Integración con Google Cloud Storage#

La integración de Google Cloud Storage conecta tus buckets de GCS con Ultralytics Platform. Tus imágenes permanecen en tus buckets; Platform las indexa en su ubicación actual, para que puedas explorar, anotar y entrenar modelos YOLO sin subir una copia.

Crea una cuenta de servicio de solo lectura#

Platform solo lee desde tu almacenamiento; nunca escribe, modifica ni elimina tus objetos. Crea una cuenta de servicio dedicada exclusivamente con acceso de lectura:

1. En la consola de Google Cloud, ve a IAM y administración > Cuentas de servicio y crea una cuenta de servicio.
2. Otórgale el rol Storage Object Viewer (roles/storage.objectViewer) en los buckets que quieras conectar.
3. Abre la cuenta de servicio, elige Claves > Añadir clave > Crear nueva clave, selecciona JSON y descarga el archivo de la clave.

Conéctate a Platform#

1. Ve a Settings > Integrations y selecciona Google Cloud Storage en la lista de integraciones.
2. Pega el contenido de la clave JSON de la cuenta de servicio.
3. Haz clic en Find available buckets y luego selecciona los buckets que deseas conectar. Si la cuenta de servicio no puede listar los buckets, introduce un nombre de bucket conocido manualmente.
4. Haz clic en Conectar. Platform verificará que puede enumerar y leer cada bucket seleccionado antes de guardar nada.

Necesitas el rol de administrador o propietario del espacio de trabajo para conectar el almacenamiento en la nube. Una conexión admite hasta 50 buckets, y la detección lista hasta 300 de los buckets que la cuenta de servicio puede ver.

Tu navegador lee el archivo de clave pegado y envía solo los tres campos que Platform necesita: client_email, private_key y project_id. El resto del JSON nunca abandona la página.

Volver a conectar la misma cuenta de servicio más tarde añadirá nuevos buckets a la integración existente. Una credencial guardada solo se reemplaza si su sustituta puede seguir leyendo todos los buckets que ya has conectado.

Crea un dataset desde un bucket de GCS#

1. Haz clic en New Dataset y abre la pestaña Cloud.
2. Elige un bucket 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 objetos .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 carpeta train, val y test en la ruta del objeto 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 Reintentar importación para reiniciarla con el bucket 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 reanudarse: los objetos añadidos desde el primer intento se incluyen, y los objetos que ya no están se eliminan del dataset.

Entrenamiento#

El entrenamiento gestionado 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 Google Cloud nunca se exponen a las cargas de trabajo de entrenamiento.

Desconectar una conexión#

Desconectar elimina las credenciales almacenadas sin tocar nada en Google Cloud. Los datasets creados a partir de esos buckets 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 servicio.

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, elimina la clave de la cuenta de servicio en Google Cloud.

Limitaciones actuales#

Actualmente, los datasets respaldados por GCS excluyen las funciones que requieren copias de tus imágenes propiedad de Platform: anotación automática, análisis de agrupamiento, clonación de datasets e instantáneas de versiones inmutables.

Eliminar un dataset respaldado por GCS, o imágenes individuales del mismo, solo elimina las referencias de Platform; tus objetos nunca se ven afectados.

Consulta también las integraciones de Amazon S3 y Azure Blob Storage.