Local#

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

La configuración se hace con un solo comando. Platform detecta tu sistema operativo, completa las ubicaciones de las carpetas con valores adecuados, instala Docker si hace falta y muestra el progreso de la conexión en tiempo real.

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 en local. La predicción en la nube procesa únicamente las imágenes que envíes por separado a ese flujo de trabajo en la nube; el trabajador nunca reenvía imágenes del conjunto de datos montado.

Antes de empezar#

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

La GPU es opcional. Todos los ordenadores pueden importar conjuntos de datos y entrenar modelos en la 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 en la lista de integraciones.
3. Revisa las rutas rellenadas previamente de Carpeta de conjuntos de datos en este equipo y Carpeta de modelos en este equipo.
4. Selecciona Crear comando de instalación.
5. Abre el terminal que se indica en el cuadro de diálogo, copia el comando, pégalo y pulsa Intro.
6. Deja abierta la página Integraciones hasta que el indicador de progreso muestre Conectado.

La página muestra en tiempo real 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 seguir 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 Solicitar una demostración, que envía una solicitud de demostración de Enterprise en lugar de crear 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 este 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 cambios:

El comando de configuración crea estas carpetas, instala e inicia Docker si hace falta y configura la conexión para que se reinicie con el ordenador. Es posible que tu sistema operativo te pida que autorices la instalación o que reinicies el equipo antes de completar la configuración.

Imágenes base de Docker#

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

La compilación del trabajador añade las dependencias de conectividad y actualiza el paquete Ultralytics de la imagen a la versión más reciente. Durante la configuración, detecta CUDA, por lo que un host NVIDIA sigue ejecutando un solo contenedor en lugar de trabajadores independientes para CPU y GPU. Los servicios en la nube de Platform se encargan de la predicción y la exportación del modelo después de que se suba el mejor punto de control.

Añade un conjunto de datos#

1. Coloca tu conjunto de datos en la carpeta configurada para conjuntos de datos.
2. En Platform, selecciona Nuevo conjunto de datos > On Premise.
3. Elige el ordenador 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 usa para los conjuntos de datos subidos y los almacenados en la nube. Puedes previsualizar imágenes, inspeccionar etiquetas, filtrar el conjunto de datos y añadir anotaciones sin subir los píxeles.

Datos compatibles#

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

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

Platform reconoce automáticamente las estructuras habituales de conjuntos de datos, las clases, las etiquetas y las particiones de entrenamiento/validación/prueba. La carpeta del conjunto de datos se monta en modo de solo lectura, por lo que Platform nunca cambia el tamaño, vuelve a codificar, modifica ni elimina tus archivos originales. Todo lo que se deriva durante la importación —archivos extraídos, recursos NDJSON descargados y fotogramas de vídeo— se escribe en un volumen privado de Docker en el mismo ordenador.

Previsualiza y anota#

Al abrir una imagen, el navegador la carga directamente desde el ordenador conectado. No hace falta configurar certificados, nombres de host, VPN ni vistas previas.

Las anotaciones y la organización del conjunto de datos se guardan en tu espacio de trabajo de Platform, pero las modificaciones que hagas en Platform nunca cambian tus archivos originales de imagen o etiquetas.

Entrena un modelo#

Inicia el entrenamiento con el cuadro de diálogo habitual de entrenamiento de Platform:

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

Platform ejecuta el trabajo en el ordenador conectado. Usa una GPU NVIDIA disponible o recurre automáticamente a la CPU, así que un Mac puede entrenar un modelo pequeño, como YOLO26n, en COCO8 sin hardware de GPU dedicado.

Los archivos de entrenamiento se guardan en la carpeta de modelos configurada mientras se ejecuta el entrenamiento. El paquete Ultralytics usa las mismas funciones de devolución de llamada que se usan para el entrenamiento remoto en cualquier equipo gestionado por el cliente: el progreso y las métricas se transmiten a Platform, el mejor punto de control se sube al almacenamiento de Platform y el modelo completado funciona con las opciones existentes para descargarlo, realizar predicciones, exportarlo e implementarlo. Los demás artefactos de entrenamiento permanecen en tu carpeta de modelos. El entrenamiento con On Premise no consume créditos de computación de Platform, y Platform nunca envía el trabajo de entrenamiento a recursos de computación en la nube.

