On Premise#

On Premise permite que tu espacio de trabajo de Enterprise use conjuntos de datos y potencia de cálculo en un ordenador con Linux, macOS o Windows. Las imágenes y vídeos fuente permanecen en tu ordenador. El entrenamiento se comporta como cualquier otra ubicación de entrenamiento remoto: las métricas se transmiten a Platform y los pesos de los modelos completados se cargan para su descarga, predicción, exportación y despliegue.

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

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 solo local. La predicción en la nube procesa únicamente las imágenes que envías por separado a ese flujo de trabajo en la nube; el worker nunca reenvía una imagen de tu conjunto de datos montado.

Antes de empezar#

Elige un ordenador que pueda acceder a tus conjuntos de datos y permanezca encendido mientras Platform los utiliza:

Una GPU es opcional. Cada ordenador puede ingerir conjuntos de datos y entrenar modelos en su CPU. Una GPU NVIDIA compatible puede acelerar los trabajos de entrenamiento más grandes.

Conecta tu ordenador#

1. Abre Ultralytics Platform en el ordenador que pueda acceder a tus conjuntos de datos.
2. Ve a Settings > Integrations y selecciona On Premise de la lista de integraciones.
3. Revisa las rutas prellenadas Dataset folder on this machine y Models folder on this machine.
4. Selecciona Crear comando de instalación.
5. Abre el terminal indicado en el diálogo, copia el comando, pégalo y pulsa Intro.
6. Mantén la página de integraciones abierta hasta que el indicador de progreso muestre Connected.

La página realiza un seguimiento en directo de los seis pasos de configuración —ejecutar el comando, descargar los archivos del trabajador, descargar la imagen de Docker, compilar el trabajador, iniciarlo y confirmar la conexión— para que puedas ver el progreso sin leer el terminal. Conectar un host requiere el rol de editor del espacio de trabajo y un plan Enterprise activo; los espacios de trabajo en otro plan muestran un botón Continue que solicita una guía de instalación On Premise en su lugar 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 siguiente formato:

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

Los valores predeterminados funcionan sin necesidad de edición:

El comando de configuración crea estas carpetas, instala e inicia Docker cuando es necesario y configura la conexión para que se reinicie con tu ordenador. Es posible que tu sistema operativo te pida que apruebes la instalación o que reinicies antes de que la configuración pueda finalizar.

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 versión fija para el host. El trabajador añade sus dependencias de conectividad sin reinstalar Ultralytics. Detecta CUDA durante la configuración, por lo que un host con NVIDIA sigue ejecutando un solo contenedor en lugar de trabajadores de CPU y GPU separados. Los servicios en la nube de Platform gestionan la predicción y exportación de modelos después de que se cargue el mejor punto de control.

Añade un conjunto de datos#

1. Coloca tu conjunto de datos dentro de la carpeta de conjuntos de datos configurada.
2. En la plataforma, selecciona New Dataset > On Premise.
3. Elige el ordenador conectado.
4. Navega hasta 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 utilizada para los conjuntos de datos subidos y de almacenamiento en la nube. Puedes previsualizar imágenes, inspeccionar etiquetas, filtrar el conjunto de datos y anotar sin subir los píxeles.

Datos admitidos#

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

• Imágenes y vídeos
• Archivos ZIP, TAR, TAR.GZ y TGZ
• Ultralytics NDJSON y COCO JSON
• Conjuntos de datos YOLO y carpetas de clasificación
• Tareas de detección, segmentación, semántica, clasificación, postura y cuadro delimitador orientado (OBB)

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

Previsualizar y anotar#

Cuando abres una imagen, tu navegador la carga directamente desde el ordenador conectado. No hay certificado, nombre de host, VPN o 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 en Platform nunca cambian tus archivos de imagen o etiqueta de origen.

Entrena un modelo#

Inicia el entrenamiento a través del diálogo de entrenamiento normal de Platform:

1. Abre un proyecto y selecciona New Model.
2. Elige el conjunto de datos de On Premise.
3. Selecciona un modelo y los ajustes de entrenamiento.
4. Inicia el entrenamiento.

Platform ejecuta el trabajo en el ordenador conectado. Utiliza una GPU NVIDIA disponible o recurre 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 Ultralytics utiliza los mismos callbacks de entrenamiento remoto que cualquier máquina gestionada por el cliente: el progreso y las métricas se envían a Platform, el mejor checkpoint se carga al almacenamiento de Platform y el modelo completado funciona con las rutas existentes de descarga, predicción, exportación y despliegue. Otros 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 ordenador conectado, su nombre de host y hardware, y si su CPU y GPU están conectadas actualmente. El host informa de forma continua, por lo que un ordenador que se apaga o pierde la conectividad se muestra como desconectado y sus conjuntos de datos dejan de estar disponibles temporalmente en lugar de recurrir al cálculo en la nube.

Reconnect emite un nuevo comando de instalación para un host que hayas desconectado previamente. Reutiliza el mismo registro de host, por lo que sus conjuntos de datos existentes vuelven a funcionar sin necesidad de volver a importarlos.

Disconnect revoca el acceso de ese host de inmediato. Los trabajos en cola, de inicio y 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 haya finalizado conservan sus clases, etiquetas y anotaciones, pero no se pueden previsualizar ni utilizar para entrenar hasta que te vuelvas a conectar. No se elimina nada del ordenador y los modelos ya subidos a Platform siguen estando disponibles.

Limitaciones actuales#

• No rescan. Un conjunto de datos se indexa una vez cuando lo creas. Si los archivos fuente cambian después, Platform no se da cuenta; crea un nuevo conjunto de datos para aplicar los cambios.
• Platform-copy features are unavailable. Los conjuntos de datos On Premise excluyen las características que necesitan copias de tus imágenes propiedad de Platform: anotación automática, análisis de agrupamiento, clonación de conjuntos de datos e instantáneas de versión inmutables.
• Training does not move. Si el proceso del trabajador se detiene a mitad de la ejecución, la ejecución falla en lugar de reiniciarse en otro lugar.
• Model files stay on the host. Eliminar o enviar a la papelera un modelo en Platform lo elimina de Platform, no de tu carpeta de modelos; limpia esa carpeta tú mismo cuando ya no necesites una ejecución.

Eliminar un conjunto de datos On Premise, o imágenes individuales de este, elimina únicamente las referencias y anotaciones de Platform. Tus archivos no se tocan nunca.

Si la configuración no termina#

• Docker pide permiso: Aprueba el aviso y espera a que Docker se inicie. La configuración continúa automáticamente.
• Windows pide un reinicio: 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 permanece desconectada: Abre Docker Desktop, vuelve a ejecutar un comando recién generado y mantén el terminal abierto hasta que informe de que On Premise está en ejecución.
• Las vistas previas no cargan: Abre Platform en un navegador en el equipo conectado. Las vistas previas de los conjuntos de datos provienen directamente de ese equipo.
• You need the worker logs: 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 al trabajador.

Consulta también Datasets, Annotation y Training.