On Premise#

On Premise permite que tu espacio de trabajo Enterprise utilice conjuntos de datos y computación en un equipo con Linux, macOS o Windows. Las imágenes y vídeos de origen permanecen en tu equipo. El entrenamiento funciona igual que en cualquier otra ubicación de entrenamiento remoto: las métricas se envían a Platform y los pesos del modelo completado 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 con Linux, un Mac con Apple silicon o un ordenador con Windows de 64 bits que pueda acceder a tus conjuntos de datos y permanecer encendido mientras Platform los utiliza. Deja suficiente espacio de almacenamiento libre para los conjuntos de datos, las ejecuciones de modelos y las imágenes de Docker, y asegúrate de que el ordenador pueda realizar conexiones HTTPS salientes.

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 tenga acceso a tus conjuntos de datos.
2. Ve a Settings > Integrations y selecciona On Premise en 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.

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, pose, caja delimitadora orientada (OBB) y clasificación

Platform reconoce automáticamente los diseños de conjuntos de datos comunes, clases, etiquetas y divisiones de entrenamiento/validación/prueba. Platform trata los archivos de origen como de solo lectura y nunca los redimensiona, recodifica, edita ni elimina.

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 si el ordenador y su CPU o GPU están disponibles. Puedes volver a conectar para refrescar su acceso o desconectarlo cuando ya no sea necesario.

Desconectarse evita nuevos trabajos y vistas previas, pero no elimina los conjuntos de datos ni los archivos de origen del equipo. Los modelos cargados permanecen disponibles en Platform.

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.

Consulta también Datasets, Annotation y Training.