Local#

On Premise permite que tu espacio de trabajo Enterprise use conjuntos de datos y recursos de computación en un equipo Linux, macOS o Windows. Las imágenes y vídeos de origen permanecen en tu equipo. El entrenamiento funciona como cualquier otra ubicación de entrenamiento remoto: las métricas se transmiten a Platform y los pesos del modelo completado se suben para descargarlos, hacer predicciones, exportarlos y desplegarlos.

La configuración requiere un solo comando. Platform detecta tu sistema operativo, completa ubicaciones de carpetas adecuadas, instala Docker si es necesario y muestra en directo el progreso de la conexión.

Cómo funciona#

flowchart LR
    A[Your browser] <-->|Interface, labels, and progress| B[Ultralytics Platform]
    A <-->|Dataset previews| C[Your On Premise computer]
    B <-->|Jobs, metrics, and model weights| C
    C --- D[(Dataset folder)]
    C --- E[(Models folder)]

Límites de los datos#

Los pesos del modelo, las etiquetas, las anotaciones y las métricas pueden codificar información aprendida de tus imágenes. Solo los píxeles del conjunto de datos tienen el límite estricto de permanecer únicamente en local. La predicción en la nube procesa solo las imágenes que envías por separado a ese flujo de trabajo en la nube; el worker nunca reenvía ninguna imagen de tu conjunto de datos montado.

Antes de empezar#

Elige un equipo que pueda acceder a tus conjuntos de datos y permanecer encendido mientras Platform los esté utilizando:

Una GPU es opcional. Todos los equipos pueden ingerir conjuntos de datos y entrenar modelos en su CPU. Una GPU NVIDIA compatible puede acelerar trabajos de entrenamiento de mayor tamaño.

Conecta tu equipo#

1. Abre Ultralytics Platform en el equipo que pueda acceder a tus conjuntos de datos.
2. Ve a Settings > Integrations y selecciona On Premise en la lista de integraciones.
3. Revisa las rutas rellenadas previamente de Carpeta del conjunto de datos en este equipo y Carpeta de modelos en este equipo.
4. Selecciona Crear comando de instalación.
5. Abre el terminal indicado en el diálogo, copia el comando, pégalo y pulsa Intro.
6. Mantén abierta la página de Integraciones hasta que el indicador de progreso muestre Conectado.

La página realiza el seguimiento en directo de los seis pasos de configuración —ejecutar el comando, descargar los archivos del worker, descargar la imagen de Docker, compilar el worker, iniciarlo y confirmar la conexión— para que puedas ver el progreso sin leer el terminal. Para conectar un host necesitas el rol de editor del espacio de trabajo y un plan Enterprise activo; los espacios de trabajo con otro plan muestran un botón Continuar que solicita un recorrido guiado de On Premise en lugar de un comando de instalación.

Platform completa las carpetas y el token de conexión de un solo uso antes de que copies el comando. El comando generado sigue el formato siguiente:

curl -fsSL 'https://platform.ultralytics.com/api/workers/install?os=linux' \
  | sudo sh -s -- \
    "/datasets" \
    "/models" \
    "YOUR_CONNECTION_TOKEN"

Los valores predeterminados funcionan sin editar nada:

El comando de configuración crea estas carpetas, instala e inicia Docker cuando es necesario y configura la conexión para que se reinicie con tu equipo. Es posible que tu sistema operativo te pida aprobar la instalación o reiniciar antes de que termine la configuración.

Imágenes base de Docker#

El instalador ejecuta un contenedor y selecciona la imagen base oficial de Ultralytics para el host:

El instalador selecciona una imagen oficial con la versión fijada para el host. El worker añade sus dependencias de conectividad sin reinstalar Ultralytics. Detecta CUDA durante la configuración, por lo que un host NVIDIA sigue ejecutando un solo contenedor en lugar de workers independientes para CPU y GPU. Los servicios en la nube de Platform gestionan la predicción y la exportación del modelo después de que se sube el mejor checkpoint.

Añade un conjunto de datos#

1. Coloca tu conjunto de datos dentro de la carpeta de conjuntos de datos configurada.
2. En Platform, selecciona Nuevo conjunto de datos > On Premise.
3. Elige el equipo conectado.
4. Busca la carpeta del conjunto de datos, elige la tarea y selecciona Crear.

Platform indexa el conjunto de datos localmente y lo abre en la misma galería que se utiliza para los conjuntos de datos subidos y almacenados en la nube. Puedes previsualizar imágenes, inspeccionar etiquetas, filtrar el conjunto de datos y anotar sin subir los píxeles.

Datos compatibles#

On Premise admite los mismos formatos de ingesta y tareas de visión por ordenador que los datos subidos:

• Imágenes y vídeos
• Archivos ZIP, TAR, TAR.GZ y TGZ
• NDJSON de Ultralytics y JSON de COCO
• Conjuntos de datos YOLO y carpetas de clasificación
• Tareas de detección, segmentación, segmentación semántica, clasificación, pose y cajas delimitadoras orientadas (OBB)

Platform reconoce automáticamente las estructuras habituales de los conjuntos de datos, las clases, las etiquetas y las divisiones de entrenamiento/validación/prueba. La carpeta del conjunto de datos se monta como de solo lectura, por lo que Platform nunca cambia el tamaño, vuelve a codificar, edita ni elimina tus archivos de origen. Todo lo derivado durante la ingesta —archivos comprimidos extraídos, recursos NDJSON descargados y fotogramas de vídeo— se escribe en un volumen privado de Docker en el mismo equipo.

