Integración con Azure Blob Storage#

La integración de Azure Blob Storage conecta los contenedores de tu cuenta de almacenamiento con Ultralytics Platform. Tus imágenes permanecen en tus contenedores; Platform las indexa en su lugar, por lo que puedes explorar, anotar y entrenar modelos YOLO sin subir una copia.

Obtén una cadena de conexión#

La Platform solo lee de tu almacenamiento; nunca escribe, modifica ni elimina tus blobs. La integración actual requiere una cadena de conexión de clave de acceso a la cuenta, que otorga privilegios a toda la cuenta aunque la Platform solo utilice operaciones de lista y lectura:

1. En el portal de Azure, abre tu cuenta de almacenamiento.
2. Ve a Security + networking > Access keys.
3. Copia una connection string.

La cadena debe contener AccountName, AccountKey y HTTPS como protocolo (el formato que te da Azure en Access keys). Las cadenas de conexión con token SAS, que contienen SharedAccessSignature en lugar de AccountKey, se rechazan.

Conéctate a Platform#

1. Ve a Settings > Integrations y selecciona Azure Blob Storage en la lista de integraciones.
2. Pega la cadena de conexión.
3. Haz clic en Find available containers y luego selecciona los contenedores que deseas conectar. También puedes introducir el nombre de un contenedor manualmente.
4. Haz clic en Connect. La Platform verifica que puede listar y leer cada contenedor seleccionado antes de guardar nada.

Necesitas el rol de administrador o propietario del espacio de trabajo para conectar almacenamiento en la nube. Una conexión admite hasta 50 contenedores, y el descubrimiento lista hasta 300 contenedores en la cuenta de almacenamiento.

Volver a conectar la misma cuenta de almacenamiento más tarde añade nuevos contenedores a la integración existente. Una credencial guardada solo se sustituye una vez que su reemplazo puede seguir leyendo todos los contenedores que ya hayas conectado.

Crea un dataset desde un contenedor de blobs#

1. Haz clic en New Dataset y abre la pestaña Cloud.
2. Elige un contenedor conectado y navega hasta la carpeta que contiene tus datos.
3. Confirma la carpeta, ajusta el nombre del conjunto de datos y créalo.

La plataforma lista la carpeta una vez e indexa lo que encuentra:

• Images — Los blobs .jpg, .jpeg, .png, .webp y .avif se indexan con dimensiones leídas mediante solicitudes acotadas. Platform no almacena una segunda copia de la imagen de origen.
• Labels: los archivos adjuntos de YOLO .txt se analizan para convertirlos en anotaciones de Platform, emparejados según la estructura estándar images/ → labels/ o como elementos hermanos en la misma carpeta.
• Metadata: un archivo YAML proporciona los nombres de las clases y la forma de los keypoints de pose, exactamente igual que en una subida de archivo comprimido. Se prefieren data.yaml y data.yml cuando la carpeta contiene varios.
• Task: una muestra de los archivos de etiquetas determina la tarea, por lo que las carpetas de segmentación, pose y OBB se reconocen por la forma de sus etiquetas en lugar de por la tarea que elegiste en el cuadro de diálogo.
• Splits — Los nombres de carpetas train, val y test en la ruta del blob asignan divisiones automáticamente.

El dataset se comporta entonces como cualquier otro: explóralo y anótalo, configúralo como público o privado, compártelo con tu equipo y entrena con él mediante el entrenamiento administrado. Los originales se transmiten bajo demanda y las imágenes indexadas no consumen tu cuota de almacenamiento de Platform.

Importaciones fallidas#

Si una importación falla (una carpeta vacía, un error tipográfico en la ruta o permisos revocados), el dataset muestra el error en su página. Los editores pueden hacer clic en Retry import para reiniciarla con el contenedor y la carpeta almacenados, o crear un nuevo dataset que apunte a la ruta corregida.

Un reintento vuelve a listar la carpeta en lugar de reanudar: los blobs añadidos desde el primer intento se incluyen y los blobs que ya no están se eliminan del conjunto de datos.

Entrenamiento#

El entrenamiento administrado funciona a través del flujo de entrenamiento normal. El entrenamiento utiliza las copias propias de Platform de las imágenes fijadas durante la duración de la ejecución, y tus credenciales de Azure nunca se exponen a las cargas de trabajo de entrenamiento.

Desconectar una conexión#

Desconectarse elimina la cadena de conexión almacenada sin tocar nada en Azure. Los conjuntos de datos creados a partir de esos contenedores permanecen en tu espacio de trabajo con sus clases, etiquetas y anotaciones, pero sus imágenes no se pueden cargar, previsualizar ni utilizar para entrenar hasta que se vuelva a conectar la misma cuenta de almacenamiento.

Usa la REST API con el ID de integración devuelto por GET /api/integrations/buckets:

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")

Para revocar el acceso en el origen en su lugar, rota las claves de acceso de la cuenta de almacenamiento en Azure.

Limitaciones actuales#

Los conjuntos de datos respaldados por Azure actualmente excluyen las características que requieren copias de tus imágenes propiedad de Platform: anotación automática, clustering analysis, clonación de conjuntos de datos e immutable version snapshots.

Eliminar un dataset respaldado por Azure, o imágenes individuales del mismo, solo elimina las referencias de la Platform; tus blobs nunca se tocan.

Consulta también las integraciones de Google Cloud Storage y Amazon S3.