Gestiona la conexión#

Abre Settings > Integrations para ver cada equipo, su nombre de host y su hardware, si su CPU y GPU están en línea y cuándo informó por última vez. Un equipo que está apagado o pierde la conectividad aparece como Desconectado con los detalles de su última conexión, y sus conjuntos de datos dejan de estar disponibles temporalmente en lugar de recurrir a la computación en la nube. El worker se inicia con Docker y se vuelve a conectar por sí solo cuando el equipo vuelve a estar en línea; no hace falta volver a ejecutar nada.

El worker se actualiza automáticamente. Cada vez que se inicia su contenedor, y cada 10 minutos mientras está inactivo, descarga desde Platform cualquier versión más reciente del código del worker y se reinicia para usarla. Nunca se reinicia durante una tarea. Los equipos conectados antes de que estuviera disponible la actualización automática empiezan a actualizarse después de que ejecutes en ellos un nuevo comando de instalación una vez.

Vuelve a ejecutar el comando de instalación en un equipo conectado para cambiar sus carpetas o actualizar su imagen de Docker. El equipo conserva el mismo host, por lo que sus conjuntos de datos siguen funcionando y no aparece ningún host duplicado.

Un espacio de trabajo por equipo. Un equipo ejecuta un worker. Si ejecutas un comando de instalación desde otro espacio de trabajo, el equipo se traslada allí y se desconecta su host del espacio de trabajo que deja.

Volver a conectar genera un nuevo comando de instalación para un host desconectado. Ejecútalo en el ordenador que debe alojar ese host; sus conjuntos de datos existentes se reanudarán sin tener que volver a importarlos. Los hosts desconectados solo permanecen en la lista mientras haya conjuntos de datos o modelos que dependan de ellos.

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

Limitaciones actuales#

• No se vuelve a escanear. Un conjunto de datos se indexa una sola vez, cuando lo creas. Si los archivos originales cambian después, Platform no lo detecta: crea un conjunto de datos nuevo para incorporar los cambios.
• Las funciones que requieren una copia en Platform no están disponibles. Los conjuntos de datos On Premise no incluyen las funciones que necesitan copias de tus imágenes gestionadas por Platform: anotación automática, análisis de agrupamiento, clonación de conjuntos de datos y instantáneas de versiones inmutables.
• El entrenamiento no se traslada. Si el proceso del trabajador se detiene a mitad del entrenamiento, el trabajo falla en lugar de reiniciarse en otro lugar.
• Los archivos del modelo permanecen en el host. Si eliminas o mandas a la papelera un modelo en Platform, desaparece de Platform, pero no de tu carpeta de modelos: limpia esa carpeta tú mismo cuando ya no necesites el entrenamiento.

Si eliminas un conjunto de datos On Premise o imágenes individuales de ese conjunto, solo se eliminan las referencias y anotaciones de Platform. Tus archivos no se modifican nunca.

Si la configuración no termina#

• Docker pide permiso: acepta el mensaje y espera a que se inicie Docker. La configuración continuará automáticamente.
• Windows solicita 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 solo funciona una vez.
• Otro equipo ya ha vuelto a conectar este host: Otro ordenador ejecutó primero un comando de Volver a conectar para el mismo host. Crea un nuevo comando de instalación para este ordenador.
• La conexión sigue sin estar disponible: Abre Docker Desktop, vuelve a ejecutar un comando recién generado y mantén el terminal abierto hasta que indique que On Premise está en funcionamiento.
• Las vistas previas no se cargan: Abre Platform en un navegador del ordenador conectado. Las vistas previas de los conjuntos de datos se obtienen 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#