich weiterhin schwer unterscheiden, und was sollten wir als Nächstes ausprobieren? |
| Ein Modell exportieren | Exportiere dieses Modell nach ONNX und gib mir den Download-Link, sobald der Export fertig ist. |
Deinen eigenen Programmieragenten verwenden#
Ask AI verwendet die Platform CLI, ul cloud und den zugehörigen platform-cli-Skill. Du kannst dieselben Befehle mit Claude Code, Codex oder einem anderen kompatiblen Programmieragenten ausführen.
Installieren und verbinden#
Die folgende Anleitung beschreibt, wie du die Platform CLI mit deinem eigenen Programmieragenten außerhalb der Platform verwendest.
Die CLI ul ist im Ultralytics-Paket für Python 3.11+ enthalten. Installiere sie oder aktualisiere sie:
pip install -U ultralyticsErstelle einen Platform-API-Schlüssel und setze ihn im Terminal, das dein Agent verwendet. Überprüfe die Verbindung mit:
export ULTRALYTICS_API_KEY="YOUR_API_KEY"
ul cloud account summaryDen Skill hinzufügen#
Folge der Installationsanleitung für Agent Skills, um die Plugins für Claude Code und Codex einzurichten. Für Agenten, die von der Skills-CLI unterstützt werden, installiere den Platform-Skill mit:
npx skills add ultralytics/skills --skill platform-cliVerwende anschließend Prompts wie in den obigen Beispielen und füge zur Einordnung den Link zum Projekt oder Datensatz hinzu.
Befehle direkt ausführen#
Verwende in den Befehlen die URL-Slugs deines Projekts und Modells. Diese Beispiele beziehen sich auf deinen persönlichen Arbeitsbereich. Füge owner=TEAM hinzu, um einen Teamarbeitsbereich zu verwenden, dem du angehörst:
ul cloud datasets list
ul cloud models list project=license-plate
ul cloud models training project=license-plate model=baseline
ul cloud training start --helpVerwende ul cloud --help, um verfügbare Befehle zu ermitteln, und ul cloud <resource> <operation> --help, um ihre Argumente anzuzeigen. Weitere Informationen findest du in der Platform-API-Referenz.