Link to this sectionOn Premise#

On Premise conecta trabajadores de CPU y GPU NVIDIA opcional en tu propio host Linux, Apple Silicon macOS o Windows a Ultralytics Platform. La plataforma sigue siendo el plano de control alojado para la interfaz de usuario, la autenticación, los metadatos, las anotaciones y la orquestación de trabajos, mientras que cada píxel y artefacto de modelo entrenado permanece en tus instalaciones.

Tu host necesita Docker y acceso HTTPS saliente a la plataforma. El instalador añade Docker automáticamente cuando falta, por lo que la configuración normal es un solo comando.

Link to this sectionRequisitos del sistema#

La ingesta y el entrenamiento en CPU funcionan en los tres sistemas operativos. El instalador selecciona la imagen nativa oficial arm64 en Apple Silicon y ARM Linux, por lo que trabajos pequeños como YOLO26n en COCO8 se ejecutan sin emulación x86. La aceleración NVIDIA es opcional; cuando no está disponible, el entrenamiento se ejecuta en la CPU.

Link to this sectionLímite de datos#

Las carpetas de datasets se montan en modo de solo lectura. La plataforma y sus trabajadores alojados nunca reciben los píxeles de origen o derivados, y los trabajos On Premise nunca recurren a la computación de Ultralytics o RunPod.

Link to this sectionConectar un host#

1. Abre Ultralytics Platform en el host Linux, Apple Silicon macOS o Windows que pueda acceder a tus datasets.
2. Ve a Settings > Integrations y selecciona Connect en la tarjeta On Premise.
3. La plataforma selecciona el comando detectado para Linux, macOS o Windows. Apple Silicon es necesario en macOS. Mantén los valores precargados o cámbialos:
   • Nombre de la máquina: On Premise host
   • Carpeta de datasets: /datasets en Linux o ~/Ultralytics/datasets en macOS y Windows
   • Carpeta de modelos: /models en Linux o ~/Ultralytics/models en macOS y Windows
4. Selecciona Create install command. El cuadro de diálogo te indica qué terminal abrir para el sistema operativo seleccionado.
5. Copia el comando completo, pégalo en esa terminal y ejecútalo. El comando incluye el token de registro único, instala e inicia Docker cuando es necesario, y crea las carpetas seleccionadas.
6. Deja el cuadro de diálogo abierto. La plataforma verifica cada 500 milisegundos y muestra el host como conectado cuando el trabajador de CPU se inicia. Un trabajador de GPU se inicia automáticamente cuando Docker expone un tiempo de ejecución NVIDIA compatible.

El token de registro caduca después de 10 minutos y solo puede cambiarse una vez. El trabajador instalado almacena la clave de trabajador revocable resultante en un archivo de entorno con modo 0600. Nunca recibe credenciales de MongoDB de la plataforma ni de almacenamiento en la nube. Compose reinicia los trabajadores automáticamente, y la configuración prepara Docker para iniciarse al arrancar en Linux o al iniciar sesión en macOS y Windows.

Link to this sectionCrear un dataset On Premise#

1. Coloca el dataset debajo de la carpeta de datasets conectada. Por ejemplo, /datasets/warehouse es warehouse dentro de la raíz predeterminada.
2. En la plataforma, selecciona New Dataset > On Premise.
3. Explora el host conectado con el mismo explorador de carpetas usado para Google Cloud Storage, Amazon S3 y Azure Blob Storage, selecciona una carpeta, elige la tarea y crea el dataset privado.
4. El host indexa el dataset e informa los metadatos. La plataforma nunca sube las imágenes.

On Premise utiliza el mismo código de ingesta de CPU que las cargas alojadas. Soporta:

• imágenes y vídeos sueltos;
• archivos ZIP, TAR, TAR.GZ y TGZ;
• Ultralytics NDJSON y COCO JSON;
• datasets YOLO y diseños de carpetas de clasificación; y
• tareas de detección, segmentación, pose, OBB y clasificación, incluyendo el mismo mapeo de clases, inferencia de tareas, validación y manejo de divisiones.

La salida de almacenamiento es la única diferencia. La ingesta alojada puede redimensionar o normalizar imágenes y crear miniaturas en el almacenamiento de la plataforma. On Premise nunca redimensiona, recodifica, edita ni elimina los originales montados. El contenido de archivos, los activos NDJSON remotos y los fotogramas de vídeo muestreados a 1 FPS hasta 100 fotogramas, y luego uniformemente a lo largo de vídeos más largos, se escriben solo en un volumen Docker en el host.

Link to this sectionPrevisualizar y anotar#

La plataforma autoriza cada vista previa, luego tu navegador carga el archivo vinculado a la revisión directamente desde http://localhost:8765 en la misma computadora. No se requiere nombre de host, certificado, VPN, proxy o configuración de vista previa.

Las anotaciones se almacenan como metadatos de la plataforma. Editar o eliminar una imagen en la plataforma cambia solo la referencia y las anotaciones de la plataforma; nunca cambia un archivo de origen o un sidecar de etiquetas.

Link to this sectionEntrenar localmente#

Inicia el entrenamiento desde el diálogo normal de entrenamiento de proyectos. Un dataset vinculado a un host On Premise solo puede ser reclamado por ese host. La plataforma utiliza su trabajador de GPU cuando está disponible y, de lo contrario, ejecuta el mismo código de entrenamiento en su trabajador de CPU. El entrenamiento lee los archivos montados, escribe puntos de control y pesos bajo la carpeta de modelos configurada, y devuelve el estado del trabajo, las métricas escalares y la referencia inmutable del punto de control a la plataforma. Las descargas de modelos utilizan la misma conexión firmada localhost que las vistas previas, por lo que los pesos se mueven directamente de tu host a tu navegador.

El entrenamiento On Premise no consume créditos de computación de la plataforma. Los trabajadores alojados de Ultralytics y RunPod no pueden reclamar el trabajo ni leer sus píxeles o artefactos.

Link to this sectionGestionar el trabajador#

Usa la tarjeta On Premise en Settings > Integrations para ver la disponibilidad de CPU/GPU, reconectar un host o desconectarlo. Reconectar rota el secreto del trabajador sin cambiar la identidad existente del dataset. Desconectar revoca futuras reclamaciones y el acceso a la vista previa; no elimina datasets, archivos de origen, píxeles en caché ni artefactos de modelo del host.

Para inspeccionar o detener la instalación en Linux:

cd /opt/ultralytics-worker
docker compose logs -f
docker compose down

En macOS y Windows, el instalador imprime el comando equivalente usando ~/.ultralytics/worker.

Consulta también Datasets, Annotation y Cloud Training.