AutoTrain mit Ask AI#
AutoTrain nutzt Ask AI, damit du Modelle im Dialog trainieren, vergleichen und verbessern kannst. Beginne mit einem Ausgangsmodell, prüfe die Ergebnisse und frage nach dem nächsten Experiment. Ask AI kann außerdem 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 zunächst einen Ultralytics API-Schlüssel in deinem persönlichen Arbeitsbereich unter Settings > API Keys. Ask AI verwendet automatisch deinen vorhandenen persönlichen Schlüssel; du musst ihn nicht in die Unterhaltung einfügen. Füge bei der Arbeit in einem Teamarbeitsbereich den Link zum Projekt oder Datensatz hinzu.
Vorschläge zum Ausprobieren#
Gib in deiner Anfrage die gewünschte Metrik, das Modell, das Epochenlimit und die Anzahl der Experimente an. Für vergleichbare Ergebnisse solltest du Datensatz, Aufteilungen und Zufallsstartwert beibehalten und jeweils nur eine Einstellung ändern. Cloud-Läufe verbrauchen deine Trainingsguthaben.
Öffne den passenden Datensatz oder das passende Projekt und frage:
| Ziel | Beispielanfrage |
|---|---|
| Projekt starten | Erstelle ein privates Projekt mit dem Namen "Wildlife Lab". Suche einen Datensatz zur Wildtiererkennung und klone ihn. Bereite anschließend einen ersten Trainingslauf vor. |
| Auflösungen vergleichen | Trainiere drei Modelle mit diesem Datensatz und den Bildgrößen 640, 800 und 960. Behalte alle anderen Einstellungen und die Datensatzaufteilungen bei. |
| Datensatz erkunden | Finde Frachtschiffe, Schiffscontainer und Kräne in xView. Eignet sich der Datensatz als Ausgangspunkt für die Hafenlogistik? |
| Ausgangsmodell erstellen | Trainiere YOLO26n mit diesem Datensatz und nenne den Lauf "xview-baseline". |
| Modelle vergleichen | Vergleiche die abgeschlossenen Modelle anhand der mAP50-95 auf dem Validierungsdatensatz. Erkläre die Unterschiede und schlage das nächste Experiment vor. |
| Modell bereitstellen | Stelle das abgeschlossene Modell mit der besten mAP auf dem Validierungsdatensatz in diesem Projekt bereit. Gib mir die URL und den Status seines Endpunkts. |
| Automatisch annotieren | Verwende mein bestes kompatibles Modell, um unbeschriftete Bilder in diesem Datensatz zu annotieren. Behalte vorhandene Annotationen bei. |
| Klassifikation prüfen | Welches Modell erzielt die höchste Klassifikationsgenauigkeit? Welche Rassen lassen sich weiterhin schwer unterscheiden, und was sollten wir als Nächstes ausprobieren? |
| Modell exportieren | Exportiere dieses Modell nach ONNX und gib mir den Downloadlink, sobald der Export abgeschlossen ist. |
Eigenen Coding-Agenten verwenden#
Ask AI verwendet die Platform CLI, ul cloud und die zugehörige platform-cli skill. Du kannst dieselben Befehle mit Claude Code, Codex oder einem anderen kompatiblen Coding-Agenten verwenden.
Installieren und verbinden#
Die folgende Anleitung beschreibt, wie du die Platform CLI außerhalb der Platform mit deinem eigenen Coding-Agenten verwendest.
Die CLI ul ist im Ultralytics-Paket für Python 3.11+ enthalten. Installiere oder aktualisiere sie:
pip install -U ultralyticsErstelle einen Platform API-Schlüssel und setze ihn im Terminal, das dein Agent verwendet. Prüfe die Verbindung mit:
export ULTRALYTICS_API_KEY="YOUR_API_KEY"
ul cloud account summarySkill hinzufügen#
Folge der Installationsanleitung für Agent Skills für Claude Code- und Codex-Plugins. Für Agenten, die von der Skills CLI unterstützt werden, installiere die Platform-Skill mit:
npx skills add ultralytics/skills --skill platform-cliVerwende anschließend Anfragen 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-Kürzel für dein Projekt und Modell. 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.