Previsualiza y anota#

Cuando abres una imagen, tu navegador la carga directamente desde el equipo conectado. No se necesita ningún certificado, nombre de host, VPN ni configuración de vista previa.

Las anotaciones y la organización del conjunto de datos se guardan en tu espacio de trabajo de Platform, pero las ediciones realizadas en Platform nunca cambian tus archivos de imagen o de etiquetas de origen.

Entrena un modelo#

Inicia el entrenamiento mediante el diálogo de entrenamiento habitual de Platform:

1. Abre un proyecto y selecciona Nuevo modelo.
2. Elige el conjunto de datos On Premise.
3. Selecciona un modelo y la configuración de entrenamiento.
4. Inicia el entrenamiento.

Platform ejecuta el trabajo en el equipo conectado. Utiliza una GPU NVIDIA disponible o cambia automáticamente a la CPU, por lo que un Mac puede entrenar un modelo pequeño como YOLO26n en COCO8 sin hardware de GPU dedicado.

Los archivos de entrenamiento se escriben en la carpeta de modelos configurada mientras la ejecución está activa. El paquete de Ultralytics utiliza las mismas devoluciones de llamada de entrenamiento remoto que cualquier equipo gestionado por el cliente: el progreso y las métricas se transmiten a Platform, el mejor checkpoint se sube al almacenamiento de Platform y el modelo completado funciona con las rutas existentes de descarga, predicción, exportación y despliegue. Los demás artefactos de entrenamiento permanecen en tu carpeta de modelos. El entrenamiento On Premise no utiliza créditos de computación de Platform, y Platform nunca envía el trabajo de entrenamiento a la computación en la nube.

Gestiona la conexión#

Abre Settings > Integrations para ver cada equipo conectado, su nombre de host y hardware, y si su CPU y GPU están actualmente en línea. El host informa continuamente, por lo que un equipo apagado o que pierde la conectividad aparece como sin conexión y sus conjuntos de datos dejan de estar disponibles temporalmente, en lugar de recurrir a la computación en la nube.

Volver a conectar emite un nuevo comando de instalación para un host que hayas desconectado anteriormente. Reutiliza el mismo registro del host, por lo que sus conjuntos de datos existentes vuelven a funcionar sin tener que volver a importarlos.

Desconectar revoca inmediatamente el acceso de ese host. Los trabajos en cola, en proceso de inicio o en ejecución vinculados a él se cancelan, incluido el entrenamiento en curso, y un conjunto de datos que aún se estaba importando falla con On Premise host disconnected during ingest. Los conjuntos de datos cuya importación ha terminado conservan sus clases, etiquetas y anotaciones, pero no se pueden previsualizar ni utilizar para entrenar hasta que vuelvas a conectar. No se elimina nada del equipo y los modelos ya subidos a Platform siguen disponibles.

Limitaciones actuales#

• No se vuelve a explorar. Un conjunto de datos se indexa una vez al crearlo. Si los archivos de origen cambian después, Platform no lo detecta: crea un conjunto de datos nuevo para incorporar los cambios.
• Las funciones que copian en Platform no están disponibles. Los conjuntos de datos On Premise excluyen las funciones que necesitan copias de tus imágenes propiedad de Platform: anotación automática, análisis de agrupamiento, clonación de conjuntos de datos y instantáneas de versión inmutables.
• El entrenamiento no se traslada. Si el proceso del worker se detiene a mitad de una ejecución, esta falla en lugar de reiniciarse en otro sitio.
• Los archivos del modelo permanecen en el host. Al eliminar o enviar un modelo a la papelera en Platform, se elimina de Platform, no de tu carpeta de modelos: limpia tú mismo esa carpeta cuando ya no necesites una ejecución.

Al eliminar un conjunto de datos On Premise, o imágenes individuales de este, solo se eliminan las referencias y anotaciones de Platform. Tus archivos nunca se modifican.

Si la configuración no termina#

• Docker solicita permiso: aprueba la solicitud y espera a que Docker se inicie. La configuración continuará automáticamente.
• Windows solicita reiniciar: Reinicia el ordenador, vuelve a Settings > Integrations y crea un nuevo comando de instalación.
• El comando de configuración ha caducado: Crea un nuevo comando de instalación. Cada comando es temporal y funciona una sola vez.
• La conexión sigue sin conexión: Abre Docker Desktop, vuelve a ejecutar un comando recién generado y mantén el terminal abierto hasta que indique que On Premise está en ejecución.
• Las vistas previas no se cargan: Abre Platform en un navegador del ordenador conectado. Las vistas previas de los conjuntos de datos proceden directamente de ese ordenador.
• Necesitas los registros del worker: El instalador escribe en /opt/ultralytics-worker en Linux y en ~/.ultralytics/worker en macOS y Windows. Ejecuta docker compose logs -f desde esa carpeta para seguir el worker.

Consulta también Conjuntos de datos, Anotación y Entrenamiento.

Preguntas frecuentes#